復(fù)合專(zhuān)家控制智能控制技術(shù)5MIE分析法智能控制技術(shù)模糊專(zhuān)家系統(tǒng)神經(jīng)網(wǎng)絡(luò)專(zhuān)家系統(tǒng)內(nèi)容產(chǎn)品質(zhì)量特性波動(dòng)復(fù)合專(zhuān)家控制產(chǎn)品質(zhì)量特性波動(dòng)5MIE分析法智能控制技術(shù)神經(jīng)網(wǎng)絡(luò)專(zhuān)家系統(tǒng)1神經(jīng)網(wǎng)絡(luò)模型產(chǎn)品質(zhì)量特性波動(dòng)復(fù)合專(zhuān)家控制5MIE分析法智能控制技術(shù)神經(jīng)網(wǎng)絡(luò)模型概述神經(jīng)網(wǎng)絡(luò)專(zhuān)家系統(tǒng)，采用神經(jīng)網(wǎng)絡(luò)對(duì)專(zhuān)家系統(tǒng)進(jìn)行知識(shí)表示和自動(dòng)知識(shí)獲取，通過(guò)分布式信息存儲(chǔ)特性突破專(zhuān)家系統(tǒng)中知識(shí)獲取的瓶頸。利用神經(jīng)網(wǎng)絡(luò)強(qiáng)大的并行分布式處理功能、連續(xù)時(shí)間非線(xiàn)性動(dòng)力學(xué)特性和全局集體作用等特點(diǎn)，有效地解決專(zhuān)家系統(tǒng)實(shí)現(xiàn)過(guò)程中遇到的難點(diǎn)，實(shí)現(xiàn)知識(shí)獲取的自動(dòng)化、并行聯(lián)想和知識(shí)推理，提高專(zhuān)家系統(tǒng)的智能水平、實(shí)時(shí)處理能力，以及提高系統(tǒng)的魯棒性和容錯(cuò)能力。產(chǎn)品質(zhì)量特性波動(dòng)復(fù)合專(zhuān)家控制5MIE分析法智能控制技術(shù)神經(jīng)網(wǎng)絡(luò)模型神經(jīng)網(wǎng)絡(luò)專(zhuān)家系統(tǒng)結(jié)構(gòu)每個(gè)模塊的功能如下：自動(dòng)知識(shí)獲取模塊根據(jù)專(zhuān)家知識(shí)進(jìn)行自學(xué)習(xí)；推理機(jī)制提出使用知識(shí)解決問(wèn)題的方法；解釋模塊用于說(shuō)明專(zhuān)家系統(tǒng)是根據(jù)什么推理思路得出結(jié)論的；人機(jī)交互接口用于提問(wèn)和獲取結(jié)果。產(chǎn)品質(zhì)量特性波動(dòng)復(fù)合專(zhuān)家控制

5MIE分析法智能控制技術(shù)主要功能和工作原理神經(jīng)網(wǎng)絡(luò)模型（1）自動(dòng)知識(shí)獲?。禾岢鏊枭窠?jīng)網(wǎng)絡(luò)的結(jié)構(gòu)，包括網(wǎng)絡(luò)層數(shù)、輸入和輸出，以及隱藏節(jié)點(diǎn)的數(shù)量；組織要訓(xùn)練的學(xué)習(xí)樣本；使用學(xué)習(xí)算法通過(guò)學(xué)習(xí)樣本獲取所需權(quán)重，從而完成知識(shí)獲取。（2）知識(shí)庫(kù)：是推理和問(wèn)題解決的基礎(chǔ)，通過(guò)自動(dòng)知識(shí)獲取獲得，并可不斷更新。具體表現(xiàn)在學(xué)習(xí)樣本后的網(wǎng)絡(luò)參數(shù)分布。（3）推理機(jī)制：與基于邏輯推理的第一代專(zhuān)家系統(tǒng)不同，神經(jīng)網(wǎng)絡(luò)專(zhuān)家系統(tǒng)的推理機(jī)制主要是數(shù)值計(jì)算，由以下三部分組成。1）輸入邏輯概念到輸入模式轉(zhuǎn)換。根據(jù)論域的特征確定轉(zhuǎn)換規(guī)則，并根據(jù)相應(yīng)規(guī)則將當(dāng)前情況轉(zhuǎn)換為神經(jīng)網(wǎng)絡(luò)的輸入模式。2）網(wǎng)絡(luò)中的前向計(jì)算。3）輸出模式的解釋。解釋是將輸出的數(shù)值向量轉(zhuǎn)換成邏輯概念，輸出模式的解釋隨論域的不同也各不相同。產(chǎn)品質(zhì)量特性波動(dòng)復(fù)合專(zhuān)家控制

5MIE分析法智能控制技術(shù)（1）基于神經(jīng)網(wǎng)絡(luò)的知識(shí)表示神經(jīng)網(wǎng)絡(luò)模型傳統(tǒng)的知識(shí)表示如產(chǎn)生式規(guī)則和語(yǔ)義網(wǎng)絡(luò)等，都可以視為對(duì)知識(shí)的顯式表示，而在神經(jīng)網(wǎng)絡(luò)專(zhuān)家系統(tǒng)中，知識(shí)表示可以視為隱式表示，其中知識(shí)不像產(chǎn)生式系統(tǒng)中那樣獨(dú)立地表示每條規(guī)則，而是在同一個(gè)網(wǎng)絡(luò)中表示某個(gè)問(wèn)題的若干知識(shí)。神經(jīng)網(wǎng)絡(luò)專(zhuān)家系統(tǒng)的知識(shí)表示可以分為內(nèi)部和外部形式。內(nèi)部形式是神經(jīng)網(wǎng)絡(luò)專(zhuān)家系統(tǒng)中知識(shí)的表示方式，通常通過(guò)權(quán)重矩陣和閾值向量來(lái)描述。在神經(jīng)網(wǎng)絡(luò)專(zhuān)家系統(tǒng)中，知識(shí)表示為連接權(quán)重和神經(jīng)元之間的閾值，這些權(quán)重和閾值的組合決定了系統(tǒng)的行為和決策過(guò)程。外部形式是知識(shí)工程師、專(zhuān)家和用戶(hù)能夠直接理解和使用的形式。通常，外部形式是一些學(xué)習(xí)范式，如IF-THEN規(guī)則，外部形式的知識(shí)是通過(guò)機(jī)器學(xué)習(xí)轉(zhuǎn)換成內(nèi)部形式，并以網(wǎng)絡(luò)或動(dòng)態(tài)系統(tǒng)的形式進(jìn)行表示。產(chǎn)品質(zhì)量特性波動(dòng)復(fù)合專(zhuān)家控制

5MIE分析法智能控制技術(shù)（2）基于神經(jīng)網(wǎng)絡(luò)的知識(shí)獲取神經(jīng)網(wǎng)絡(luò)模型產(chǎn)品質(zhì)量特性波動(dòng)復(fù)合專(zhuān)家控制在神經(jīng)網(wǎng)絡(luò)中，通過(guò)學(xué)習(xí)訓(xùn)練實(shí)現(xiàn)知識(shí)獲取，其目的是要求出權(quán)系數(shù)集合{T_ij}以保證網(wǎng)絡(luò)對(duì)應(yīng)于每個(gè)輸入矢量所產(chǎn)生的輸出矢量充分接近所希望的輸出矢量。

5MIE分析法智能控制技術(shù)（3）基于神經(jīng)網(wǎng)絡(luò)的知識(shí)推理神經(jīng)網(wǎng)絡(luò)模型基于知識(shí)的推理機(jī)制有正向推理、反向推理和雙向推理三種。正向推理從已知的征兆事實(shí)或系統(tǒng)測(cè)量的特征參數(shù)出發(fā)，使用分布式網(wǎng)絡(luò)的權(quán)重和閾值來(lái)計(jì)算輸出，實(shí)現(xiàn)與輸出模式的映射而得出推理結(jié)論。這種推理機(jī)制簡(jiǎn)單易實(shí)現(xiàn)，適用于設(shè)備的在線(xiàn)監(jiān)控和控制。反向推理是從目標(biāo)到支持目標(biāo)的證據(jù)的推理。其先假設(shè)輸出是某種類(lèi)型，然后在知識(shí)庫(kù)中找到假設(shè)結(jié)論的規(guī)則，并驗(yàn)證規(guī)則的前提是否存在。雙向推理是正向推理和反向推理的有效結(jié)合，以實(shí)現(xiàn)推理的準(zhǔn)確性和效率。其利用征兆事實(shí)數(shù)據(jù)庫(kù)中的一些已知事實(shí)作為神經(jīng)網(wǎng)絡(luò)的輸入。神經(jīng)網(wǎng)絡(luò)利用正向推理初步確定最可能發(fā)生的事件，然后利用反向推理進(jìn)一步驗(yàn)證假設(shè)是否成立。產(chǎn)品質(zhì)量特性波動(dòng)復(fù)合專(zhuān)家控制產(chǎn)品質(zhì)量特性波動(dòng)5MIE分析法智能控制技術(shù)模糊專(zhuān)家系統(tǒng)2神經(jīng)網(wǎng)絡(luò)模型產(chǎn)品質(zhì)量特性波動(dòng)復(fù)合專(zhuān)家控制5MIE分析法智能控制技術(shù)神經(jīng)網(wǎng)絡(luò)模型系統(tǒng)結(jié)構(gòu)基于規(guī)則的模糊專(zhuān)家系統(tǒng)通常包括：輸入輸出接口、模糊數(shù)據(jù)庫(kù)、模糊知識(shí)庫(kù)、模糊推理機(jī)、學(xué)習(xí)模塊和解釋模塊等。產(chǎn)品質(zhì)量特性波動(dòng)復(fù)合專(zhuān)家控制

5MIE分析法智能控制技術(shù)系統(tǒng)結(jié)構(gòu)解釋神經(jīng)網(wǎng)絡(luò)模型輸入輸出接口主要負(fù)責(zé)系統(tǒng)初始信息的輸入和系統(tǒng)最終結(jié)論的輸出。在實(shí)際應(yīng)用中，很多情況下信息是不確定的，因此輸入信息允許包含模糊性，結(jié)論也包含一定程度的不確定性。同時(shí)，輸入輸出接口還負(fù)責(zé)顯示系統(tǒng)推理的解釋過(guò)程，系統(tǒng)運(yùn)行中的人機(jī)交互，輸入建庫(kù)和修改信息等。模糊數(shù)據(jù)庫(kù)用于存儲(chǔ)各類(lèi)不確定性信息，包括系統(tǒng)的初始輸入信息、基本數(shù)據(jù)信息以及系統(tǒng)基本定義等。它主要用于確定描述不確定信息的模糊語(yǔ)言值，系統(tǒng)推理過(guò)程中產(chǎn)生的中間信息，以及系統(tǒng)的最終結(jié)論信息。模糊知識(shí)庫(kù)存放著從領(lǐng)域?qū)＜医?jīng)驗(yàn)中總結(jié)出的事實(shí)和規(guī)則。這些事實(shí)或規(guī)則可能是模糊的或不完全可靠的，因此需要為每個(gè)事實(shí)附上一個(gè)可信度標(biāo)志，為規(guī)則附上一個(gè)強(qiáng)度標(biāo)志，使系統(tǒng)能夠正確地應(yīng)用這些知識(shí)進(jìn)行推理。模糊推理機(jī)的功能是根據(jù)系統(tǒng)輸入的不確定證據(jù)，利用模糊知識(shí)庫(kù)和模糊數(shù)據(jù)庫(kù)中的不確定性知識(shí)，按一定的不確定性推理策略解決系統(tǒng)問(wèn)題，并給出較為合理的建議或結(jié)論。為了模擬領(lǐng)域?qū)＜业耐评磉^(guò)程，模糊推理機(jī)采用各種推理技術(shù)，并定義一組函數(shù)用于推理過(guò)程中信息的不確定性傳播計(jì)算。解釋模塊記錄系統(tǒng)推理過(guò)程中所使的規(guī)則和產(chǎn)生的中間結(jié)果，其中每個(gè)規(guī)則和結(jié)論都附有不確定性標(biāo)度，以更好地理解系統(tǒng)的推理過(guò)程。學(xué)習(xí)模塊是接受領(lǐng)域?qū)＜矣米匀徽Z(yǔ)言描述的知識(shí)，并將其轉(zhuǎn)換成計(jì)算機(jī)可識(shí)別的規(guī)范化模糊事實(shí)和規(guī)則，或者通過(guò)一組經(jīng)驗(yàn)實(shí)例自動(dòng)總結(jié)歸納出模糊規(guī)則，以不斷完善系統(tǒng)的知識(shí)庫(kù)并提升系統(tǒng)的智能化水平。產(chǎn)品質(zhì)量特性波動(dòng)復(fù)合專(zhuān)家控制

5MIE分析法智能控制技術(shù)可能性分布與模糊測(cè)度神經(jīng)網(wǎng)絡(luò)模型在進(jìn)行不確定性推理時(shí)，可能性問(wèn)題通常與判斷命題的真實(shí)性問(wèn)題密切相關(guān)。在這里所討論的可能性，并非指事件發(fā)生或不發(fā)生的概率，而是指某種行為、程序或方案等實(shí)現(xiàn)的可能性。舉例來(lái)說(shuō)，一個(gè)人一天走10000步的可能性，這些情況并非要么完全可行（可能性程度為1），要么完全不可行（可能性程度為0），而是在各種不同程度上具有可行性（可能度在0到1之間取值）?？赡苄源硪环N不確定性，與隨機(jī)性不同，是一種模糊性?？赡苄匀∽畲笾担怕蕜t對(duì)應(yīng)平均值?？赡芏却蟮氖录母怕饰幢卮?，概率小的事件的可能度也未必小，但不可能事件的概率必定為0。產(chǎn)品質(zhì)量特性波動(dòng)復(fù)合專(zhuān)家控制產(chǎn)品質(zhì)量特性波動(dòng)5MIE分析法智能控制技術(shù)工業(yè)控制系統(tǒng)的定義模糊性知識(shí)可以采用產(chǎn)生式規(guī)則、框架、語(yǔ)義網(wǎng)絡(luò)等形式表達(dá)。（1）模糊產(chǎn)生式規(guī)則模糊推理規(guī)則是基于模糊技術(shù)的模糊規(guī)則，其模糊方法主要由前提條件模糊化、動(dòng)作或結(jié)論模糊化、設(shè)置規(guī)則激活閾值和設(shè)置規(guī)則可信度等四個(gè)方面進(jìn)行。具有部分特征的產(chǎn)生式規(guī)則稱(chēng)為模糊產(chǎn)生式規(guī)則。模糊性知識(shí)規(guī)則表示產(chǎn)品質(zhì)量特性波動(dòng)復(fù)合專(zhuān)家控制產(chǎn)品質(zhì)量特性波動(dòng)5MIE分析法智能控制技術(shù)工業(yè)控制系統(tǒng)的定義（2）模糊規(guī)則的表達(dá)方法模糊產(chǎn)生式規(guī)則的形式可表示為規(guī)則的前件和后件均可以是模糊命題，凡是包含有模糊謂詞或模糊狀態(tài)量詞或帶不同程度肯定的命題稱(chēng)為模糊命題。模糊性知識(shí)規(guī)則表示產(chǎn)品質(zhì)量特性波動(dòng)復(fù)合專(zhuān)家控制產(chǎn)品質(zhì)量特性波動(dòng)5MIE分析法智能控制技術(shù)工業(yè)控制系統(tǒng)的定義（3）模糊產(chǎn)生式系統(tǒng)運(yùn)行舉例為了更好地理解模糊規(guī)則是如何表達(dá)模糊知識(shí)的，了解模糊產(chǎn)生式系統(tǒng)的運(yùn)行原理，用一個(gè)簡(jiǎn)單的模糊推理的例子來(lái)加以說(shuō)明。假定已有模糊規(guī)則集：模糊性知識(shí)規(guī)則表示產(chǎn)品質(zhì)量特性波動(dòng)復(fù)合專(zhuān)家控制產(chǎn)品質(zhì)量特性波動(dòng)5MIE分析法智能控制技術(shù)工業(yè)控制系統(tǒng)的定義

模糊性知識(shí)規(guī)則表示產(chǎn)品質(zhì)量特性波動(dòng)復(fù)合專(zhuān)家控制產(chǎn)品質(zhì)量特性波動(dòng)5MIE分析法智能控制技術(shù)工業(yè)控制系統(tǒng)的定義

模糊性知識(shí)規(guī)則表示產(chǎn)品質(zhì)量特性波動(dòng)復(fù)合專(zhuān)家控制產(chǎn)品質(zhì)量特性波動(dòng)5MIE分析法智能控制技術(shù)工業(yè)控制系統(tǒng)的定義對(duì)于一條規(guī)則，其不確定性主要體現(xiàn)在前提條件的不確定性、結(jié)論的不確定性和規(guī)則的不確定性。因此，對(duì)于任何不確定性推理模型，必須解決三個(gè)問(wèn)題：前提條件的不確定性描述、規(guī)則的不確定性描述和不確定性的傳播或更新算法。證據(jù)不確定性的描述