神经网络动态逆控制（neural network dynamic inverse control），工学-控制科学与工程-智能控制-智能控制-模糊控制-人工神经网络-Hamming网络，利用神经网络所具有的对任意非线性函数的逼近能力，及神经网络学习、跟踪系统变化的能力，并结合神经网络与动态逆方法各自优点的控制技术。动态逆方法是通过动态系统的“逆”概念来研究一般非线性控制系统反馈线性化设计的一种直接方法。然而，动态逆方法要求有精确的模型解析式，对于具有强耦合、强非线性的大多数工业过程，难以建立解析式描述，进而为系统设计带来极大的不便。即使建立起非线性数学模型，也难求出模型的逆；此外，控制系统的鲁棒性问题难以有效解决。由于神经网络具有对任意非线性函数的逼近能力，且具有学习、跟踪系统变化的能力，在解决具有高度非线性和严重不确定系统的建模和控制方面具有巨大的潜力，进而可以弥补动态逆方法的不足。