人工神经网络在蜜桃专家系统中的应用

开篇：润墨网以专业的文秘视角，为您筛选了一篇人工神经网络在蜜桃专家系统中的应用范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！

深州蜜桃具有两千多年的栽培历史。据《深州县志》记载：汉时“深州土产曰桃，往时有桃贡，北国之桃，深州最佳，谓之蜜桃”。“深州之桃，饶阳之绣，安平之绢，皆一境之独胜也。”并列为进献皇宫的贡品，是寿桃的原型。从明代开始蜜桃大量栽培，到清朝的道光年间桃树已经发展到10多万株，分布于20多个村庄。王光英题词：“深州蜜桃果中王”。现在深州蜜桃产地范围为河北省深州市穆村乡、双井开发区、唐奉镇、深州镇、兵曹乡、辰时镇、东安庄乡共7个乡镇现辖行政区域。

最近几年，随着科技的进步专家系统的研究已经渗透到农业生产领域，并发挥出了巨大的作用。然而，传统专家系统表现出一定的局限性：基于规范的推理难以真正模仿人类专家的推理过程，还存在知识获取和表达力上的薄弱、学习能力较差、容错性差等问题，严重影响了专家系统的开发应用。人工神经网络是模拟人脑思考过程的人工智能技术之一。它不需要任何先验公式，就能从已有数据中自动地归纳总结出规律。它具有很强的非线性映射能力，特别适合于因果关系复杂的非确定性识别、判断和分类等问题。根据这两种系统的特点，本文提出一种基于人工神经网络的蜜桃生产专家统，即将人工神经网络作为专家系统的输入，专家系统用来为神经网络分析结果 。

全国蜜桃病虫害的原因大致相同，可以在同一个系统里应用。全国蜜桃病害发生的原因一般可分为两大类，一是由生物因素引起的传染性病害病原物主要有细菌、真菌、病毒和线虫等，都具有传染性；二是非生物因素所引起的病害，如营养和水分的多少、温度的高低、日照的长短强弱、空气污染等环境因素，这类病害不互相传染，称之为非传染性病害。由于这两种病害的表面特征具有很多相似性，所以将两种病虫害合并在一起研究，以蜜桃炭疽病、白腐病、霜霉病等传染性病害和蜜桃水罐子、日烧病、缺氮症等 10种非传染性病害为研究对象进行知识样本化处理。

首先是专家知识数据库的建立。这部分知识构成专家系统主要的知识来源。用户输入输出接口及知识转换模块负责与用户的交互，将用户输入的症状数据转换为可供推理机推理的诊断格式，同时诊断出的结果通过人机接口返回给用户。推理机和人工神经网络及知识库是专家系统的核心部分，包括基本推理、人工神经网络推理、知识库的存储查询和维护。

专家系统运行过程如下，首先专家系统进行专家知识规范的初始化。由蜜桃病害诊断专家经过大量实践和科学分析论证的结果作为专家系统的主要知识来源，手动输入专家系统。对输入专家知识进行规范化，把形成知识规范的内容存入到知识库中。同时对专家知识规范进行样本化处理，形成人工神经网络所需的学习样本，然后再将样本输入到人工神经网络进行训练。至此专家系统初始化完毕可以进行使用。然后，当用户通过客户端输入需要诊断的症状，它将对输入的病虫害信息进行数据转换，才能变成推理机可以快速处理的数据。最后，推理机先要查询知识库中已经存在的专家知识数据库，如果专家知识库中存在相匹配的诊断规范那就可以直接给出诊断结果。如没有符合要求的信息则利用人工神经网络进行推理，这样才能得出可靠的诊断结果。它将得出的诊断结果输出给用户，同时给出防治措施。

人工神经网络的学习过程与知识库的建立是同时进行的，对样本的训练对整个系统的成败起着至关重要的作用。首先应该选取一部分样本进行学习，由这部分训练得出网络权重值，然后再以全部作为学习样本。以前面得出的人工神经网络权重值作为初始权重值重新训练人工神经网络，这样才能得到最终可靠的权重值。对于推断错误或训练结果误差大的样本，系统利用参数修正学习算法得到新的网络参数及权重值，再将其用于人工神经网络前向计算模块中，直至满足误差为止。

在选取学习样本时，既要注意蜜桃典型症状的使用又要注意实际生产中症状表现的使用。典型症状是突出蜜桃病害的特点，这样可以使网络较快地对所有研究的对象形成概念并抽取特征；而实际生产中症状则更能反映具体果树的个性特征。只有使用时结合这两类症状的优点，才能提高本系统诊断精度和速度。

本系统的知识表述分为两种：一种是将果树专家的经验知识形式化成规范，并存储在知识库中，作为推理的原始前提；另一种是通过现场历史数据对神经网络进行训练，将难以形式化的专家经验以非线性映射的形式存储于神经网络的节点上。推理机则在一定的规范指导下，针对不同情况用规范和神经网络对蜜桃缺素、病虫害进行诊断，得出可能的诊断结果，并对诊断结果进行评价和提出防治措施。

在本系统中，人工神经网络系统在完成一个诊断实例后，可以记忆诊断过程和结果，保存到诊断规范表中。从而归纳出新的诊断范，不断扩充知识库的内容，使知识库具有自己学习功能，这是本系统与传统专家系统的重要区别。在推理过程中，针对用户输入蜜桃病虫害的症状表现的严重程度，系统自动会调整规范中各个节点的权重值，使每一个诊断可靠性得到提高，为下次正确诊断奠定了基础。

本系统的主要优点表现在： ①由于采用人工神经网络技术，系统很自然地实现了逻辑推理的功能，具有较强的诊断能力。②系统具有知识自己学习、便于系统扩充和容错性强等优点。 ③人工神经网络嵌入到传统专家系统中，既继承了传统专家系统的模块化思想，同时也延用以往的开发成果，又融进人工神经网络的优良特性，提高了整个专家系统的智能水平。随着计算机技术在农业领域的不断渗透，人工神经网络硬件和软件的不断发展，运用网络模型的各种算法的不断出现，人工神经网络也会不断地与专家系统进行结合，比较完善地解决基于符号的专家诊断系统所不能解决的一系列问题，有着极其广泛的应用前景。但是人工神经网络专家系统的集成技术还处于探索阶段，其中仍有许多问题需要进一步的深入，都是需要探讨的问题 。

参考文献

[1]徐丽娜.神经网络控制北京：电子工业出版社，2003，5-6.

[2]高隽.人工神经网络原理及仿真实例北京：机械工业出版社，2007，10-13.

[3]李红超 . 关于人工神经网络的应用研究 [J]. 电脑知识术 ，2014（6）.