基于人工神经网络的葡萄病害诊断专家系统

设计了一种基于人工神经网络的葡萄病害诊断专家系统。以常见的18种主要的葡萄病害为研究对象,将专家知识转换为诊断规则,并作为学习样本输入神经网络进行训练,形成人工神经网络推理机。同时,采用知识库、规则推理和人工神经网络推理相结合的系统结构来优化专家系统,在提高专家系统自学能力的同时也提高了系统的响应速度。采用C#、Matlab和.NET技术混合编程实现专家系统,实验结果表明该系统有较高的诊断准确率并能稳定运行。该系统在Web上运行,更有利于系统的推广应用。

基于BP神经网络的葡萄病害诊断系统研究

我国种植葡萄已经有两千多年的历史,葡萄病害严重影响了葡萄产品的产量和质量,葡萄病害的诊断对我国葡萄产业的发展具有重大意义。通过对葡萄病害知识和专家经验的研究,并将神经网络技术与计算机技术相结合,采用改进的BP算法,建立了BP神经网络诊断模型。以葡萄的发病部位、病斑形状、病斑颜色和主要症状为诊断参数输入,以病害名为输出,以诊断依据为训练样本。实验结果表明,该网络能够获得满意的诊断结果。采用MVC设计模式,利用JSP、Javabean、JDBC等技术,开发了基于WEB的葡萄病害诊断系统,实现了在线葡萄病害诊断的过程。

基于BP神经网络的葡萄病害诊断方法研究

根据葡萄病害的特点,采用改进的BP算法,建立了BP神经网络诊断模型,经测试其诊断结果正确率为100%,BP模型的诊断准确率为95.39%。研究结果表明BP神经网络技术适合应用于解决病害诊断这一复杂问题。

葡萄病害诊断BP网络模型关键问题研究

针对葡萄病害诊断BP网络模型建立和应用中的领域知识编码方法、BP网络基本要素和网络应用等关键问题提出了解决方案。研究了以二进制编码为理论基础上的动态编码方法,对知识库实际存储的诊断参数进行实时编码,累计诊断参数编码位数作为输入层神经元个数,采取"n中取1"的策略确定网络输出。通过定义症状相似系数,反映实际诊断症状与训练样本症状的相似程度。上述方法应用在葡萄常见的16种病害诊断中,取得了满意效果。