Neurex är ett expertsystem baserat på ett flerskiktat neuralt nätverk. Eran av neurala nätverk och konnektionism erbjuder ett nytt perspektiv på att erhålla tillförlitlig kunskap för beslutsstöd och dess användarvänliga tillämpning. Traditionella expertsystem, som är regelbaserade och/eller rambaserade, möter ofta utmaningar när det gäller att skapa en tillförlitlig kunskapsbas. Neurala nätverk kan övervinna dessa svårigheter. Det är möjligt att skapa en kunskapsbas utan experter, enbart med hjälp av datasamlingar som beskriver det lösta området, eller med experter vars kunskap kan verifieras under inlärningsprocessen. Expertsystemets användningsprocess kan beskrivas enligt följande:
1. Definition av neurala nätverkstopologin: Detta steg innebär att definiera antalet in- och utdatafakta, samt bestämma antalet dolda lager.
2. Formulering av in- och utdatafakta (attribut): Varje fakta är länkad till en neuron i in- eller utdatalagret. Värdeintervallet för varje attribut definieras också.
3. Definition av träningsuppsättningen: Mönster matas in med hjälp av sanningsvärden (t.ex. 0-100%) eller värden från det intervall som definierats i föregående steg.
4. Nätverkets inlärningsfas: Vikterna av kopplingarna (synapserna) mellan neuroner, lutningarna för sigmoidfunktionerna och neuronernas tröskelvärden beräknas med hjälp av Back Propagation (BP)-metoden. Det finns alternativ för att definiera parametrar för denna process, såsom inlärningshastighet och antal inlärningscykler. Dessa värden utgör expertsystemets minne eller kunskapsbas. Inlärningsprocessens resultat visas med hjälp av medelkvadratfelet, och indexet för det värsta mönstret och dess procentuella fel visas också.
5. Konsultation/Inferens med systemet: I denna fas definieras värdena för indatafakta, varefter värdena för utdatafakta omedelbart härleds.
Uppdaterades den
5 nov. 2025