-
人脑是一个由神经细胞组成的高度发达的智能系统，具有强大的记忆和思文功能。研究人脑、认识人脑、利用人脑的智能功能为人类服务是智能工程产生与发展的强大动力。人工神经元网络(Artificial Neural Network)就是基于对大脑组织结构的活动机制的初步认识而产生的一种新型计算体系，是人类探索模仿脑神经系统信息处理智能装置研究的一个重要领域，其目的在于用一定的简单数学模型来对神经网络结构进行描述，并在一定的算法指导前提下，使其能在某种程度上模拟生物神经元网络所具有的智能行为，以解决用传统算法所不能胜任的智能信息处理问题。23354
- 上一篇：移动信息化平台国内外研究现状
- 下一篇：图像检测技术国内外研究现状
早在1943年，心理学家W.S.McCulloch和数学家W.Pitts从人脑信息处理观点出发，采用数学模型的方法研究人脑细胞的动作和结构以及生物神经元的一些基本生理特征，提出了M-P模型。这是神经元网络研究的开创性成果。这一时期的另一重要成果是由心理学家D.O.Hebb于1949年提出的神经元之间突触强度的调整规则假说，即有名的Hebb规则。该规则至今仍在各种神经元网络模型中起重要作用。论文网
60年代初B.Widrow和M.E.Hoff提出了自适应线性单元(Adaline)网络 。该网络可以在自适应系统，如自适应滤波、预测和模式识别等问题中应用。从此，人工神经网络的研究开始受到人们的重视，研究工作进入了兴盛时期。
1982年和1984年美国加州理工学院的生物物理学家J.J.Hopfield提出了一种新型神经网络模型—Hopfield神经网络模型，使神经元网络的研究又引起了全世界相关领域研究人员的广泛关注。这阶段的另一重要成果是D.E.Rumelhart和J.L.Mcclelland等人所在的PDP（并行分布处理）研究小组所提出的BP（误差反向传播）学习算法。该算法解决了在多层神经网络学习训练过程中，中间隐含层各连接权重的调整方法问题，从而突破了Minsky等人所持悲观论点的前提条件，BP学习算法至今仍得到广泛应用。
自Hopfield神经网络模型和BP学习算法提出之后，很快掀起了人工神经元网络研究的全球性热潮。各种神经元网络模型也相继问世。同时还发展了多种学习算法。神经元网络的应用很快渗透到计算机图象处理、语音处理、优化计算、智能控制等领域，并取得了很大的进展。
现在，人工神经元网络的研究正在进入高潮期的快速稳定发展阶段，新的神经元网络模型层出不穷。随着神经元网络理论研究的再度兴起，神经元网络在包括自动控制、人工智能、计算机科学。信息处理等众多领域的应用研究也取得了丰硕的成果。
在处理复杂、具有不确定性系统的控制问题时，传统控制理论显得力不从心。研究者们在进一步发展传统控制理论的同时，不断提出新的控制理论和方法。人工神经元网络由于具有自学习、自适应、自组织、容错、自修复能力和并行计算等独特的优点受到控制界的广泛关注，它已经渗透到了自动控制领域的各个方面，包括系统辨识、优化计算、故障诊断以及控制系统的设计等。
在2005年，付敏、蔡开龙、谢寿生三人利用单神经元模型自学习和自适应的特点，在传统PID控制基础上设计出了一种单神经元自适应PID控制器，并将其应用于电动油门控制系统中。实验结果表明：采用单神经元自适应PID控制的电动油门系统能够适应油门手柄在较大范围内的推拉运动，而且控制具有较强的鲁棒性，控制品质优于常规PID控制。
章鸿、陈岚、谢元智三人曾在2006年根据钢铁厂排放废酸水处理的要求，提出了单神经元自适应PID控制算法对PH值进行控制，从工程应用实际出发，基于组态软件的开发平台，实现了对大时滞、非线性、强干扰的污水处理中和过程的控制。实际运行表明，该系统具有控制精度高、运行可靠、操作简单、抗干扰和自适应能力强等特点，完全可以满足污水中PH值控制的工艺需求。