《人工神经网络原理》读书笔记（十）-人工神经网络的发展

全部笔记的汇总贴：《人工神经网络原理》-读书笔记汇总

一、神经网络与专家系统的比较

知识表示

• 专家系统中知识表示的原始形式都是基于形式化的符号，知识都是显式的、描述性表示的；
• 神经网络对知识的表示是隐式的，它用网络的拓扑结构表示节点之间的相互关系。

知识获取

• 专家系统获取知识的主要途径是机械学习与讲授式学习，并且获取的必须是一些确定性的，不含噪声的知识，否则将影响系统结论的正确性；
• 神经网络具有较强的自组织、自学习和自适应能力，能够从数字化的实例中通过学习获得符号化的概念，还能够从已有的知识库或领域专家对知识的显式陈述中获取知识，并且可以处理不精确的、不完全的、含噪声的知识。

知识推理

• 专家系统主要采用逻辑推理，推理时按照一定的匹配算法及搜索策略去知识库中寻找相应的知识，通常是一种确定性的推理，并且是串行处理方式，推理效率不高，不易解决规则的冲突消解问题；
• 神经网络的推理过程可以达到不确定性推理的效果，并且神经网络所具有的固有的并行推理能力，大大提高了推理效率，解决了逻辑推理中的冲突问题。

结论解释

• 专家系统能清晰地向用户解释得到的结论；
• 神经网络难以对结论给出清晰地解释。

二、神经网络与模拟系统的比较