适合做非线性系统拟合的神经网络

一般来说，适合做非线性系统拟合的神经网络包括以下类型：

1. 多层感知机（Multilayer Perceptron，MLP）：MLP是一种最基本的神经网络类型，其具有多个隐藏层，可以用于拟合非线性系统。

2. 循环神经网络（Recurrent Neural Network，RNN）：RNN是一种可以处理序列数据的神经网络类型，可以用于拟合具有时间依赖性的非线性系统。

3. 卷积神经网络（Convolutional Neural Network，CNN）：CNN是一种专门用于处理图像和视频数据的神经网络类型，可以用于拟合具有空间依赖性的非线性系统。

4. 自编码器（Autoencoder，AE）：AE是一种无监督学习的神经网络类型，可以用于拟合非线性系统的数据降维和特征提取。

5. 支持向量机（Support Vector Machine，SVM）：SVM是一种经典的机器学习算法，可以用于拟合非线性系统的分类和回归问题。

需要根据具体问题选择适合的神经网络类型，进行模型设计和参数调整。