雷 宇，李孝安

（西北工业大学 计算机学院，陕西 西安 710129）

专家系统[1]主要由“知识库”和“推理机”组成。知识库是特定领域专家的经验知识在计算机中的表示，推理机是专家系统依据计算机中存放的知识（包括实例和规则）得到结果的模型和方法。基本的推理机制主要有3 种：基于规则的推理机制（RBR），基于实例的推理机制（CBR），基于模型的推理机制（MBR）。经典的RBR 存在知识获取瓶颈、知识系统维护复杂、不具备自学习能力等局限。人工神经网络（ANN）[2]通过模拟生物体中神经网络的结构与功能来解决目前计算机系统不能解决好的问题，具有自组织、自适应、自学习、容错性好等特点。因而把神经网络用于专家系统，能很好的弥补传统专家系统的不足。

有关神经网络研究多注重应用模型解决问题能力的研究，对神经网络推理能力的研究较少。本文通过将遗传算法（Genetic Algorithm，GA）与BP 神经网络学习算法相结合获取神经网络模型[3]，对神经网络推理机制进行研究，得到了有意义的研究结论。

1 基于BP 网络模型推理机制

1.1 神经网络推理机制

基于神经网络模型的专家系统与传统专家系统区别很大[4]：首先，知识由显式转变为隐式；其次，知识不是由“专家”给出，而是通过学习训练取得；最后，推理机不是传统的逻辑推理，而是逐层并行的神经计算。建立知识库就是确定神经网络的连接结构，神经元阈值和神经元相互之间连接权值。因而，知识库的建立过程实际上就是神经网络的学习与组织过程，包括知识的获取及知识存储两个过程。……