近年來，由於定性物理(qualitative physics) 的出現導致以深層(deep)知識為主的診斷系統迅速發展，Yu和Lee 更進一步將定量知識溶入以深層知識為主的定性模式中來從事失常的診斷。在此定性／定量知識為主的診斷系統中，定量知識的取得非但有其必要性，而且是一項有待突破的瓶頸性工作。另一方面，由於人工智慧(Artificia-l Intelligence)的另一分支, 類神經綱路(Artificial Neural Network),有聯想式的學習能力。因此本研究嘗試以類神經綱路的學習功能來建立定性／定量模式中的定量知識。本研究以類神經綱路中聯想式的強制性學習能力(Associative Reinforceme-nt Learnng)來建立以定性／定量模式為主的診斷系統中的定量知識，并和純粹以類神經綱路中逆向傳遞學習法(Backpropagation Learning)所建立的診斷系統（一種近乎以定量模式為主的診斷系統）做比較。最后我們用一個化學反應器來說明類神經綱路和定性／定量模式診斷系統的異同。模擬結果證實我們提出的診斷系統不但具有類神經綱路的學習能力而且保有定性／定量模式的透明度(transparency)。更重要的是不同於傳統以逆向傳遞學習法的診斷系統，本法具有非常好的韌性(robustness)。

none