Общие сведения о нейросетевых экспертных системах

В последние годы бурно развиваются нейронные экспертные системы. В основе их построения лежит принцип обучения нейронной сети на известных примерах с последующим тестированием по любому входному вектору.

Нейронные сети могут выступать в качестве модели представления знаний. В первую очередь это обучающая выборка, которая представляет неявную базу знаний (до обучения нейросетевой экспертной системы). Во-вторых это синаптическая карта, сформированная по результатам выбора оптимальной архитектуры и обучения нейронной сети. Однако при дополнении обучающей выборки требуется дообучение или переобучение нейронной сети.

Дообучение сети не требует изменения архитектуры нейронной сети, а переобучение может привести к изменению архитектуры нейронной сети.

Эксперная система, реализованная на базе нейронных сетей, называется нейросетевой ЭС.

Существует ряд задач, в которых не представляется возможным учитывать все реально имеющиеся условия, от которых зависит ответ, а можно выделить приблизительный набор наиболее важных условий. В результате часть условий не учитывается и ответ носит неточный приблизительный характер. Алгоритмы нахождения ответа не могут быть описаны точно. Такие задачи можно решить с использованием нейротехнологий.

Применение нейронных сетей (НС) оправдано только при выполнении 2-х условий:

· Наличие универсального типа архитектуры НС и универсального алгоритма ее обучения;

· Наличие предистории (фиксированного опыта).

При выполнении этих условий скорость создания НЭС возрастает в десятки раз и особенно при использовании готовых коммерческих пакетов прикладных нейросетевых программ.