论文部分内容阅读
针对传统专家系统知识获取的瓶颈性问题,提出了基于神经网络和传统知识获取与表示相结合的方法.传统的推理方式存在推理效率低和冲突消解问题,提出了由神经网络推理和逻辑推理所组成的混和推理系统.利用神经网络的自学习、自组织、自适应特点,来实现自动知识获取;混和推理既利用了神经网络的并行处理的效率、解决了传统推理存在的冲突消解问题,又克服了神经网络推理结果无法解释等特点,具有较高的准确性和效率性.最后给出了番茄病虫害诊断的应用实例.