智能控制是一類使用神經網絡、貝葉斯概率、模糊邏輯、機器學習、強化學習、進化計算和遺傳算法等多種人工智能計算方法的控制技術。

智能控制可分為以下主要子域：

• 神經網絡控制
• 機器學習控制
• 強化學習
• 貝葉斯控制
• 模糊控制
• 神經模糊控制
• 專家系統
• 基因控制

隨著新的智能行為模型的創建和支持它們的計算方法的開發，新的控制技術不斷被創建。

神經網絡已被用于解決幾乎所有科學技術領域的問題。 神經網絡控制基本上包括兩個步驟：

• 系統標識
• 控制

已經表明，具有非線性、連續和可微分激活函數的前饋網絡具有通用逼近能力。 循環網絡也被用于系統識別。 給定一組輸入輸出數據對，系統識別旨在形成這些數據對之間的映射。 這樣的網絡應該捕捉系統的動態。 對于控制部分，深度強化學習已經顯示出其控制復雜系統的能力。

貝葉斯概率產生了許多在許多高級控制系統中常用的算法，用作控制器中使用的某些變量的狀態空間估計器。

卡爾曼濾波器和粒子濾波器是流行的貝葉斯控制組件的兩個示例。 控制器設計的貝葉斯方法通常需要在推導所謂的系統模型和測量模型方面做出重要努力，這些模型是將狀態變量與受控系統中可用的傳感器測量值聯系起來的數學關系。 在這方面，它與控制設計的系統論方法密切相關。