基于BP神经网络的TRIZ理论冲突矩阵

使用Matlab ANN工具箱，将传统TRIZ理论的核心——冲突矩阵变换为一个以工程参数及其冲突为输入层，以冲突解决原理为输出层，并包括一个隐含层的三层BP人工神经网络模型。该模型基于具有较快收敛速度的改进BP算法——弹性反馈学习算法RPROP，利用已有的发明实例和问题解决方案作为学习样本，使模型的建立及修正更加容易，新问题的解决更具有针对性，为企业应用TRIZ提供一种较为简便的实用方法。根据问题的规模和计算需求确定了网络模型的详细参数，具体给出了由实例到样本的抽象过程。最终运行的结果显示了较好的收敛性和较快的收敛速度，证明了该方法的可行性。