Neurex é un sistema experto baseado nunha rede neuronal multicapa. A era das redes neuronais e o conexionismo ofrece unha nova perspectiva para obter coñecemento fiable para o apoio á toma de decisións e a súa aplicación sinxela. Os sistemas expertos tradicionais, que se basean en regras e/ou en marcos, a miúdo enfróntanse a desafíos á hora de crear unha base de coñecemento fiable. As redes neuronais poden superar estas dificultades. É posible crear unha base de coñecemento sen expertos, utilizando unicamente coleccións de datos que describen a área resolta ou con expertos cuxo coñecemento se pode verificar durante o proceso de aprendizaxe. O proceso de uso do sistema experto pódese resumir do seguinte xeito:
1. Definición da topoloxía da rede neuronal: este paso implica definir o número de feitos de entrada e saída, así como determinar o número de capas ocultas.
2. Formulación de feitos de entrada e saída (atributos): cada feito está vinculado a unha neurona na capa de entrada ou saída. Tamén se define o rango de valores para cada atributo.
3. Definición do conxunto de adestramento: os patróns introdúcense utilizando valores de verdade (por exemplo, 0-100 %) ou valores do rango definido nos pasos anteriores. 4. Fase de aprendizaxe da rede: Os pesos das conexións (sinapses) entre as neuronas, as pendentes das funcións sigmoideas e os limiares das neuronas calcúlanse mediante o método de retropropagación (BP). Hai opcións dispoñibles para definir parámetros para este proceso, como a taxa de aprendizaxe e o número de ciclos de aprendizaxe. Estes valores forman a memoria ou base de coñecemento do sistema experto. Os resultados do proceso de aprendizaxe móstranse mediante o erro cadrado medio e tamén se mostra o índice do peor patrón e a súa porcentaxe de erro.
5. Consulta/inferencia co sistema: Nesta fase, defínense os valores dos feitos de entrada, tras os cales se deducen inmediatamente os valores dos feitos de saída.
Última actualización
5 de nov. de 2025