在機床控制領域，一種人工神經網絡或將進一步推動機床數控技術的前行，以達到更高的數控化水平。
　　
　　機床的數控化，一直是各國都在重點攻克方向之一。現在隨著工業生產的自動化程度進一步提高，機床控制領域的發展更加需要追循時代的腳步，不斷進步。目前，一項名為“人工神經網絡”的概念或將提供強勁的推動力。
　　
　　神經網絡是一種運算模型，由大量的節點（或稱神經元）和之間相互連接構成。每個節點代表一種特定的輸出函數，稱為激勵函數（Activation Function）。每兩個節點間的連接都代表一個對于通過該連接信號的加權值，稱之為權重，這相當于人工神經網絡的記憶。網絡的輸出則依網絡的連接方式，權重值和激勵函數的不同而不同。而網絡自身通常都是對自然界某種算法或者函數的逼近，也可能是對一種邏輯策略的表達。這如果用在數控系統的控制中，對于數控機床的發展將是一個飛速的提高。
　　
　　通過這類人工神經網絡，實現機床數控化的節點控制，無疑具有極大的優越性。而節點控制是指在建設工程與制造過程中，對各項工序的交接點、時間控制點，用一定有效的方式、對照原制定的進度計劃與質量目標，對進度與質量的控制與檢測。
　　
　　運用人工神經智能網絡將使數控機床的體現出新的優越性。首先它具有自學習功能。例如實現圖像識別時，只在先把許多不同的圖像樣板和對應的應識別的結果輸入人工神經網絡，網絡就會通過自學習功能，慢慢學會識別類似的圖像。自學習功能對于預測有特別重要的意義。
　　
　　其次它具有聯想存儲功能。用人工神經網絡的反饋網絡就可以實現這種聯想。另外它具有高速尋找優化解的能力。尋找一個復雜問題的優化解，往往需要很大的計算量，利用一個針對某問題而設計的反饋型人工神經網絡，發揮計算機的高速運算能力，可能很快找到優化解。