本研究发现使用修正线性单元作为激活函数的人工神经网络可以准确表示线性时不变系统的模型预测控制的分段仿射函数。使用更深的网络可以表示更多的仿射区域。研究提出了决定神经网络最小隐藏层数和每层神经元数的理论界限。该方法有潜力成为预测控制规律的近似方法，可以提高近似质量并减少内存需求。还提出了校正或量化近似误差的替代方案。可以在低功耗嵌入式设备上部署近似控制器，实现复杂物理系统的先进决策制定策略。

本研究发现使用修正线性单元作为激活函数的人工神经网络可以准确表示线性时不变系统的模型预测控制的分段仿射函数。更深的网络可以表示更多的仿射区域。研究提出了决定神经网络最小隐藏层数和每层神经元数的理论界限。该方法有潜力成为预测控制规律的近似方法，提高近似质量并减少内存需求。研究还提出了校正或量化近似误差的替代方案。在线评估神经网络简单，可以在低功耗嵌入式设备上部署近似控制器，实现复杂物理系统的先进决策制定策略。