神经网络控制人工神经元网络模型与控制 引言 前向神经网络模型 动态神经网络模型 神经网络PID 控制 小结第一节 引言 模糊控制解决了人类语言的描述和推理问题，为模拟人脑的感知推理等 智能行为迈了一大步。但是在数据处理、自学习能力方面还有很大的差距。 人工神经网络就是模拟人脑细胞的分布式工作特点和自组织功能实现并 行处理、自学习和非线性映射等能力。 1943年，心理学家McCmloch 和数学家Pitts 合作提出里神经元数学模型（MP ） ； 1944年，Hebb 提出的改变神经元连接强度的Hebb 规则； 1957年，Rosenblatt 引进感知概念； 1976年，Grossberg 基于生理和心理学的经验，提出了自适应共振理论； 1982年，美国加州工学院物理学家Hopfield 提出了HNN 模型； 1986年，Rummelhart 等PDF 研究小组提出了多层前向传播网络的BP 学习算法。 研究神经元网络系统主要有三个方面的内容：神经元模型、神经网络结构、 神经网络学习方法。从神经元模型来分有：线性处理单元、非线性处理单元 ；从网络结构来分有：前向网络、反馈网络和自组织网络
