基于外积FLNN的非线性系统辨识

函数型连接神经网络通过对输入模式预先进行非线性扩展,增强了输入信号的模式表达,从而大大简化网络结构,降低计算复杂度。本文提出一种外积扩展型连接神经网络,用于辨识幂函数非线性系统,并与MLP和CFLNN网络对比,仿真结果表明,外积型辨识幂函数非线性系统结构简单、计算量低、性能最优。

基于MFLNN的变参数非线性系统辨识

函数型连接神经网络的网络结构简单,计算复杂度低。该文提出了一种外积扩展型连接神经网络(MFLNN),用于辨识变参数非线性系统,仿真结果表明,MFLNN实现了变参数非线性系统的辨识,效果显著。