Identificação de sistemas dinâmicos não lineares usando redes neurais artificiais com link funcional de Chebyshev

Uma rede neural artificial (RNA) computacionalmente eficiente para o propósito de identificação de sistemas dinâmicos não lineares é proposta. A principal desvantagem das redes neurais feedforward, como os perceptrons multicamadas (MLPs) treinados com o algoritmo de retropropagação (BP), é que elas requerem uma grande quantidade de computação para aprender. Propomos uma RNA de link funcional de camada única (FLANN) na qual a necessidade de uma camada oculta é eliminada expandindo o padrão de entrada por polinômios de Chebyshev. A novidade desta rede é que ela requer muito menos computação do que um MLP. Demonstramos sua eficácia no problema de identificação de sistemas dinâmicos não lineares. Na presença de ruído gaussiano aditivo, o desempenho da rede proposta é encontrado como sendo similar ou superior ao de um MLP. Uma comparação de desempenho em termos de complexidade computacional também foi realizada.