近年来,随着科学技术的发展,特别是人工智能的发展已影响着各行各业。专家系统在人工智能的重要分支,它的发展是本世纪科技发展的重点之一。本文从专家系统的发展谈起,分析了目前存在于专家系统中的主要问题,并且针对知识获取方法这一瓶颈问题进行了深入的研究和分析。 神经网络适宜于处理具有残缺结果和含有错误成分的模式,能够在信源信息含糊、不确定、不完整,存在矛盾及假相等复杂环境中进行处理。提出了运用神经网络的特点完善知识获取功能的设想。关于神经网络应用于专家系统主要是考虑专家系统可以解决分类问题。神经网络所具有的自学习能力使得传统专家系统技术应用最为困难的知识获取工作转换为网络的变结构调节过程,从而大大方便了知识库中知识的记忆和提取。本文从理论上分析了神经网络在改善专家系统中的知识获取方法的优点,用Matlab仿真了人工神经网络中BP网络,并将研究的结果应用于“小麦专家系统中的品种