システム開発 - 非線形システム同定FLNNに基づいて外積

はじめに：
信号処理における非線形信号処理のための強力なツールとしてニューラルネットワーク（NN）を、広く使用されており、非常に良い結果を達成。。欠点は、計算量を達成するために複雑な構造です。[2]は、非線形システムの同定の機能へのリンクニューラルネットワークのチェビシェフ多項式展開に基づく提案されているプロパティは、MLPと比較し、結果を表示しているCFLNN近くの以上のMLPは、ネットワークの構造性能と対応する計算は、MLPの上の大きな利点である。
よくない機能リンクニューラルネットワークMLPのパフォーマンスのチェビシェフ多項式展開に基づく非線形システムの電源機能として、本稿では、外積ニューラルネットワークに基づいて接続を拡張提案し、シミュレーション結果は、その性能はCFLNNよりも優れていることを示すネットワーク構造は、計算は簡単です。

。MLPは、通常、入力層、1つまたは複数の中間層、出力層が含まれています。調節可能なウェイトのセット、低出力ノードと隣接して高レベルを介して入力ノードに接続さ。入力層に加えて、出力ノードの活性化関数の各レイヤーは変換されており、活性化が頻繁にシグモイド関数を使用して機能。
。FLNNおよびMLPの最大の違いは、入力モードのアプローチは、非線形処理の中間層からのMLPは線形加重外部入力、およびFLNN直接入力モードでは、非線膨張されていることをその役割の入力モードは、より大きなパターンスペースにマップされます。時に入力した情報が増加されていない場合に拡張された階層型ニューラルネットワーク構造のパターンが簡素化とスピードを学習の向上につながる。
......
FLNN外積非線形システムのベースの識別。ドク