| 【中文题名】 | 基于.NET和神经网络的知识获取研究 |
| 【英文题名】 | Research on Kowledge Acquisition Method Based on .NET and Artificial Neural Network |
| 【学科专业】 | 电路与系统 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2005-11-14 |
| 【中关键词】 | 算法,仿真,.NET,神经网络,, |
| 【英关键词】 | Arithmetic,Simulation,.net,Neural Network, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>自动化基础理论>人工智能理论>人工神经网络与计算> |
| 【论文摘要】 | 近年来,随着科学技术的发展,特别是人工智能的发展已影响着各行各业。专家系统在人工智能的重要分支,它的发展是本世纪科技发展的重点之一。本文从专家系统的发展谈起,分析了目前存在于专家系统中的主要问题,并且针对知识获取方法这一瓶颈问题进行了深入的研究和分析。
神经网络适宜于处理具有残缺结果和含有错误成分的模式,能够在信源信息含糊、不确定、不完整,存在矛盾及假相等复杂环境中进行处理。提出了运用神经网络的特点完善知识获取功能的设想。关于神经网络应用于专家系统主要是考虑专家系统可以解决分类问题。神经网络所具有的自学习能力使得传统专家系统技术应用最为困难的知识获取工作转换为网络的变结构调节过程,从而大大方便了知识库中知识的记忆和提取。本文从理论上分析了神经网络在改善专家系统中的知识获取方法的优点,用Matlab仿真了人工神经网络中BP网络,并将研究的结果应用于“小麦专家系统中的品种 |
| 【论文题纲】 |
|
第一章 绪论 |
12-28 |
|
1．1 项目的内容和意义 |
12-18 |
|
1．1．1 专家系统的发展现状 |
12-15 |
|
1．1．2 国内外专家系统方面研究现状 |
15-16 |
|
1．1．3 专家系统存在的问题 |
16-18 |
|
1．2 选题背景 |
18-28 |
|
1．2．1 技术路线和技术可行性 |
21-23 |
|
1．2．2 知识获取模型 |
23-25 |
|
1．2．3 论文各章节安排 |
25-28 |
|
第二章 人工神经网络 |
28-46 |
|
2．1 人工神经网络介绍 |
28-29 |
|
2．2 Hopfield网络 |
29-31 |
|
2．3 自组织神经网络 |
31-33 |
|
2．4 BP网络 |
33-38 |
|
2．4．1 BP网络的基本原理 |
33-34 |
|
2．4．2 基本的BP算法 |
34-36 |
|
2．4．3 知识获取系统采用基本BP算法的仿真 |
36-37 |
|
2．4．4 BP网络模型的缺陷分析 |
37-38 |
|
2．5 改进型BP神经网络学习效果的算法仿真 |
38-46 |
|
2．5．1 BP算法的改进方法 |
38-43 |
|
2．5．2 改进后知识获取网络仿真设计 |
43-46 |
|
第三章 ．NET框架与C |
46-54 |
|
3．1 ．NET框架介绍 |
46-48 |
|
3．2 ．NET中的数据访问 |
48-51 |
|
3．2．1 ADO．NET介绍 |
49-50 |
|
3．2．2 ADO．NET的类 |
50-51 |
|
3．3 C |
51-54 |
|
第四章 仿真决策系统的构建 |
54-64 |
|
4．1 Visual Studio．NET 2003下实现仿真 |
54-64 |
|
4．1．1 开发环境 |
54 |
|
4．1．2 解决方案视图和类视图 |
54-55 |
|
4．1．3 系统界面和功能介绍 |
55-59 |
|
4．1．4 决策系统实例 |
59-64 |
|
第五章 总结和展望 |
64-68 |
|
5．1 总结 |
64-66 |
|
5．2 展望 |
66-68 |
|
附录 |
68-74 |
|
参考文献 |
74-80 |
|
致谢 |
80-81 |
|
攻读学位期间发表的学术论文 |
81 |
|
| 【DOI】 | LunWen.ID:2.2008.387580 |
