Identifikation eines technischen Systems, siehe Abbildung , bedeutet, dessen Verhalten nachzubilden zu versuchen. Meist handelt es sich bei diesen Systemen um nichtlineare Systeme, deren Dynamik nur mit einem großen Formelapparat erfaßbar ist. Will man sie nachbilden, stößt man auf das Problem, möglichst exakte Formeln zur Beschreibung der Systemdynamik zu bekommen. Mit Hilfe Neuronaler Netze geht man einen anderen Weg: Man schaltet parallel zu dem zu identifizierenden System ein Neuronales Netz und gibt an beide sowohl den Ausgangs-Zustand x(t) des Systems als auch die auf das System angewandte Aktion u(t). Den sich daraus ergebenden Zustand des Systems x(t+1) vergleicht man mit der Ausgabe des Netzes und nimmt die Differenz als Fehlermaß für den Lernalgorithmus des Neuronalen Netzes.
Abbildung: Identifikation eines Technischen Systems: Das Netz lernt den
Folgezustand x(t+1) des Systems auf die Aktion u(t) im Zustand
x(t).
Hat man das System mit einem Neuronalen Netz identifiziert, so kann man dies zum Lernen eines Reglers für das System verwenden. Wünschenswert ist es, den Regler direkt am technischen System während des Betriebes desselben, also ,,Online``, lernen zu können. Oft ist dies aus technischen Gründen nicht möglich. Dies kann zum Beispiel aus Geschwindigkeitsgründen der Fall sein. Auch eine Verfälschung der Systemdynamik durch den Regler wäre denkbar. Nimmt man dahingegen das Neuronale Netz, welches das System identifiziert hat, so kann man mit ihm das System emulieren und so am Neuronalen Netz den Regler lernen.