利用神经网络改进鸡疾病临床诊断专家系统

探讨利用人工神经网络改进“鸡常见疾病临床诊断专家系统ＥＳＣＣＤ”。ＢＰ训练算法可解决专家系统构造中的瓶颈问题——知识获取，但存在收敛性和泛化能力较差的缺陷。作者使用比例训练的ＢＰ算法，提出对训练模式进行样本重组的方法，其特点是训练速度快、特征抽取能力强。结果表明，改进后的系统优于常规ＢＰ算法：系统可从病历中学习规则，诊断符合率从８０％提高到９４．１％，训练次数从７９００次（常规ＢＰ算法）减少到８００次，从而为探讨实现专家系统和神经网络的综合集成奠定基础，对构造类似专家系统具有普遍的适用意义。