摘要：神经网络的非线性逼近能力的研究是神经网络成为辨识模型的理论基础。首先研究了基于正交多项式函数的神经网络逼近理论和方法，并在此基础上证明了新型Chebyshev神经网络具有良好的非线性并研究了它的全局最优逼近性质。然后提出了一种用于复杂非线性系统辨识的基于Chebyshev基函数的模糊神经网络模型和学习算法。该模型以Chebyshev基函数为隶属函数，规则后件采用输入变量的线性函数，无需调整隶属函数的参数，只是采用BP学习算法学习后件参数，因而大大减少了模型算法的计算量，学习算法简单，加快了学习收敛速度，而且不使网络结构复杂，设计简单。仿真结果表明所提模型和方法的有效性。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社