第11章神经网络11.3神经网络在专家系统中的应用11.3.1神经网络与专家系统的互补性三、神经网络与专家系统的集成（取长补短）根据集成侧重点不同，分为三种模式：1、神经网络支持专家系统：以传统专家系统技术为主，辅以神经网络的有关技术。2、专家系统支持神经网络：以神经网络有关技术为主，建立相应领域的专家系统。（后续介绍）3、神经网络与专家系统的对等模式：求解复杂问题时，将其分为若干个子问题，针对每个子问题特点分别用神经网络及传统专家系统进行解决。11.3.2基于神经网络的知识表示知识表示：对客观世界进行形式化描述。神经网络：隐式；传统专家系统：显式一个用于医疗诊断的例子。设整个系统的简易诊断模型只有六种症状，两种疾病，三种冶疗方案。对网络的训练样例是选择一批合适的病人并从病历中采集如下信息：症状：对每一症状只采集有、无及没有记录这三种信息。疾病：对每一疾病也只采集有、无及没有记录这三种信息。冶疗方案：对每一治疗方案只采集是否采用这两种信息。其中，对“有”．“无”、“没有记录”分别用1、-1，0表示。这样对每一个病人就可以构成训练样例。假设根据症状、疾病及冶疗方案间的因果关系，以及通过训练样例对网络的训练得到了如图所示的神经网络。其中：x1，x2，…，x6为症状x7,，x8为疾病名；x9,，x10，x11为治疗方案；xa，xb，xc是附加层此网络中：x1，x2，…，x6是输人层；x9，x10，x11是输出层；两者间以疾病名作为中间层。对图有关问题说明如下：(1)这是一个带有正负权值的前向网络，由wij可构成相应的学习矩阵。在该矩阵中当i≥j时，wij=0；当i<j且节点i与节点j之间不存在连接弧时，wij也为0；其余为图中连接弧上所标出的数据，这个学习矩阵可用来表示相应的神经网络。(2)神经元取值为+1，0，-1,特性函数为一离散型的阈值函数，计算公式为：(3)图中连接弧上标出的wij值是根据一组训练样例，通过运用某种学习算法(如B-P算法)对网络进行训练得到的，这就是神经网络专家系统所进行的知识获取。(4)由全体wij的值及各种症状、疾病、治疗方案名所构成的集合就形成了该疾病诊冶系统的知识库。11.3.3基于神经网络的推理正向网络推理步骤：神经网络推理具有如下特征：11.4神经网络在模式识别中的应用图11.4.1语音识别系统结构框图从图中的系统整体架构可以看到，建立基于BP神经网络的语音识别系统可分为两个阶段：即训练阶段和识别阶段。（1）训练阶段,通过说话人多次重复语音,本系统从原始语音样本中去除冗余信息,提取说话人的特征参数并存储为BP神经网络的输入样本，在此基础上建立输入与输出的BP神经网络模型。（2）识别阶段,待测语音经过预处理，使用已经训练好的BP神经网络进行识别得到结果。二、数字的识别Thankyou一个用于医疗诊断的例子。设整个系统的简易诊断模型只有六种症状，两种疾病，三种冶疗方案。对网络的训练样例是选择一批合适的病人并从病历中采集如下信息：症状：对每一症状只采集有、无及没有记录这三种信息。疾病：对每一疾病也只采集有、无及没有记录这三种信息。冶疗方案：对每一治疗方案只采集是否采用这两种信息。其中，对“有”．“无”、“没有记录”分别用1、-1，0表示。这样对每一个病人就可以构成训练样例。11.4神经网络在模式识别中的应用从图中的系统整体架构可以看到，建立基于BP神经网络的语音识别系统可分为两个阶段：即训练阶段和识别阶段。（1）训练阶段,通过说话人多次重复语音,本系统从原始语音样本中去除冗余信息,提取说话人的特征参数并存储为BP神经网络的输入样本，在此基础上建立输入与输出的BP神经网络模型。（2）识别阶段,待测语音经过预处理，使用已经训练好的BP神经网络进行识别得到结果。二、数字的识别