Neurex е експертски систем базиран на повеќеслојна невронска мрежа. Ерата на невронските мрежи и конекционизмот нуди нова перспектива за добивање сигурно знаење за поддршка на одлуките и негова лесна за користење примена. Традиционалните експертски системи, кои се базирани на правила и/или базирани на рамки, честопати се соочуваат со предизвици во создавањето сигурна база на знаење. Невронските мрежи можат да ги надминат овие тешкотии. Можно е да се создаде база на знаење без експерти, користејќи само колекции на податоци што ја опишуваат решената област или со експерти чие знаење може да се потврди за време на процесот на учење. Процесот на користење на експертскиот систем може да се опише на следниов начин:
1. Дефиниција на топологијата на невронската мрежа: Овој чекор вклучува дефинирање на бројот на влезни и излезни факти, како и одредување на бројот на скриени слоеви.
2. Формулација на влезни и излезни факти (атрибути): Секој факт е поврзан со неврон во влезниот или излезниот слој. Опсегот на вредности за секој атрибут е исто така дефиниран.
3. Дефиниција на множеството за обука: Моделите се внесуваат со користење на вистинитосни вредности (на пр., 0-100%) или вредности од опсегот дефиниран во претходните чекори.
4. Фаза на учење на мрежата: Тежините на врските (синапсите) помеѓу невроните, наклоните на сигмоидните функции и праговите на невроните се пресметуваат со користење на методот на обратна пропагација (BP). Достапни се опции за дефинирање на параметрите за овој процес, како што се стапката на учење и бројот на циклуси на учење. Овие вредности ја формираат меморијата или базата на знаење на експертскиот систем. Резултатите од процесот на учење се прикажуваат со користење на средната квадратна грешка, а исто така се прикажува и индексот на најлошиот образец и неговата процентна грешка.
5. Консултација/Инференцирање со системот: Во оваа фаза, се дефинираат вредностите на влезните факти, по што веднаш се изведуваат вредностите на излезните факти.
Ажуриранa на
5 ное. 2025 г.