Neurex ialah sistem pakar berdasarkan rangkaian saraf berbilang lapisan. Era rangkaian saraf dan sambungan menawarkan perspektif baharu untuk mendapatkan pengetahuan yang boleh dipercayai untuk sokongan keputusan dan aplikasi mesra penggunanya. Sistem pakar tradisional, yang berasaskan peraturan dan/atau berasaskan bingkai, sering menghadapi cabaran dalam mencipta pangkalan pengetahuan yang boleh dipercayai. Rangkaian saraf boleh mengatasi kesukaran ini. Anda boleh mencipta pangkalan pengetahuan tanpa pakar, semata-mata menggunakan pengumpulan data yang menerangkan bidang yang diselesaikan atau dengan pakar yang pengetahuannya boleh disahkan semasa proses pembelajaran. Proses penggunaan sistem pakar boleh digariskan seperti berikut:
1. Definisi Topologi Rangkaian Neural: Langkah ini melibatkan penentuan bilangan fakta input dan output, serta menentukan bilangan lapisan tersembunyi.
2. Perumusan Fakta Input dan Output (Atribut): Setiap fakta dikaitkan dengan neuron dalam lapisan input atau output. Julat nilai untuk setiap atribut juga ditakrifkan.
3. Definisi Set Latihan: Corak dimasukkan menggunakan nilai kebenaran (cth., 0-100%) atau nilai daripada julat yang ditakrifkan dalam langkah sebelumnya.
4. Fasa Pembelajaran Rangkaian: Berat sambungan (sinaps) antara neuron, cerun fungsi sigmoid, dan ambang neuron dikira menggunakan kaedah Back Propagation (BP). Pilihan tersedia untuk menentukan parameter untuk proses ini, seperti kadar pembelajaran dan bilangan kitaran pembelajaran. Nilai ini membentuk ingatan atau pangkalan pengetahuan sistem pakar. Keputusan proses pembelajaran dipaparkan menggunakan ralat kuasa dua min, dan indeks corak terburuk serta ralat peratusannya juga ditunjukkan.
5. Perundingan/Inferens dengan Sistem: Dalam fasa ini, nilai fakta input ditakrifkan, selepas itu nilai fakta output disimpulkan serta-merta.
Dikemas kini pada
5 Nov 2025