基于神经网络专家系统的研究与应用
神经网络专家系统控制器的应用研究
置 ，首 先求得误 差 Ｅ ｔ ｌ Ｅ ｔ 差变 化 ，这两个 值 （ ￣ （误 ）ｌ Ａ元 网络 作为专 家 系统 中一种 新的 知识 表 示 以及 自动 知识 获取 方法 ，用 神经 元 网络 建 造专
１ 神经 网络和专家 系统 的结合
１１专家 系统的缺点 ．
专 家 系统作 为 人 工 智能 最 为 活跃 的一 个 分 支 ， 已被 广泛 应用 于 多个领 域 ，但 是其 固 有 的一些 缺 陷
、 Ｉ
— — — — — —
訇 ｂ
ｕｋ ：ｕｋ １＋ ［ 一 （ —１ ＋Ｋ，（） （） （ 一 ） ＫＰＰ ） ｅｋ ） （ 】 ｅｋ ＋ 。 Ｐ ） ２ （ 一１＋ｅ七 ２ ［（ 一 Ｐ ） （ 一 ） （） １
ｏ０ （
棼
簪 季
＋ ， 匮 ．
式 中 ，Ｋ 、Ｋ 、Ｋ。 别为 比例 、积 分 、微分 系 分 数。
务１
訇 化 矽
神经 网络专家 系统控 制器的应用研究
Ａｐ ｉａ ｉ ｓ ｏｎ ｎ ｒ ｌ ｅ ｗｏｒ ｎ ｘ ｅ￣ ｓ ｓ ｅ ｃ ｔｏ ｌ ｒ ｐｌ ｔ ｃ ｏｎ ｅｕ ａ ｔ ｎ ｋａ ｄｅ ｐ ｙ ｔ ｍ ｏｎ ｒ ｌ ｅ
马 红英
ＭＡ Ｈｏｎ ． ｉ Ｑ Ｑ ｙｎ
有效 的追 加 学 习能 力 引起 时 间的浪 费 。
识库 、推 理机 制 、解 释和 人 一 机界 面 。
模型 的 结构原 理 框 图如 图 １ 示 。 所 其 中 ．） 目标位置 ， ，） 系统 的实际 位置 ， （是 ｆ （是 ｆ
（ 和△ （ 分别 是误 差和 误差 变化 ， （ 是专家 控制 ｆ Ｅ ） ） Ｃｆ ）
基于神经网络的人工智能专家系统设计
基于神经网络的人工智能专家系统设计随着科技的不断发展，人工智能已经成为了时下的热门话题。
作为人工智能的一个分支，专家系统的出现使得智能化的应用更加广泛。
所谓专家系统，就是为了解决某个领域的问题而搭建的一种系统，系统内部包含了大量的专业领域知识和规则，可以根据特定的问题快速地做出决策和推荐，从而起到了自动化的作用。
面对越来越复杂的现实问题，专家系统的研究和应用已经成为了众多科学研究者的热衷所在。
而在专家系统的应用中，基于神经网络的人工智能专家系统的设计则是一个值得特别关注的领域，因为它充分利用了神经网络的异构性和非线性关系特性，在解决复杂问题时具有良好的可行性和可靠性。
那么，接下来详细介绍一下基于神经网络的人工智能专家系统的设计。
1. 专家系统的设计专家系统的设计大致分为三个阶段：知识获取、知识组织、推理机制。
其中，知识获取是系统设计的第一步，也是最为关键的一步。
因为专家系统的核心就是基于某个专业领域的知识和规则来做出智能化的推荐，所以知识获取直接影响到系统的可行性和实效性。
通常，知识获取的方式主要有以下几种：专家访谈、文本化的知识库、数据挖掘。
知识组织是专家系统设计中的第二步，其目的是将获取到的知识和规则根据一定的层次和关系组织起来。
通常，知识组织可以用知识表示方法来实现，比如基于产生式规则的知识表示方法、基于语义网络的知识表示方法、基于本体论的知识表示方法等等。
推理机制则是专家系统设计中的最后一步，其目的是将经过知识组织处理好的知识和规则实现智能推理和决策。
推理机制通常采用一种特殊的程序来实现，也叫做推理引擎，实现基于前向推理、后向推理和启发式推理等多种不同的推理模式，以达到优化推理效果的目的。
2. 基于神经网络的人工智能专家系统的设计基于神经网络的人工智能专家系统，正如其名字所示，主要利用了神经网络对异构性和非线性关系的处理能力，以实现智能化的推理和决策。
相比于传统的专家系统，基于神经网络的专家系统的优势主要在于它具有更强的数据处理能力和更灵活的特征提取方法，可以更好地适应复杂和不确定的问题。
人工智能专家系统与神经网络的应用与优缺点
人工智能专家系统与神经网络的应用与优缺点人工智能（AI）是一种模拟人类智能的技术，它通过模仿人类的思维和行为，使机器能够自主地处理复杂任务。
人工智能专家系统和神经网络是AI中两个重要的子领域，它们都在不同的领域有广泛的应用。
本文将探讨人工智能专家系统和神经网络的应用以及它们的优缺点。
一、人工智能专家系统的应用人工智能专家系统是一种基于知识的计算机系统，它模拟了领域专家解决问题的过程。
专家系统通过收集和整理专家的知识，将其编码为规则和推理机制，使系统能够模拟专家的决策过程。
以下是人工智能专家系统的应用领域：医疗诊断：专家系统可以通过收集大量的病例数据和医学知识，对疾病进行精确的诊断和治疗。
它可以帮助医生更快速、准确地做出诊断，提高医疗水平。
企业管理：专家系统可以用于企业决策制定和管理。
通过评估和分析大量的数据，它可以帮助企业领导层做出更明智的决策，提高企业的效率和竞争力。
工业控制：专家系统可以应用于工业生产中的自动控制系统，使生产过程更加自动化、高效化。
它可以根据传感器收集到的数据进行实时监测和控制，提高生产质量和效率。
二、人工神经网络的应用人工神经网络是一种仿真人脑神经元结构和工作方式的计算模型。
它由大量的人工神经元和连接它们的权重组成，通过学习和调整权重来预测结果或解决问题。
以下是人工神经网络的应用领域：图像识别：神经网络可以用于图像识别和分类。
通过训练神经网络，它可以学习到不同图像的特征和模式，并能够自动识别出不同类别的图像。
自然语言处理：神经网络可以用于自然语言处理任务，如语言翻译、情感分析等。
它可以学习语言的语法和语义规则，并能够生成准确的翻译结果或情感分析报告。
金融预测：神经网络可以用于金融市场的预测和分析。
通过学习历史数据和市场规律，它可以预测股票价格、货币兑换率等金融指标的变化趋势。
三、人工智能专家系统的优缺点人工智能专家系统的优点之一是它可以利用专家的知识和经验，进行准确、快速的决策。
【论文】专家系统概述及其应用人工智能毕业论文
【关键字】论文专家系统概述及其应用摘要: 人工智能(Artificial Intelligence) ，英文缩写为AI。
它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。
人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。
专家系统是人工智能应用研究的主要领域。
专家系统是一个具有大量的专门知识与经验的程序系统，它应用人工智能技术和计算机技术，根据某领域一个或多个专家提供的知识和经验，进行推理和判断，模拟人类专家的决策过程，以便解决那些需要人类专家处理的复杂问题，简而言之，专家系统是一种模拟人类专家解决领域问题的计算机程序系统。
本文中介绍了人工智能的概念，分类，特点以及人工智能的研究的发展及其现状。
由此引出专家系统的基本概念及主要特点。
最后，通过查阅各种资料以及自己的理解分析，对专家系统的主要应用做具体分析。
阐述了将计算机人工智能的专家系统理念与全厚度再生机材料配置与设备自动控制系统相结合的思想，同时，具体分析了构建全厚度再生机材料配置与设备自动控制专家系统可供利用的计算机应用技术，并初步建立了该系统的模块体系。
关键词：人工智能，专家系统，全厚度再生机材料配置与设备自动控制系统Expert system outline and applicationAbstract: The artificial intelligence (Artificial Intelligence), English abbreviation is AI. It is the research, the development uses in simulating, extending and expands human's intelligence theory, the method, technical and an application system new technical science. The artificial intelligence is a computer science branch, it attempts the understanding intelligence the essence, the parallel intergrowth delivers one kind newly to be able to make the response by the human intelligence similar way the intelligent machine, this domain research including robot, language recognition, pattern recognition, natural language processing and expert system and so on.In this article introduced the artificial intelligence concept, the classification, thecharacteristic as well as the artificial intelligence research development and the present situation.From this draws out the expert system the basic concept and the main characteristic. Finally, through consults each kind of material as well as own understanding analysis, makes the concrete elaboration to the expert system main application. Introduced unifies the computer artificial intelligence expert system idea and the Auto-Control system plan, simultaneously, analyzed the construction to Auto-Control system specifically to be possible to supply the use the computerapplication technology, and established initially module of this expert system.Key word: Artificial intelligence, Expert system, Auto-Control Expert System目录1 引言1.1 人工智能人工智能(Artificial Intelligence) ，英文缩写为AI。
基于专家系统与神经网络相结合的指挥决策仿真研究
图１ ．表示出了作为神 经网络 的基本 单元的神经元模 的优点
ｆ
图 １ 基 本神 经 元模 型
是一种互为补充 的关系 。 例如 ， 神经网络难 以提供 解释 ， 但
是 专家系统可 以提供解释 ； 而另一方面 专家系统很难 用不 完整和不一致 的知识库规则进 行推理 ， 而神经网络却可 以
机械学 习与讲授 式学 习 ， 比学 习与观察 式学习还 处于研 网络结构 ， ）随机地 确定节点 连接权值 和阈值 ，３ 类 （ ２ （）读人 究 阶段 ； 由于 专家 系统是基于 人的经验 ， 当对规则 的描 述 样本数据 ； ）求 隐含层单元输入 输 出；５ （ ４ （）求输 出层 单元 较为粗略时 ， 有可能 出现定量化不够细致 。 尤为突出的是 ， 输入输 出； ）求输出层 单元误差 与隐含层单元误差 ； （ ６ 如果 专家系统缺乏 自适应 性及 相应的 自组织 、 自学 习能力 ， 因 样本 没有学 习完毕 ，则转人 （）（）调整权值 和阈值 ，８ ３，７ （） 则转入 （）（）保 存权 值 、 ３； ９ 阈值 ， 从而 此对 专家的依赖性 过大 ， 只能 再现 专家经验 ， 不易 发现新 若对 总误差 不满 意 ， 规则、 形成新 经验 。
确定具体 网络推理模型 ； ０ 把 已知数据 作为输入赋予 网 （） １
络输入层 的多个节点 ；１）利用特性 函数 分别计算网络 中 （１
２神经网络的概念 ．
神经 网络 由大量 处理 单元 ， 经广泛互 连而组成 的人工 各层 的输 出；１）用阈值函数对 输出层 的输 出进 行判 定 ， （２
与经络结的挥策真究 于家统神网扭舍指决仿研
文 ／刘金 广
１专家系统在指挥决策仿真中的优缺点 ．
基于BP神经网络在专家系统知识获取上的应用
４ 单相完全 接地相 电压 为零， 非接地相 接地 电压升高至线电压 单 相不完全 一相电 压 降低 ， 不到 零 ， 但 接地 两相升高但不相 等， 中一 其 相可略超过线电压 单 相不完全 一相电压升 高， 不超过线 电 接地 压 ， 相 电 压 降 低 ， 两 但不 相等
中 图分 类 号 ：Ｐ ９ Ｔ３３ 文 献 标识 码 ： Ａ ｄ ｉ ０ ３ ６／ ． ｓ．０ ６２ ７ ．０ ０ ０ ．２ ｏ：１．９ ９ ｊｉ ｎ １０ － ５ ２ １ ． １０２ ｓ ４
Ａｐ ｌｃ ｔｏ ｆＥｘ ｒ ｙ ｔ ｍ ｏ ｅ ｅ Ａｃ ｕｉｔｏ ｓ ｄ ｏ ｐ ｉａ ｉ ｎ ｏ ｐｅ ｔＳ ｓ ｅ Ｋｎ ｗｌ ｄｇ ｑ ｓ ｉ ｎ Ｂａ ｅ ｎ ＢＰ Ｎｕｒ ｌＮｅ ｗｏ ｋ ａ ｔ ｒ
罗锋 华 陈慕 君 涂 云 涛 ， ，
（． １ 江西现代职 业技 术学院， 江西 南昌 ３０ ９ ； ． ３０ ５ ２ 中国瑞林工程技 术有限公 司， 江西 南 昌 ３ ００ ） ３ ０ ２
摘 要 ： 出 电 力线 路 故 障诊 断 专 家 系统 中基 于 Ｂ 提 Ｐ神 经 网络 知识 获 取 的 方 法 ， 用神 经 网络 的 自学 习功 能 ， 决 知 识 更 新 利 解 的 问题 ， 并在 一 定 程 度 上 弥 补 了专 家 系统在 知识 获取 上 的 不 足 。 关 键 词 ：Ｐ神 经 网络 ；知识 获取 ； 障 诊 断 Ｂ 故
２１ ００年第 １ 期
文 章 编 号 ：０６２７ （Ｏ Ｏ Ｏ －０７０ １０ —４ ５ ２ ｌ ） ｌ ７ －３ ０
计 算 机 与 现 代 化 Ｊ Ｕ Ｎ ＩＹ Ｉ Ｎ Ａ ＨＵ Ｉ Ａ Ｊ Ｕ ＸＡ Ｄ Ｉ Ａ Ｓ
第 １３期 ７
基于 Ｂ Ｐ神 经 网络 在 专家 系统 知识 获 取上 的应 用
基于VB语言的神经网络专家系统设计与应用
Network World •网络天地Electronic Technology & Software Engineering 电子技术与软件工程• 17【关键词】VB 语言 神经网络 专家系统 设计与应用随着经济的快速发展和计算机网络技术的广泛应用，人们对计算机的故障检测要求越来越高，在以往专家系统的软件设计中，存在很多问题，比如：计算机运行速度不理想、人机交互的方式不健全等，所以在传统专家系统的基础上建立了神经网络故障诊断专家系统。
神经网络故障诊断专家系统，运用了VB 编程语言，而在计算机所有的编程语言中，只有VB 编程语言能解决上面出现的问题。
1 神经网络专家系统的设计原理1.1 神经网络专家系统的结构神经网络专家系统主要是为了实现人们对知识的方便获取，神经网络专家系统充分利用自身的学习能力、处理问题的能力来提高系统的智能化水平。
神经网络专家系统分为四大模块，分别为：获取专家知识的模块；机制进行推理的模块；机制推理的解释说明模块；系统I/O 模块。
1.2 神经网络专家系统知识库的组建组建系统知识库是建立神经网络专家系统的首要任务，组建知识库大体上分为两个内容，一是获取知识；二是储存知识。
通过神经网络系统建立的学习模型来获得的，神经网络基于VB 语言的神经网络专家系统设计与应用文/黄传连学习模型是由大量的经验总结出的典型样本，而知识的储存是神经网络专家系统将知识以矩阵式的形式来保存，方便人们的管理。
知识库组建大体上可以分为三个步骤：（1）通过确认的神经网络专家系统机构来分析故障诊断；（2）寻找与之匹配的典型样本；（3）确定神经网络专家系统的各个神经元的权值和阈值。
1.3 神经网络专家系统的推理机制神经网络专家系统的推理机制就是怎样用专家系统的知识库去解决问题，它是一种推理加计算的过程，在推理的过程中，也可以根据对网络参数的学习和算法来进行调整，这种推理机制不是一成不变的，它是一种能自我适应机制。
基于神经网络的专家系统研究及应用
Ｋｅ ｗｏｄ ：Ａｒｉ ｃａ ｕ ａ ｔ ｒ （ ｙ ｒｓ ｔ ｉｌ ｉ ｆ Ｎｅ ｒｌ ｗｏｋ ＡＮＮ ） Ｎｅ ，Ｅｘ ｅ ｙ ｔｍ （ Ｓ） ｐ ｒＳ ｓ ｔ ｅ Ｅ ，Ｂａ ｋＰ ｏ ａ ａ ｏ （ ｃ ｒ ｐ ｇ ｔ ｎ ＢＰ）Ａｌｏ ｔｍ ， ｉ ｇ ｒｈ ｉ
Ｋｎ ｗｌ ｄ ｅ Ｉ ｆ ｒｉ ｇＭ ａ ｈ ｎ ． ｏ ｅ ｇ ， ｎ ｅｒｎ ｃ ｉ ｅ
但 是 目前 ，专家 系统 的技术 仍 处于 不断 发展 完善 的阶段 ；从 近几 年 的研 究成 果看 ，传 统 专家 系统在 使用 中存 在着 许 多缺 陷 。 （ ） 识 获取 的“ １知 瓶颈 ” 常专 家 系统 的知 ：通
识 获取 主要 依靠 移植 ， 由知 识工程 师 将领 域 专家
Ｘ１
及开发方式有着重要的意义 。
１ 神经网络专家系统的综述
１１ 神 经 网络概 述 ．
Ｘ２
● －
Ｙ２
： ：
● ●
： ：
ｘＮ
人 工神 经 网络 （ ｒｆ ｉ ｅｒｌ ｔ ｒｓ Ａ ｔ ｃａ Ｎ ｕａ Ｎｅ ｋ— ｉ ｌ ｉ ｗｏ Ａ ＮＮ）是一种 应 用于类 似 于大脑 神经 突触 联接 结
错 能 力 ， 良好 的 自学 习 、 自适 应 、联想 等 智能 。 如 图 １ 示 的是双 层人 工神 经 网络 。 所
１ 专家系统概述 ． ２
专 家系 统是 具有 大量 专 门知识 ，并 能运用 这 些 知 识 解 决特 定领 域 中 实 际 问题 的 计 算 机 程 序
曹
—
图 ２ 传统 的专 家 系统 结构
由 于人 工 智 能 和 专 家 系 统 在 各 自领 域 中均 得 到 了成功应 用 ，而神 经 网络专 家系 统是 人工 神 经 网络 论对人 工 智 能和 专 家系统 的重大发 展 ，因 此 ，研 究神经 网络 专 家系统 的技 术方 法 、应 用 以
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
摘要现代化的建设需要信息技术的支持，专家系统是一种智能化的信息技术，它的应用改变了过去社会各领域生产基层领导者决策的盲目性和主观性，缓解了我国各领域技术推广人员不足的矛盾，促进了社会的持续发展。
但传统专家系统只能处理显性的表面的知识，存在推理能力弱，智能水平低等缺点，所以本文引入了神经网络技术来克服传统专家系统的不足，来试图解决专家系统中存在的关系复杂、边界模糊等难于用规则或数学模型严格描述的问题。
本文采用神经网络进行大部分的知识获取及推理功能，将网络输出结果转换成专家系统推理机能接受的形式，由专家系统的推理机得到问题的最后结果。
最后，根据论文中的理论建造了棉铃虫害预测的专家系统，能够准确预测棉铃虫的发病程度，并能给用户提出防治建议及措施。
有力地说明了本论文中所建造的专家系统在一定程度上解决了传统专家系统在知识获取上的“瓶颈”问题，实现了神经网络的并行推理，神经网络在专家系统中的应用具有较好的发展前景。
关键词神经网络专家系统推理机面向对象知识获取AbstractModern construction needs the support of IT, expert system is the IT of a kind of intelligence, its application has changed past social each field production subjectivity and the blindness of grass-roots leader decision-making, have alleviated the contradiction that each field technical popularization of our country has insufficient people, the continued development that has promoted society. But traditional expert system can only handle the surface of dominance knowledge, existence has weak inference ability, intelligent level is low, so this paper has led into artificial neural network technology to surmount the deficiency of traditional expert system, attempt the relation that solution has in expert system complex, boundary is fuzzy etc. are hard to describe strictly with regular or mathematics model. This paper carries out the most of knowledge with neural network to get and infer function , changes network output as a result into expert system, inference function the form of accepting , the inference machine from expert system gets the final result of problem. Finally, have built the expert system of the cotton bell forecast of insect pest according to the theory in this thesis, can accurate forecast cotton bell insect become sick degree, and can make prevention suggestion and measure to user. Have proved on certain degree the expert system built using this tool have solved traditional expert system in knowledge the problem of " bottleneck " that gotten , the parallel inference that has realized neural network, Neural network in expert system application has the better prospect for development.Key words Neural network Expert system Reasoning engineObject-orientation Knowledge acquisition目录摘要 (I)Abstract (II)第1章绪论 (1)1.1 论文研究的背景 (1)1.1.1 国内外研究现状 (1)1.1.2 专家系统在开发使用中存在的缺点 (2)1.1.3 神经网络的局限性 (3)1.2 论文研究的主要内容 (3)1.3 论文研究的目标及意义 (4)1.4 论文的组织结构和安排 (4)第2章神经网络和专家系统的基本理论 (5)2.1 神经网络的基本理论 (5)2.1.1 神经网络的概述及工作原理 (5)2.1.2 神经网络的基本特征及优点 (6)2.1.3 BP神经网络模型 (8)2.1.4 BP网络结构设置 (10)2.2 专家系统的基本理论 (12)2.2.1 专家系统的功能 (12)2.2.2 专家系统的基本结构及组成 (13)第3章基于神经网络专家系统的研究 (16)3.1 神经网络专家系统整体设计 (16)3.1.1 神经网络专家系统总体结构 (16)3.1.2 神经网络专家系统的组成及功能 (16)3.2 知识表示 (17)3.2.1 传统知识表示方法 (18)3.2.2 面向对象知识表示方法 (19)3.2.3 本论文采用的知识表示方法 (20)3.3 知识获取 (21)3.3.1 知识获取的基本方法 (22)3.3.2 神经网络知识获取方法 (23)3.4 推理机 (25)3.4.1 专家系统推理机制 (25)3.4.2 神经网络专家系统的推理机制 (26)3.5 知识存储与维护更新 (26)3.5.1 神经网络知识存储 (26)3.5.2 神经网络知识维护更新 (27)3.6 用户界面 (27)第4章基于神经网络专家系统的应用 (29)4.1 例子的建造背景 (29)4.2 例子的建造过程 (30)4.2.1 特征因子选择 (30)4.2.2 网络参数配置 (30)4.2.3 样本数据处理 (31)4.2.4 训练网络 (31)4.2.5 网络训练结果分析 (34)4.2.6 专家建议 (34)4.3 例子的结果分析 (34)结论 (36)致谢 (37)参考文献 (38)附录1 外文资料中文翻译 (40)附录2 外文资料原文 (45)第1章绪论1.1 论文研究的背景专家系统(Expert System，缩写ES)是人工智能领域应用研究最活跃的领域之一，日益得到广泛的应用。
它是一个具有大量专门知识与经验的程序系统，应用人工智能技术，根据某个领域里一个或多个人类专家提供的经验和知识进行推理，模拟人类专家的决策过程，解决那些需要专家解决的复杂问题。
1.1.1 国内外研究现状国内早在1988年，戴汝为院士便提出了综合智能系统模型的设想。
综合主义思想的直接成果首先是人工神经网络专家系统的产生，其实质是用神经网络去构造传统专家系统的各个部件，这在实际中是可行的，并在解决许多实践问题中发挥了作用。
北京科技大学与安阳钢铁集团公司共同开发研制的高炉冶炼神经网络专家系统成功地应用于鞍钢2号300立方米高炉。
安徽省地震局研制的“基于模糊神经网络和符号推理的地震预报专家系统”以模糊神经网络作为专家系统前端，通过分析杂乱无章的数据，得到有关知识[1]。
国外在八十年代末到九十年代初，将专家系统和人工神经网络结合起来的综合主义思想开始产生，国外有cher等人的Neural Network和Connectionist Expert Systems。
同时S.L.Gallat推出的用于医疗诊断的连接主义专家系统，开创了神经网络与专家系统相结合的先例。
1989年DIETZ 等创建了喷气和火箭发动机故障诊断神经网络专家统，DAVID.A.HANDELMAN 继承人工神经网络与专家系统用于智能机器人的研究。
1.1.2 专家系统在开发使用中存在的缺点（1）知识获取的“瓶颈”。
通常专家系统的知识获取主要靠人工移植，由知识工程师将领域专家的知识总结为规则加入到知识库中，这种知识获取是间接的，因而效率低；另外，领域专家的某些经验知识往往只能意会，不能言传，很难用一定的规则或者数学模型来严格描述，而这些经验知识在问题求解过程中是相当重要的，这就是专家系统设计开发中的“瓶颈”问题。
（2）另一种知识获取的困难就是多个领域专家的知识之间相互矛盾的处理。
是在这些知识之间作某种折中处理，还是只取其中的某一种，作为非领域专家的知识工程师在这种情况下也束手无策。
（3）知识“窄台阶”。
目前，一般的专家系统只能在相当窄的专业知识领域内求解专门性问题，对于那些可以用相应经验知识完整描述的问题能够得到正确结论，但是一旦问题超出系统所拥有的专业领域经验知识，出现系统未预计到的情况，即使问题所涉及到的知识只与现有专业领域知识有细微偏差，系统就得不出结论甚至还可能得到错误的结果。
所以存在知识的“窄台阶”，即只有浅层的、表面的、经验性的知识，缺少深层的、本质的、理性的知识。
（4）推理能力弱。
由于推理方法简单，控制策略不灵活，所以容易出现“匹配冲突”、“组合爆炸”及“无穷递归”等问题，推理速度慢，效率低。
（5）智能水平低。
专家系统的知识存储是一一对应的，且限定没有冗余性，因而就失去了灵活性。
一般的专家系统一般不具备自学习能力和联想记忆功能，不能在运行过程中自我完善、发展和创新，不能用联想记忆、识别和类比等方式进行推理。
这样，系统就不能在实践中不断自我完善，就不能从环境变化中发展和创新知识。
系统的功能取决于系统最初的知识和能力，它的本领只是输入知识的总和[2]。