Neurex

Ivo Vondrak Apps

Informazioni sull'app

Neurex è un sistema esperto basato su una rete neurale multistrato. L'era delle reti neurali e del connessionismo offre una nuova prospettiva per ottenere una conoscenza affidabile a supporto delle decisioni e per la sua applicazione intuitiva. I sistemi esperti tradizionali, basati su regole e/o frame, spesso incontrano difficoltà nella creazione di una base di conoscenza affidabile. Le reti neurali possono superare queste difficoltà. È possibile creare una base di conoscenza senza esperti, utilizzando esclusivamente raccolte di dati che descrivono l'area risolta, oppure con esperti la cui conoscenza può essere verificata durante il processo di apprendimento. Il processo di utilizzo del sistema esperto può essere descritto come segue:

1. Definizione della topologia della rete neurale: questa fase prevede la definizione del numero di fatti di input e output, nonché la determinazione del numero di livelli nascosti.
2. Formulazione dei fatti di input e output (attributi): ogni fatto è collegato a un neurone nel livello di input o di output. Viene inoltre definito l'intervallo di valori per ciascun attributo. 3. Definizione del Training Set: i pattern vengono inseriti utilizzando valori di verità (ad esempio, 0-100%) o valori compresi nell'intervallo definito nei passaggi precedenti.
4. Fase di apprendimento della rete: i pesi delle connessioni (sinapsi) tra i neuroni, le pendenze delle funzioni sigmoidee e le soglie dei neuroni vengono calcolati utilizzando il metodo Back Propagation (BP). Sono disponibili opzioni per definire i parametri di questo processo, come la velocità di apprendimento e il numero di cicli di apprendimento. Questi valori costituiscono la memoria o base di conoscenza del sistema esperto. I risultati del processo di apprendimento vengono visualizzati utilizzando l'errore quadratico medio e vengono mostrati anche l'indice del pattern peggiore e la sua percentuale di errore.
5. Consultazione/Inferenza con il sistema: in questa fase, vengono definiti i valori dei fatti in input, dopodiché vengono immediatamente dedotti i valori dei fatti in output.