利用神经网络优化性能指标实现了动态控制,并给出了计算机模拟实例

广东工业大学：《机器学习》课程教学资源（PPT讲稿）第16讲 现代循环神经网络（高级循环神经网络）

针对已提出的灵敏度计算和自构形2种神经网络结构学习算法，提出2种改进的算法.实验证明改进的算法比原算法有更好的泛化能力

西安电子科技大学：《神经网络与模糊系统 Neural Networks and Fuzzy Systems》课程PPT课件讲稿（2006）Chapter 09 模糊与神经网络的比较——以倒车系统为例

西安电子科技大学：《神经网络与模糊系统 Neural Networks and Fuzzy Systems》课程PPT课件讲稿（2004）Chapter 09-1 模糊与神经网络倒车系统比较

西安电子科技大学：《神经网络与模糊系统 Neural Networks and Fuzzy Systems》课程PPT课件讲稿（2003）08. 模糊与神经网络的比较——以倒车系统为例 Comparison of Fuzzy and Neural Truck Backer-Upper Control Systems

西安电子科技大学：《神经网络与模糊系统 Neural Networks and Fuzzy Systems》课程教学资源（学科综述）模糊神经网络 Neuro-fuzzy Systems

无人驾驶车辆自身具有强烈的非线性、信号时延和参数不确定性，对它的控制还受到道路附着系数的变化、侧向风等外界因素影响。因此传统控制方法往往难以对其稳定和精确地控制。神经网络所具有的学习能力、自适应能力和近似非线性映射的能力，为解决车辆模型参数的不确定性、外界的扰动以及车辆自适应控制问题提供了有效的途径。针对上述几个方面，对近几年国内外学者将神经网络应用到无人驾驶车辆运动控制中所取得的成果与进展进行了归纳分类，分别介绍了应用情况并对优缺点进行评价。最后总结了神经网络在无人驾驶车辆运动控制中存在的主要问题，并展望了可能的发展方向

教学内容 本章讲述模糊控制与传统控制的相互关系、模糊神经网络控制、模糊控制和遗传算法的相互联系与区别、模糊控制与基于知识系统的交叉和融合。 教学重点 重点内容是讲述模糊控制与传统控制的相互关系，模糊系统与神经网络、遗传算法、基于知识的学习系统的相互联系以及交叉融合。 教学难点 对模糊控制与传统控制、神经网络控制、遗传算法以及基于知识的系统的区别和联系的准确把握和理解，学会用发展和联系的观点看待智能控制学科的发展。 教学要求 要求学生基本了解模糊控制与传统控制、神经网络控制、遗传算法以及基于知识的系统的区别和联系。 通过本章的学习，进一步加深对智能控制特点的理解，学会用发展和联系的观点看待智能控制学科的发展，从而培养学生创常新意识和能力，形成正确的工作方法

应用神经网络建立了获取采矿方法选择时所需的主要技术经济指标的采矿经验知识库,并以普通全面法为例,描述建造BP网络模型的过程.研究结果表明:利用这个采矿经验知识库,就可以根据采矿方法的工程背景,求得它的主要技术经济指标