建立捲菸感官質量評價的模糊—神經網絡專家系統的方法
2023-10-10 16:08:24 1
專利名稱：建立捲菸感官質量評價的模糊—神經網絡專家系統的方法
技術領域：
本發明涉及一種人工神經網絡專家系統的建立、管理和使用，更具體地說，是涉及建立捲菸(包括單料煙與成品捲菸)感官質量評價的模糊—神經網絡專家系統的方法。
傳統的單料煙與成品捲菸感官質量評價，是用人工(行業專家)的評吸方法進行。這種方法的缺點在於專家評吸工作量大；評價結果受評吸專家人選、及其健康與精神狀況等主觀因素影響大，故具有明顯的隨意性，一致性差。
目前，傳統人工智慧專家系統已成功地應用於許多方面，在具有精確含義的符號邏輯推導的領域是十分成功的。但是，有一些實際問題無法或很難用符號技術或確定性數學模型描述，這恰恰是神經網絡、模糊集等方法的用武之地。模糊集方法具有表達人類感官與思維概念模糊性的能力；神經網絡善於從不完整、含有噪聲的輸入中歸納、抽取信息，並可以從現實世界樣本中學習，得到神經網絡專家知識；模糊-神經網絡則兼有兩者的優點。
本發明的目的在於提供一種減少人工評吸工作量、提高評價客觀一致性的捲菸(包括成品捲菸、單料煙)感官質量評價方法，即建立捲菸感官質量評價的模糊—神經網絡專家系統的方法。
本發明利用人工神經網絡(ANNArtificial Neural Network)，的學習與推廣能力，以行業專家提供的可靠數據作為樣本，訓練一系列模糊-神經網絡(庫)；精心組織，構成人-機交互式、基於模糊-神經計算與傳統計算機技術相結合的專家評價系統。該方法是由行業專家對捲菸分組，並提供典型數據，以此典型數據作樣本，訓練指定的神經網絡；逐一建立由許多不同的組對應的許多不同的神經網絡，構成神經網絡庫(ANN庫)，並用一定的程序對這它們進行管理。
由於在一定範圍和程度內，可以用神經網絡的方法部分取代專家評吸工作，因此大大提高了效率。例如，在訓練好的神經網絡庫內，即在已掌握其特徵規律的範圍內，如相近的菸草生產地區、類似的捲菸類型，可不做人工評吸工作，直接由神經網絡專家系統作出知識提取或推廣評價，減少人工評吸工作量。而神經網絡的訓練樣本可以選用評吸的典型數據，即採用嚴格的、標準的評吸過程，精選參加評吸工作的專家，從而得到公認的較客觀的評吸結果數據作為訓練樣本。所以，訓練後的神經網絡內可獲得較為準確的評價單料煙及成品捲菸的專家知識，從而實現比傳統評吸方法更為可靠的、客觀一致性的評價，因此也提高了評價質量。
下面結合附圖及其具體實施例詳細說明本發明。
圖1本發明的系統程序流程圖。
圖2本發明的系統使用管理程序圖。
圖3本發明的系統結構關係示意圖。
圖4本發明對模糊量的四類劃分與隸屬度函數曲線圖。
圖5本發明對模糊量的五類劃分與隸屬度函數曲線圖。
圖6本發明對模糊量的三類劃分與隸屬度函數曲線圖。
圖3示出了本發明的一個基本特徵，即本發明模糊—神經網絡專家系統的結構關係。專家與用戶都可以使用本系統；專家可用它輸入樣本數據、形成訓練樣本集、指定並訓練神經網絡模型、測試神經網絡模型，最終建立模糊-神經網絡專家庫(ANN庫)；用戶可使用本系統輸入待評價任務的有關數據，調用神經網絡模型，從而得到模糊-神經網絡專家給出的感官質量評價結果。
本系統形成的具體流程如圖1，其形成步驟或方法是，1.行業專家決定單料煙或成品捲菸評價的分組，收集並整理樣本數據；2.將行業專家提交的某組已知樣本數據寫入一個特定的文件中，並對其進行歸一化與模糊化處理。歸一化範圍及算法依輸入輸出參數具體情況而定，並允許用戶和專家在相應的程序中做修改；若樣本數據不足，應組織行業專家評吸，獲得新的樣本數據；
3.系統將比較並發現是否有「特異樣本」(即唯一具有某輸出參數的樣本)，並提示用戶確定是否採用該樣本；4.根據樣本數據的輸入輸出參數個數，系統指定相應的網絡模型，可由系統設置或由用戶自己設置網絡參數和定義學習率和慣性參數；5.利用樣本數據訓練對應的神經網絡；在該網絡訓練中，系統根據訓練進程顯示網絡的學習狀態，並在「訓練誤差」項中顯示網絡輸出值與訓練樣本給定值之間誤差的變化；6.該網絡訓練完成後，把訓練好的神經網絡存入系統的神經網絡庫(ANN庫)中；7.上述過程可反覆進行，檢查是否要建立新的組別，工作任務是否已完成，直到全部組別逐一建立完畢。
捲菸組別的劃分如下單料煙的煙型劃分烤菸型、晾煙型、曬煙型。
成品捲菸的煙型劃分烤菸型，混合型，外香型，雪茄型等。
之後再在各類型中按單料菸葉的產地、部位與顏色分組，成品捲菸按品牌分組，並各用一個神經網絡與之對應。
單料菸葉的基本質地與理化指標(將作為網絡輸入)為單料菸葉的國標等級，總菸鹼、總糖、還原糖、總氮、蛋白質、氯等的含量；成品捲菸的基本質地與理化指標(將作為網絡輸入參數)為總菸鹼、總糖、還原糖、總氮、蛋白質、氯等的含量、煙支重量(g/支)、總氮吸阻(Pa)、CO(mg/支)、抽吸口數/支、菸鹼(mg/支)、水分(mg/支)、焦油(mg/支)；單料煙的感官評吸參數，即作為單料煙感官質量評價的模糊-神經網絡的輸出參數為香氣質、香氣量、透發性、雜氣、刺激性、餘味、勁頭和7類香型濃香型、濃中香、中濃香、中香型、中清香、清中香、清香型(濃、濃偏中、中偏濃、中、中偏清、清偏中、清)成品捲菸的感官評吸參數，即(將作為網絡輸出參數據)為香氣、諧調、雜氣、刺激性、餘味及光澤；
本發明中參數的模糊化涉及參數值等級的劃分，可按3、4和5等三種進行劃分。其劃分與隸屬度函數圖如圖4、圖5、圖6所示。根據本發明中神經網絡的要求，並滿足實用精度要求，數據歸一化範圍為原輸入數據(0.001，1)原輸出數據(0.001，0.99)例如單料菸葉等級以國際代號表示，每個國際代號對應的七個參數，其中前5個參數為模糊變量，並分別進行3、4、5等劃分，其隸屬度＝1的點設定如下1).成熟度(5等)完熟1.0 成熟0.70 尚熟0.50 欠熟0.30 假熟0.012).葉片結構(4等)疏鬆0.01 尚疏鬆0.375 稍密0.625 緊密1.03).身份(3等)厚或溥0.01 稍薄0.50 中等1.04).油份(4等)多油1.0 有油0.625 稍有油0.375 少油0.015).色度(5等)濃1.0 強0.70 中0.50 弱0.30 淡0.016).長度在20至50之間歸一化。
7).傷殘在0.05至0.35之間歸一化。
完全類似的處理方法用於成品捲菸的輸入、輸出參數。
圖2為本系統的使用管理程序或步驟(1)、按系統提示，用戶輸入待評價的單料煙或成品捲菸組號；(2)、系統從ANN庫中調出相應的已訓練好的神經網絡；(3)、在系統提示下，用戶輸入已知基本質地參數與理化指標數據；(4)、調出的神經網絡作『神經計算』(Neuro-computing)，並將感官質量評價結果(計算結果)轉化為用戶易於理解的數據形式輸出。
(5)、反覆上述步驟，直到評價工作結束。
前面的說明，已展示了本發明的許多特徵和優點，以及在應用中具有的創新性。此外，本技術領域內的熟練人員，尤其是那些既具有實踐經驗又具有一定的神經網絡知識的技術人員，不難對本系統的一些流程作修改。因此，本發明並不限於圖示的及描述過的結構和操作，所有適當的修改和替代都應視為落入本發明的範圍。
權利要求
1.一種建立捲菸感官質量評價的模糊—神經網絡專家系統的方法是(1)行業專家決定單料煙或成品捲菸評價的分組，收集並整理樣本數據；(2)將行業專家提交的某組已知樣本數據寫入一個特定的文件中，並對其進行歸一化與模糊化處理，並允許用戶和專家在相應的程序中做修改；若樣本數據不足，應組織行業專家評吸，獲得新的樣本數據；(3)系統將比較並發現是否有「特異樣本」，並提示用戶確定是否採用該樣本；(4)根據樣本數據的輸入輸出參數個數，系統指定相應的網絡模型，並可由系統設置或由用戶自己設置網絡參數和定義學習率和慣性參數；(5)利用樣本數據訓練對應的神經網絡；在該網絡訓練中，系統根據訓練進程顯示網絡的學習狀態，並在「訓練誤差」項中顯示網絡輸出值與訓練樣本給定值之間誤差的變化；(6)該網絡訓練完成後，把訓練好的神經網絡存入系統的神經網絡庫中；(7)上述過程可反覆進行，檢查是否要建立新的組別，工作任務是否已完成，直到全部組別逐一建立完畢。
2.根據權利要求1所述的專家系統，其特徵是使用管理程序為(1)按系統提示，用戶輸入待評價的單料煙或成品捲菸組號，(2)系統從ANN庫中調出相應的已訓練好的神經網絡，(3)在系統提示下，用戶輸入已知基本質地參數與理化指標數據，(4)調出的神經網絡作『神經計算』，並將感官質量評價結果轉化為用戶易於理解的數據形式輸出，(5)反覆上述步驟，直到評價工作結束。
3.根據權利要求1或2所述的專家系統，其特徵是系統的結構關係是專家與用戶都可以使用本系統專家可用它輸入樣本數據、形成訓練樣本集、指定並訓練神經網絡模型、測試神經網絡模型，最終建立模糊-神經網絡專家庫；用戶可使用本系統輸入待評價任務的有關數據，調用神經網絡模型，從而得到模糊-神經網絡專家給出的感官質量評價結果。
全文摘要
本發明為建立捲菸感官質量評價的模糊神經網絡專家系統的方法。該方法是由行業專家對捲菸進行分組,並提供典型數據;以此典型數據作樣本,訓練指定的神經網絡;逐一建立由許多不同的組對應的許多不同的神經網絡,構成神經網絡庫(ANN庫),並用一定的程序對這它們進行管理。該方法不僅大大減少了人工評吸工作量,而且提高了評價客觀一致性,該行業的專家和及用戶皆可使用本系統高效率地完成捲菸的評價任務。
文檔編號G06F9/44GK1359646SQ0012943
公開日2002年7月24日 申請日期2000年12月21日 優先權日2000年12月21日
發明者馮天瑾, 王放, 丁香乾, 盧在雨, 林麗莉, 鄭宏偉, 於樹松, 呂健, 張雲志, 劉勃 申請人:青島海洋大學, 頤中菸草(集團)有限公司