控制系统中的神经网络

对用于系统识别和控制的神经网络结构进行了回顾。由于生物神经元特性复杂多样，将它们复杂的特征压缩到模型中是一项极其困难的任务。为此，开发了一种人工神经元，也称为单元，它接收来自其他多个神经元或外部世界的输入。这些输入的加权和构成了激活函数的参数。这是对生物神经元的一个简单但有效的初步近似。利用该模型，文献中报道了许多神经结构，通常称为前馈神经网络。这些网络许多仅使用输入的当前值，因此被称为瞬时或静态系统。静态网络的自然扩展是动态或递归神经网络，它在其结构中纳入反馈。目前尚无类似于静态网络的动态神经网络的一般理论。随着模糊逻辑领域的平行发展，许多包含神经网络和模糊集理论原理的神经模型正在开发。本文试图提供静态、动态和模糊神经结构的基本概念。