论文部分内容阅读
该文研究用于非线性时间序列预测的回馈神经网络（ＦＲＮＮ）的学习算法及其收敛性质。利用神经网络非线性激励函数的局部线性近似，将单隐元ＲＮ转化为具有多个状态的并联系统，每一状态对应为一线性无限冲激长响应（ＩＩＲ）系统。ＲＮＮ的局部线性近似系统可以利用混合统计高斯模型来描述，将有指导信号的学习转化为离散事件的模式识别和线性系统参数估计问题，此也是一观测数据不完备的最大似然函数参数估计（ＭＬＥ）问题，进而可利用期望最大化（ＥＭ）方法获得ＲＮＮ的参数估计。