在过去的几年中，神经网络对过程的非线性动态建模得到了广泛的研究。调查了输入-输出7，8和状态空间5，14模型。在标准神经网络中，非线性通过叠加s形函数来近似。这些网络是通用近似器[2]，并已被证明是吝啬的[3]。

小波是可选的通用逼近器；小波网络已在[17]的框架下进行了研究静电建模；本文提出了一种用于非线性反馈小波网络的训练算法动态的过程模型。我们首先介绍我们使用的小波和它们的性质。第三节介绍了用于静态建模的前馈小波网络。在第4节中，利用第3节的结果，描述了小波网络动态输入-输出建模的训练系统和算法。为了说明的目的，在第5节中给出了通过小波网络和具有s形函数的神经网络对几个过程的建模。13365909307咨询

其他作者在参考文献中研究了小波网络的静态建模。[17].为了使本文内容完整，我们在本节专门介绍一些符号，并回忆将在第4节中用于动态建模的基本方程。

我们考虑一个过程普通我输入和标量输出yp。过程输入和输出的稳态测量建立了一个训练集普通例子