基于RIMER理論的專家系統(tǒng)自學習算法的研究與實現(xiàn).pdf_第1頁
已閱讀1頁，還剩66頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權說明：本文檔由用戶提供并上傳，收益歸屬內容提供方，若內容存在侵權，請進行舉報或認領

文檔簡介

1、為了處理人類決策中遇到的不確定性信息，在D-S理論、決策理論和模糊集合理論的基礎上基于證據(jù)推理方法的置信規(guī)則庫推理方法（RIMER）被提出。在RIMER理論和專家系統(tǒng)理論的基礎上形成了RIMER專家系統(tǒng)。RIMER理論是一種透明的建模方法，專家知識以直接接入系統(tǒng)內部，確定規(guī)則庫的置信度和權重等參數(shù)。但是一般地，專家并不能總是客觀、精確地給定這些參數(shù)，這就削弱了RIMER專家系統(tǒng)模擬實際系統(tǒng)的能力，為此Yang等建立該專家系統(tǒng)的學習模型，

2、指出該模型是線性約束的非線性規(guī)劃問題，并且給出了求解方法。但是，學習結果不能令人滿意。因此有必要設計一種新的算法來求解該學習模型使得該專家系統(tǒng)具備更好的自學習能力。
　　 在此基礎上，本文首先結合梯度法和二分法設計了一種新的簡單算法。新的算法首先利用梯度法求解該非線性規(guī)劃問題的下降方向，接著根據(jù)非線性規(guī)劃中的約束條件找到最大步長，然后通過二分法對最大步長二分直至找到使目標函數(shù)值最小的步長。
　　 之后通過分析專家系統(tǒng)的一

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網頁內容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內容本身不做任何修改或編輯，并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論