置信规则库专家系统学习优化问题的研究
Journal of North China University of Water Resources and Electric Power（2015）
摘要
针对基于证据推理的置信规则库专家系统(RIMER)的学习优化问题,在训练参数仅为规则的置信度、权重的基础上,通过增加前提属性参考值及输出参考值为训练参数来实现局部扩展训练和全局训练,并使用MATLAB中FMINCON函数对参数进行优化求解.分别将该专家系统应用在发动机故障诊断和数据逼近中,并对其进行训练优化.结果表明,与局部扩展优化相比,全局优化时,RIMER系统能更好地模拟实际系统,对参数的优化程度越深,RIMER系统的精度越高.
更多AI 理解论文
溯源树
样例
生成溯源树，研究论文发展脉络
Chat Paper
正在生成论文摘要