一种基于模糊神经网络的知识获取方法

文章编号：!"""#$%&’（$"""）"&#""()#"&

一种基于模糊神经网络的知识获取方法!

曹谢东，赵金洲，李允，黄光燕，杨垒

（西南石油学院，四川南充%&*""!）

摘要：从收集的数据中获取知识一直是一个难点。符号智能和计算智能是模拟人类智能认知层次模型的两个方面，其中的模糊逻辑系统与神经计算是当代人工智能的重要发展趋向，神经计算通过目标系统的响应数据进行学习，模糊模型易于理解，它们的结合将优势互补。总结了石油勘探开发信息处理多专家系统的开发中，运用模糊神经网络模型获取知识的研究和实现。

关键词：神经网络；人工智能；模糊数学

中图分类号：+,&)(-!文献标识码：.

引言

石油勘探开发信息处理中既有结构化特点又有非结构化特点的问题，一种途径是采用紧偶合的定性到定量相结合的方式作来解决。实践证明，模糊信息处理技术由于对知识提出一种可能的描述和处理的方法，可以解决这类信息系统中的很大一部分问题，以及一些人与系统协同工作时的学习过程，是解决定性到定量的综合集成等问题的有效方法。但是隶属函数和规则却不易调整和改变；神经网络用于模拟人脑神经元活动的过程（包括“对信息加工、处理、存贮和搜索等过程）。其基本特点是：分布式存贮，并行处理，自组织自学习。神经网络有着很好的学习能力和准确拟合任意非线性函数的能力，并可通过目标系统的响应数据进行学习，不断提高拟合的精度。但是对神经网络的内部过程，所存储的知识的理解却是个难题。

如果能构造这样的智能系统，它即能像模糊模型那样易于理解，又具有神经网络的准确拟合能力和学习能力，一条很自然的技术路线是将模糊系统与神经网络系统结合。

为此，我们在石油勘探开发信息综合集成应用系统之多专家系统的开发中，通过大量数据样本获

取模糊规则的研究和尝试，取得了良好的结果。

!模糊神经网络结构

所建立的模糊神经网络采用/层前向型模型（如图!所示）。

第!层为输入层，输入信息为模糊变量论域之等级；

第$层神经元使输入信息模糊化，这里模糊变量隶属函数选用钟型分布，即

!"0#$#%

!

其中%、!分别为相应钟型隶属函数的中心和宽度；

第&层神经元构成规则前件，即

!&"123｛（’$&!）(’$&""｝

其中’$&""或!，代表第$、&层间的连接权值。将由自组织学习后决定；

第’层处理有关规则神经元节点的输出，即

!456"123｛!，#

)

*"!

（’&’

*

，!&）｝

其中’&’

*

（*"!，$，…，)）为第&、’层间的连接权值，其初始时为!，经自组织学习后，置为"或!；

第/层为结论层，对输出隶属函数通过对应的神经元采用重心法予以判定，即：

+"#,

-"!

（%

456

?!456?!456）#,

."!

（!456?!456）（!）

第$$卷第&期西南石油学院学报748-$$94-& $"""年)月:45;3<84=>456?@0A6B06;48051C3A626560.5D$"""

!收稿日期：$"""#"&#$$

基金项目：国家)%&计划项目（)%&#&"%#E+"’#"&#&）、“油气藏地质及开发工程”国家重点实验室开放基金（BF9(*!/）。

作者简介：曹谢东（!(/’#），男（汉族），四川成都人，副教授，从事人工智能和系统集成研究。

万方数据