神经网络控制什么是神经网络控制

神经网络 的四个基本属性是什么?

人工神经网络具有四个基本特征： 1非线性 非线性 关系是自然界的普遍特性。

大脑的智慧就是一种非线性现象。

人工神经元处于激活或抑制二种不同的状态，这种行为在数学上表现为一种非线性关系。

具有阈值的神经元构成的网络具有更好的性能，可以提高容错性和存储容量。

2非局限性 一个神经网络通常由多个神经元广泛连接而成。

一个系统的整体行为不仅取决于单个神经元的特征，而且可能主要由单元之间的相互作用、相互连接所决定。

通过单元之间的大量连接模拟大脑的非局限性。

联想记忆是非局限性的典型例子。

3非常定性 人工神经网络具有自适应、 自组织、自学习能力。

神经网络不但处理的信息可以有各种变化，而且在处理信息的同时，非线性动力系统本身也在不断变化。

经常采用迭代过程描写动力系统的演化过程。

4 非凸性 一个系统的演化方向，在一定条件下将取决于某个特定的状态函数。

例如能量函 数，它的极值相应于系统比较稳定的状态。

非凸性是指这种函数有多个极值，故系统具有多个较稳定的平衡态，这将导致系统演化的多样性。

神经网络控制的主要作用有哪些

展开全部 您好 神经网络好处不是说它有什么好的特性易于控制，而是当人们遇到传统的控制方法控制效果的不好的非线性、不确定对象的问题，即人们面临控制对象难以建模的时候，神经网络强大的作用就显现出来了。

主要的网络有BP,RBF,ART等神经网络，这三种网络机构原理各不相同，你用百度文库，里面有相应的介绍。

什么是神经网络控制

神经网络控制是20世纪80年代末期发展起来的自动控制领域的前沿学科之一。

它是智能控制的一个新的分支，为解决复杂的非线性、不确定、不确知系统的控制问题开辟了新途径。

神经网络控制是（人工）神经网络理论与控制理论相结合的产物，是发展中的学科。

它汇集了包括数学、生物学、神经生理学、脑科学、遗传学、人工智能、计算机科学、自动控制等学科的理论、技术、方法及研究成果。

在控制领域，将具有学习能力的控制系统称为学习控制系统，属于智能控制系统。

神经控制是有学习能力的，属于学习控制，是智能控制的一个分支。

神经控制发展至今，虽仅有十余年的历史，已有了多种控制结构。

如神经预测控制、神经逆系统控制等。

（互联网）