518 北京科技大学学报 1994年No.6 11专家系统的构成 本研究采用误差反向传播网络(BP网)来建立基于神经元的神经网络专家系统.该系 统由人机接口、数据库、知识库、神经推理机和解释程序等5部分组成，见图1. 在本系统中，数据库用于存放系统运行过程中所需要和产生的数据信息以及系统性能指 标等；知识库用于存放规则、事实和样本模式（用于联想记忆、加速推理）；神经推理机采用 误差反向传播学习网络(BP网)，实现系统的联想记忆、并行推理和自学习功能：解释程序 负责回答用户提出的有关推理机、系统性能和使用方法等问题；人机接口则是为用户灵活方 便地进行系统的操作与维护而建立的友好界面· 1.2神经网络的结构 本系统采用3层反向传播网络（图2），该网络的第1层为输入层，第2层为隐含层， 第3层为输出层，其中，输人层有138个单元，代表了高炉操作常用数据和检测信息；输出 层有21个单元，每个单元代表着一种高炉异常状况；中间隐含层有64个单元、每个隐含单 元都收到来白各输入单元信息，并将其输出传给所有输出单元， 机 会 输人层 隐含层 输出层 数据库 神经 推理机 知识车 解 释 程 序 图1神经网络专家系统的系统构成 图2神经网络的结构 Fig.I Configuration of neuron-based expert system Fig.2 Structure of neural network 2学习机理 高炉操作专家在高炉操作中积累了大量的判断炉况的经验，在他们的大脑中存储了很多 有意义的典型炉况实例，同时又具有一种模糊的直觉联想能力，在判断炉况时，他们由相似 性而联想到过去某一炉况，并与之比较，多层网络的误差逆传播学习，正是把相似模式的炉 况特征提取出来，并分布到连接权上，使学习后的网络在面对1组新的高炉输人信息时，通 过该输入信息与已存储的各类别特征信息的相似性比较而判断出高炉的炉况， 本系统的神经网络采用3层前馈网(BP网)，通过多层误差修正梯度法进行离线学习， 其学习算法可参见图3. 若在输人层加上模式P,则首先根据输人计算出各单元的输出.设第k层i单元输入的总 和为4：，输出为"，由k一1层的第j个神经元到k层的第i个神经元的结合权值为v,j神经元引 北 京 科 技 大 学 学 报 年 专家 系统 的构 成 本研 究 采 用 误差 反 向传播 网 络 网 来建立 基于 神经 元 的 神 经 网 络 专家 系 统 该 系 统 由人 机接 口 、 数据库 、 知 识库 、 神经推理 机 和 解释程 序等 部 分组成 ， 见 图 在 本 系 统 中 ， 数 据库 用 于存 放 系统 运 行过 程 中所需 要 和 产生 的 数据 信 息 以 及 系 统 性 能 指 标 等 知识库 用 于 存放规 则 、 事 实和 样本模 式 用 于 联 想 记 忆 、 加 速 推 理 神 经 推 理 机 采 用 误差 反 向传播 学 习 网 络 网 ， 实现 系 统 的联想记忆 、 并行 推理 和 自学 习 功 能 解 释程 序 负责 回答 用 户 提 出 的有 关 推理 机 、 系 统性 能 和 使用 方 法 等 问题 人机接 口 则是 为用 户 灵 活方 便 地 进 行 系 统 的操 作 与维 护而 建 立 的友好界 面 神经 网络 的结构 本 系 统采 用 层 反 向传 播 网络 图 ， 该 网 络 的第 层 为 输 人 层 ， 第 层 为 隐含 层 ， 第 层 为输 出层 其 中 ， 输人层 有 个单元 ， 代表 了高炉操 作 常 用数据 和检 测信息 输 出 层 有 个单元 ， 每 个单元代表 着 一 种 高 炉异 常状 况 中间 隐含 层 有 个单元 ， 每 个隐 含 单 元 都 收到 来 自各输 入单 元信息 ， 并将其输 出传给所有 输 出单元 人 机 接 口 输人 层 隐含 层 输 出层 数 据库 神 经 推 理 机 知 识库 诀 岌、 多 态 鱼产‘ 夺鑫 尹勺、 森 络减， 产 代尹 解 释 程 序 图 神经 网络 专 家 系统 的 系统构 成 乓 浦创阳 佣 功既，以 一 拍 以 、 劝印 图 神经 网络的结构 电 加民 日皿，】 犯姗诩欣 学 习 机理 高炉操 作 专家 在 高炉操 作 中积累 了大 量 的判 断炉况 的经 验 ， 在 他们 的大 脑 中存储 了很 多 有 意 义 的典型 炉 况 实 例 ， 同时又具有一 种模糊 的直觉 联想 能力 在 判 断炉 况 时 ， 他们 由相似 性 而 联 想到 过 去 某 一 炉 况 ， 并 与之 比较 多层 网络 的误差 逆传播 学 习 ， 正 是 把相 似模式 的炉 况 特 征提 取 出 来 ， 并 分布 到 连接 权 上 ， 使学 习后 的 网络在 面 对 组新 的高 炉输人信 息 时 ， 通 过该输人 信息 与 已 存 储 的各类 别 特 征信息 的相 似性 比较而 判 断 出高 炉 的 炉 况 本 系 统 的神 经 网络采 用 层前 馈 网 网 ， 通 过多层 误 差 修 正 梯 度 法 进 行 离 线 学 习 ， 其学 习算 法 可 参见 图 若在 输人层加上模式 ， 则首先根 据输人计算 出各单元 的输 出 设第 层 单元 输人 的总 和 为 “ ‘ ， 输 出为 。 ‘ ， 由 一 层 的第 个 神经元到 层 的第 个神经元的结合权值为 ， 神经元