联结主义专家系统是一种使用专家系统类型的人工神经网络（ANN）来执行传统上由基于规则的系统处理的推理和决策任务。与依赖显式编码规则的传统专家系统不同，联结主义专家系统从网络学习到的权重和架构中推导出其推理规则，使其能够处理噪声、不完整或不精确的数据。这些系统是人工智能的一个子集，并经常结合机器学习和深度学习的技术以提高适应性和性能。
这一概念出现于20世纪80年代末，当时研究人员试图将神经网络的优点（如学习和泛化能力）与符号推理的透明性和可解释性相结合。斯蒂芬·I·加兰特（Stephen I. Gallant）于1988年2月在《ACM通讯》上发表的一篇开创性论文引入了这一术语，并展示了如何训练神经网络充当专家系统，通过其连接权重生成规则。这项工作为后来混合智能系统的发展奠定了基础，这些系统整合了神经和符号方法。
架构与机制
联结主义专家系统通常使用多层感知器（MLP）或类似的前馈网络，其中输入节点表示特征或属性，隐藏层捕捉非线性关系，输出节点产生结论或分类。网络在示例数据集上进行训练，所得的权重编码了知识库。在某些设计中，模糊逻辑被纳入以处理语言或自然形式的输入，使系统能够基于隶属度而非二值真/假值进行推理。例如，模糊多层感知器可以直接处理“高温”或“低风险”等术语，使其适用于具有主观或不精确标准的领域。
粗糙集理论是另一种用于改进知识编码的技术。通过分析数据以识别依赖性和冗余性，粗糙集可以帮助确定哪些属性最相关，从而简化网络结构并增强可解释性。遗传算法也可能被用于优化网络权重或在训练过程中搜索更好的解决方案，特别是在梯度方法难以处理的复杂问题空间中。
混合方法
许多联结主义专家系统是混合型的，将神经网络与符号推理方法相结合。这种整合通常被称为混合智能系统，旨在利用神经网络的学习能力，同时保留符号系统的逻辑严谨性。例如，系统可能使用神经网络预处理原始数据并生成候选规则，然后由符号推理引擎进行细化和验证。此类混合系统已应用于医学诊断等领域，通过整合患者数据和专家知识来支持临床决策。
值得注意的例子包括HYCONES，这是一个20世纪90年代初为医学应用开发的混合联结主义专家系统，以及由巴顿（Barton）和李斯（Lees）于1995年描述的基于足底压力模式识别足部问题的系统。这些系统展示了将神经学习与领域特定规则相结合的实际效用。
应用
联结主义专家系统已在医学、工程和航天等领域找到应用。在医疗保健中，它们用于决策支持，帮助临床医生解读复杂的诊断数据。例如，巴西尔（Brasil）及其同事在2001年的一项研究中描述了一种用于医学决策支持的混合专家系统，该系统整合了复杂性和认知计算。在航空航天领域，研究人员已探索将其用于未来载人航天任务中的人机智能系统，如2003年一篇中文论文所述。
从数据中学习的能力使这些系统在规则难以表述但示例丰富的领域中特别有价值。它们也用于临床决策支持系统，以协助诊断和治疗规划。
优点与局限性
联结主义专家系统的一个关键优势是其在处理噪声或不完整输入时的鲁棒性，这些输入通常会降低基于规则的系统的性能。它们还可以通过重新训练来适应新数据，使其比静态规则集更灵活。然而，它们在可解释性方面面临挑战，因为学习到的权重不易被人类理解。这导致了关于从训练网络中提取规则的方法的持续研究，这一主题在20世纪90年代由罗恩·孙（Ron Sun）等研究人员探讨过。
另一个局限性是需要足够的训练数据和计算资源。训练神经网络可能耗时，且系统的质量在很大程度上取决于训练集的代表性。尽管存在这些问题，联结主义专家系统仍然是人工智能领域内一个相关的研究方向，弥合了符号和子符号方法之间的差距。
参见
参考文献
- Gallant, Stephen I. (1988). "Connectionist expert systems". Communications of the ACM, 31(2), 152–169.
- Sun, Ron (1994). Integrating Rules and Connectionism for Robust Commonsense Reasoning. Wiley & Sons.
- Leão Bde F, Reátegui EB (1993). "HYCONES: a hybrid connectionist expert system". Proc Annu Symp Comput Appl Med Care, 461–465.
- Barton JG, Lees A (1995). "Development of a connectionist expert system to identify foot problems based on under-foot pressure patterns". Clinical Biomechanics, 10(7), 385–391.
- Brasil LM, de Azevedo FM, Barreto JM (2001). "Hybrid expert system for decision supporting in the medical area". International Journal of Medical Informatics, 63(1–2), 19–30.