摘要： 把信息熵引入到边向传播神经网络的代价函数中，通过对分类规则的学习，在隐层获得有组织的激励模式，并据此裁剪多余的隐节点和连接，使得每条分类规则能够与唯一的隐层节点、输出节点对应，因此网络中的每一个节点有了明确的意义，并可以跟踪解释网络的推理过程．由于采用这种规则表示和推理过程的神经网络具有较好的泛化能力，因此克服了传统专家系统的脆弱性。应用这种方法还可以压缩规则库，在大量规则存在时效果尤其明显．

关键词: 神经网络, 专家系统, 脆弱性, 信息熵, 裁剪

中图分类号: 

• TP18