決策支持系統(tǒng)的發(fā)展與應(yīng)用

決策支持系統(tǒng)的發(fā)展與應(yīng)用

智能化決策模型該決策支撐系統(tǒng)最初由美國科學(xué)家斯科特莫rton提出，并于20世紀(jì)80年代迅速發(fā)展。它的功能是綜合利用大量數(shù)據(jù),有機(jī)組合眾多模型,通過人機(jī)交互系統(tǒng),輔助各級(jí)決策者實(shí)現(xiàn)科學(xué)決策。智能化是決策支持系統(tǒng)研究的主要發(fā)展方向之一。神經(jīng)網(wǎng)絡(luò)是一個(gè)具有高度非線性的超大規(guī)模連續(xù)時(shí)間動(dòng)力系統(tǒng),其最主要特征為網(wǎng)絡(luò)的全局作用、大規(guī)模并行分布處理能力、高度的魯棒性和學(xué)習(xí)聯(lián)想能力。同時(shí)它又具有一般非線性系統(tǒng)的共性,即吸引性、耗散性、非平衡性、不可逆性、高維性、廣泛聯(lián)結(jié)性和自適應(yīng)性。它是一個(gè)有著廣泛應(yīng)用背景的十分熱門的交叉學(xué)科。因而,結(jié)合神經(jīng)網(wǎng)絡(luò)的智能決策支持系統(tǒng)研究極具理論和實(shí)用價(jià)值,成為決策支持系統(tǒng)的研究前沿之一。1ai技術(shù)在dss中存在的問題決策支持系統(tǒng)形成了如圖1所示公認(rèn)的體系結(jié)構(gòu)。從圖1我們可以看到?jīng)Q策支持系統(tǒng)體系結(jié)構(gòu)可劃分為三級(jí),即語言系統(tǒng)(LS)級(jí)、問題處理系統(tǒng)(PPS)級(jí)和知識(shí)系統(tǒng)(KS)級(jí)。其中問題處理系統(tǒng)級(jí)包括推理機(jī)系統(tǒng)(RS)、模型庫管理系統(tǒng)(MBMS)、知識(shí)庫管理系統(tǒng)(KBMS)、及數(shù)據(jù)庫管理系統(tǒng)(DBMS)。知識(shí)系統(tǒng)級(jí)包括模型庫(MB)、知識(shí)庫(KB)及數(shù)據(jù)庫(DB)。雖然DSS的理論與應(yīng)用已經(jīng)取得了重大的進(jìn)展,但由于現(xiàn)有的串行程序式符號(hào)存處機(jī)制“瓶頸”使其發(fā)展受到嚴(yán)重的挑戰(zhàn)。DSS存在的主要問題有:1)知識(shí)獲取的瓶頸問題。通常DSS的知識(shí)獲取是由知識(shí)工程師將專家的知識(shí)移植到計(jì)算機(jī)中的人工移植方式,存在低效率、費(fèi)時(shí)等缺陷。雖然近年來AI技術(shù)提出了機(jī)器學(xué)習(xí)系統(tǒng)概念,但由于目前計(jì)算機(jī)的工作原理所帶來的制約與限制,機(jī)器學(xué)習(xí)研究遇到了很大的困難;2)問題處理能力不強(qiáng);3)開發(fā)人員給它設(shè)計(jì)了什么功能,它就有什么功能,不能自己去學(xué)習(xí)和創(chuàng)造;4)在線實(shí)時(shí)性差。我們希望DSS能在運(yùn)轉(zhuǎn)中不斷地發(fā)展、創(chuàng)新知識(shí),這就需要我們開拓新方法、新思路。2自學(xué)習(xí)與自適應(yīng)通過對(duì)神經(jīng)網(wǎng)絡(luò)的特點(diǎn)及DSS存在的問題進(jìn)行分析,明確神經(jīng)網(wǎng)絡(luò)DSS研究的主要目的是:利用神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)功能、大規(guī)模并行分布式處理功能、連續(xù)時(shí)間非線性動(dòng)力學(xué)和全局集體作用實(shí)現(xiàn)知識(shí)獲取自動(dòng)化、自然語言處理系統(tǒng)自學(xué)習(xí),克服“組合爆炸”,“無窮遞歸”等困難,實(shí)現(xiàn)自適應(yīng)并行聯(lián)想推理,提高DSS的決策支持能力,實(shí)現(xiàn)實(shí)時(shí)處理。神經(jīng)網(wǎng)絡(luò)智能決策支持系統(tǒng)主要是以知識(shí)、數(shù)據(jù)和模型為主體,結(jié)合神經(jīng)網(wǎng)絡(luò)進(jìn)行推理與數(shù)據(jù)開采。圖2給出了神經(jīng)網(wǎng)絡(luò)智能決策支持系統(tǒng)研究框架。研究中有三個(gè)重點(diǎn),即神經(jīng)網(wǎng)絡(luò)推理系統(tǒng)、神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)開采系統(tǒng)和神經(jīng)網(wǎng)絡(luò)自然語言交互系統(tǒng)。2.1有教師示教型網(wǎng)絡(luò)的結(jié)構(gòu)神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)開采是利用神經(jīng)網(wǎng)絡(luò)技術(shù)協(xié)助從數(shù)據(jù)中抽取模式。數(shù)據(jù)開采有五項(xiàng)基本任務(wù):相關(guān)分析、聚類、概念描述、偏差檢測(cè)、預(yù)測(cè)。常用的前饋式神經(jīng)網(wǎng)絡(luò),例如BP網(wǎng)絡(luò),可用于進(jìn)行概念描述及預(yù)測(cè)。對(duì)向傳播(CP)神經(jīng)網(wǎng)絡(luò)可用來進(jìn)行統(tǒng)計(jì)分析和聚類。CP網(wǎng)絡(luò)是美國神經(jīng)計(jì)算專家RobertHechtNielsen提出的一種新型特征映射網(wǎng)絡(luò),結(jié)構(gòu)如圖3。網(wǎng)絡(luò)分輸入、競爭、輸出三層。輸入層與競爭層構(gòu)成自組織特征映射神經(jīng)網(wǎng)絡(luò)。競爭層與輸出層構(gòu)成基本競爭型網(wǎng)絡(luò)。網(wǎng)絡(luò)從整體上看屬于有教師示教型網(wǎng)絡(luò),而由輸入層與競爭層構(gòu)成的自組織特征映射神經(jīng)網(wǎng)絡(luò)又屬一種典型的無教師示教型網(wǎng)絡(luò)。因此,該網(wǎng)絡(luò)既吸取了無教師示教型網(wǎng)絡(luò)分類靈活、算法簡練的優(yōu)點(diǎn),又采納了有教師示教型網(wǎng)絡(luò)分類精細(xì)、準(zhǔn)確的好處,使兩者有機(jī)地結(jié)合起來。由輸入層至競爭層,網(wǎng)絡(luò)按自組織特征映射學(xué)習(xí)規(guī)則產(chǎn)生競爭層的獲勝神經(jīng)元,并按這一規(guī)則調(diào)整相應(yīng)的輸入層至競爭層的連接權(quán)。由競爭層至輸出層,網(wǎng)絡(luò)按基本競爭型網(wǎng)絡(luò)學(xué)習(xí)規(guī)則得到各輸出神經(jīng)元的實(shí)際輸出值,并按有教師示教的誤差校正方法調(diào)整由競爭層至輸出層的連接權(quán)。經(jīng)過這樣反復(fù)地學(xué)習(xí),可以將任意輸入模式映射為輸出模式。由CP網(wǎng)絡(luò)的這一基本思想,可發(fā)現(xiàn)處于網(wǎng)絡(luò)中間位置的競爭層獲勝神經(jīng)元及與其相關(guān)的連接權(quán)向量,既反映了輸入模式的統(tǒng)計(jì)特征,又反映了輸出模式的統(tǒng)計(jì)特征。因而,可認(rèn)為輸入、輸出模式通過競爭層實(shí)現(xiàn)了相互映射。CP網(wǎng)絡(luò)已被有效地用于模式分類、統(tǒng)計(jì)分析、數(shù)據(jù)壓縮等領(lǐng)域。2.2雙向推理bam神經(jīng)網(wǎng)絡(luò)推理系統(tǒng)主要研究基于神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)驅(qū)動(dòng)、目標(biāo)驅(qū)動(dòng)、雙向推理方法。推理是問題求解的主要手段,知識(shí)推理的過程就是問題求解的過程。傳統(tǒng)的推理方法存在“組合爆炸”、“無窮遞歸”等問題,神經(jīng)網(wǎng)絡(luò)的并行處理機(jī)制是解決這個(gè)問題的極佳方法,下面以雙向聯(lián)想記憶(BAM)網(wǎng)絡(luò)為模型說明推理過程。如圖4所示,這里第零層只是起扇出作用,即把網(wǎng)絡(luò)的輸出分配給輸入,沒有計(jì)算功能。將一個(gè)輸入向量A應(yīng)用到網(wǎng)絡(luò)的權(quán)矩以上就產(chǎn)生一個(gè)輸出向量B,然后,向量B被用到權(quán)矩陣W的轉(zhuǎn)置WT,這就產(chǎn)生了新輸出向量A。重復(fù)這一過程,直到網(wǎng)絡(luò)達(dá)到一個(gè)穩(wěn)定點(diǎn),即A,B都不再變化為止。這一過程用公式表示:B=F(AW)(1)A=F(BWT)(2)這里A為第一層的輸出向量,B為第二層的輸出向量,W為第一層與第二層之間的權(quán)矩陣,F為激勵(lì)函數(shù)。為了得到推理結(jié)果,網(wǎng)絡(luò)首先要被訓(xùn)練,權(quán)矩陣W是通過計(jì)算訓(xùn)練集中的所有向量對(duì)的外積的和而得到的:利用公式(1)可實(shí)現(xiàn)數(shù)據(jù)驅(qū)動(dòng)的推理,利用公式(2)可實(shí)現(xiàn)目標(biāo)驅(qū)動(dòng)推理。雙向推理可利用BAM的共振特性來實(shí)現(xiàn),完整的或不完全的向量A被迅速迫放到第一層輸出上,然后A被傳播且網(wǎng)絡(luò)向著穩(wěn)定的方向進(jìn)行下去,這樣就在第二層的輸出上產(chǎn)生一個(gè)相關(guān)的向量B,B再次通過轉(zhuǎn)置矩陣WT從而在第一層的輸出上產(chǎn)生一個(gè)與原輸入向量A相近的向量,這樣每一次循環(huán)使得第一層和第二層的輸出向量逐漸逼近于一個(gè)被子存儲(chǔ)的記憶,直到到了一個(gè)穩(wěn)定點(diǎn)。這個(gè)穩(wěn)定點(diǎn)可看作是一種共振,即雙向推理的由數(shù)據(jù)驅(qū)動(dòng)選擇目標(biāo)與目標(biāo)驅(qū)動(dòng)進(jìn)行求解的交相點(diǎn)。2.3基于神經(jīng)網(wǎng)絡(luò)的環(huán)境分析系統(tǒng)在自然語言處理級(jí),主要研究基于神經(jīng)網(wǎng)絡(luò)的句法分析與語義分析方法。自然語言屬于非數(shù)值符號(hào),一般以長度不等的語流形式出現(xiàn),有著自身的句法和語義體系,其數(shù)據(jù)結(jié)構(gòu)、語義表達(dá)、運(yùn)算規(guī)則與數(shù)值信息有著很大區(qū)別。因而基于神經(jīng)網(wǎng)絡(luò)的自然語言處理的實(shí)現(xiàn)難度大,然而,盡管如此,其實(shí)現(xiàn)仍具有很大的可能性。采用神經(jīng)網(wǎng)絡(luò)的自然語言處理系統(tǒng)的焦點(diǎn)是理解自然語言所必須的知識(shí)內(nèi)容及其表達(dá)方式?；谏窠?jīng)網(wǎng)絡(luò)的句法分析系統(tǒng)的基本任務(wù)是(1)確定輸入句的句法結(jié)構(gòu),這是一個(gè)基于神經(jīng)網(wǎng)絡(luò)的識(shí)別過程。(2)使句法結(jié)構(gòu)規(guī)范化。這是一個(gè)歸納過程,即按一定的句法轉(zhuǎn)換關(guān)系將大量的輸入結(jié)構(gòu)映射為少量的結(jié)構(gòu)?；谏窠?jīng)網(wǎng)絡(luò)的語義分析系統(tǒng)的基本任務(wù)是按一定的語義關(guān)系將詞組劃分為不同概念。而概念又以知識(shí)的形式存儲(chǔ)在知識(shí)庫中。因此基于神經(jīng)網(wǎng)絡(luò)的自然語言處理可以通過將概念映射到神經(jīng)網(wǎng)絡(luò)處理單元上,信息處理過程與大腦中的神經(jīng)元的激活方式類似,是靠多個(gè)神經(jīng)網(wǎng)絡(luò)處理單元的擴(kuò)展激活而完成的,神經(jīng)網(wǎng)絡(luò)處理單元之間的聯(lián)通由加權(quán)的大小而決定,或超越其閥值,使某一處理單元激活而工作;或低于該值,使某一處理單元受到抑制。3植物神經(jīng)網(wǎng)絡(luò)的解釋番茄栽培智能決策系統(tǒng)的結(jié)構(gòu)如圖5所示該系統(tǒng)由四個(gè)子系統(tǒng)構(gòu)成問題求解子系統(tǒng)、定義知識(shí)獲取子系統(tǒng)、知識(shí)庫管理子系統(tǒng)、系統(tǒng)維護(hù)子系統(tǒng)。農(nóng)作物病蟲害的診斷在傳統(tǒng)的專家系統(tǒng)知識(shí)處理中通常是將植保專家的經(jīng)驗(yàn)知識(shí)整理成規(guī)則用產(chǎn)生式規(guī)則進(jìn)行推理但是植保專家的確診經(jīng)驗(yàn)往往是難以用精確規(guī)則描述的而且植物的病癥往往是模糊的程度不同的在植物生長的不同階段同一病癥的表現(xiàn)也不相同,因此基于符號(hào)的傳統(tǒng)專家系統(tǒng)是難以處理這類知識(shí)的而神經(jīng)網(wǎng)絡(luò)恰恰在處理這類知識(shí)優(yōu)勢(shì)明顯所以在。大量生成實(shí)踐證明番茄病蟲害診斷決策模塊采用了神經(jīng)網(wǎng)絡(luò)技術(shù)通過對(duì)病蟲害癥狀的整理和收集利用神經(jīng)網(wǎng)絡(luò)理論建立并實(shí)現(xiàn)了多個(gè)子神經(jīng)網(wǎng)絡(luò)的復(fù)雜層次網(wǎng)絡(luò)結(jié)構(gòu)模型結(jié)合多媒體技術(shù)友好界面技術(shù)實(shí)現(xiàn)了番茄病蟲害診斷系統(tǒng)蔬菜栽培病蟲害多媒體診斷技術(shù)和方法充分發(fā)揮了多媒體計(jì)算機(jī)的優(yōu)勢(shì)采用圖片診斷的方式來進(jìn)行病蟲害的癥狀