智能系统：进化神经网络PID控制器的研究与应用

将BP神经网络建模方法与预测控制思想相结合用于宽带钢板形自动控制,研究并建立了基于BP神经网络的板形预测控制数学模型.经用宝钢1420mm冷轧实测数据仿真验证表明该模型具有很高的预测精度

机器学习：漂浮基空间机器人的径向基神经网络鲁棒自适应控制

机器学习：RBF神经网络的板形预测控制

基于人工神经网络( Artificial Neural Network)的控制(ann-based Control)简称神经控制(Neural Control)。神经网络是由大量人工神经元(处理单元)按照一定的拓扑结构相互连接而成的一种具有并行计 算能力的网络系统。它是在现代神经生物学和认识科学对人类信息处理研究的基础上提出来的,具有很强 的自适应和学习能力、非线性映射能力、鲁棒性和容错能力

针对挠性卫星本身存在的参数不确定性和外部扰动的控制问题,设计了以径向基函数神经网络和小脑神经网络为基础的复合变结构智能控制器.该控制器利用变结构控制系统对被控对象的模型误差、参数变化及外扰等的不敏感性的优点,再结合神经网络能够迅速逼近未知函数、泛化能力强的特点,可以适应挠性卫星参数不确定性和抑制外加干扰,实现对挠性卫星的有效控制.仿真结果表明复合控制能够提高卫星姿态的稳态精度和快速性

【智能系统】欠驱动船舶神经网络自适应路径跟踪控制

智能系统：基于神经网络的改进行为协调控制及其在智能轮椅路径规划中的应用

燕山大学：【学术论文 - 机器学习】基于动态RBF神经网络的板形板厚综合控制仿真研究（张秀玲、张志强）

4.1 模糊控制技术 4.1.1 模糊控制的数学基础 4.1.2 模糊控制原理 4.1.3 模糊控制器设计 4.1.4 模糊控制的特点 4.1.5 模糊控制的应用 4.1.6 模糊控制的现状与发展 4.4.1 内部模型 4.2 神经网络控制技术 4.2.1 神经网络基础 4.2.2 神经网络控制 4.4.2 预测模型 4.3 专家控制技术 4.3.1 专家系统 4.3.2 专家控制介绍 4.3.3 专家控制基本思想 4.3.4 专家控制组织结构 4.4.3 预测控制算法 4.4 预测控制技术 4.5 其它先进控制技术