PID神經元網路（Proportional-Integral-Derivative Neural Network，PIDNN），是由舒懷林教授於1997年提出的，其結構形式如圖1所示由於在多個雜誌和學術會議上介紹，以及其他一些控制屆學者進行後續研究和套用工作，PID神經網路已經逐步引起了學術界和工程套用屆的關注。
基本介紹
- 中文名：PIDNN
- 外文名：Proportional-Integral-Derivative Neural Network
- 提出：舒懷林教授
- 時間：1997年
PID神經元網路,PID意義,
PID神經元網路
將PID神經元放入多層前向網路，就構成PIDNN。PIDNN是動態的多層前向網路，它的動態特性不是通過網路連線方式或反饋方式實現的，而是通過它內部的PID神經元實現的。
SPIDNN的結構形式
PIDNN的基本組成包括：輸入層的兩個神經元、隱含層的三個神經元、輸出層的一個神經元，稱PIDNN的基本形式為單輸出PIDNN
(Single output PIDNN)，簡稱SPIDNN，SPIDNN可以完成單變數的
但輸入—單輸出系統的控制任務。SPIDNN的控制系統結構如圖所示。
SPIDNN輸入層的神經元採用比例神經元，這兩個神經元接受外部輸
入訊息：其中一個接受單變數控制系統的目標值或給定值；另一個
接受被控變數值。輸入層神經元的輸出經過連線權重，進入隱含層進行綜合和處理，隱含層的三個神經元分別為比例元、積分元和微分元，分別對輸入信號進行比例、積分和微分。隱含層的輸出再通過連線權，進入輸出層，輸出層的神經元採用比例元，它完成整個網路控制規律的綜合和輸出。
PID意義
PID神經網路的價值之一在於提出了新的思路，它將靜態的神經元擴充到動態的神經元，特別是將PID特性賦予了神經元，這種擴充大大豐富了人工神經網路的內涵。PID神經網路的價值之二在於它立足於實用性，PID神經元網路的結構、連線權重初值的選取都是基於套用。PID神經網路的價值之三在於它對多變數系統良好的控制性能，為解決多變數系統控制問題提出了新工具。
