什么是神经网络？

人工神经网络的概念人工神经网络（ArtificialNeuralNetwork，ANN）简称神经网络(NN)，是基于生物学中神经网络，在理解和抽象了人脑结构和外界刺 激响应机制后，以网络拓扑知识为理论基础，模拟人脑的神经系统对复杂信息的处理机制的一种数学模型。比较简单的人工神经元模型如图1所示：

图1 一种比较简单的人工神经元模型

它拥有输入数据、激活函数及输出值。神经网络的主要工作是建立模型和确定权值,一般有前向型和反馈型两种网络结构。通常神经网络的学习和训练需要一组输入数据与输出数据对，选择网络模型和传递、训练函数后，使用神经网络计算得到输出结果,根据实际输出和期望输出之间的误差进行权值的修正，在网络进行判断时只有输入数据而没有预期的输出结果。神经网络一个相当重要的能力是其网络能通过其神经元权值和阈值的期的不断调整从环境中进行学习,直到网络的输出误差达到预期的结果。

   目前神经网络可按拓扑结构分为前馈神经网络和反馈神经网络，如图2所示。前馈神经网络中目前比较常用的有单层神经网络（BP神经网络）和卷积神经网络（CNN）；反馈神经网络比较知名的有LSTM和GRU。

图2 神经网络的分类

经过几十年的发展，神经网络理论在模式识别、自动控制、信号处理、辅助决策、人工智能等众多研究领域取得了广泛的成功。人工神经网络由于其独特的模型结构和固有的非线性模拟能力，以及高度的自适应和容错特性等突出特征，在控制系统中获得了广泛的应用。其在各类控制器框架结构的基础上，加入了非线性自适应学习机制，从而使控制器具有更好的性能。基本的控制结构有监督控制、直接逆模控制、模型参考控制、内模控制、预测控制、最优决策控制等。