论文部分内容阅读
提出一种具有有限脉冲响应(FIR)突触的积单元神经网络(PUNN)结构,并用于预测混沌时间序列 .这种神经网络结构既继承了标准PUNN的结构简单、信息存储能力强的优点,又更适合预测混沌时间序列,特别是在小的学习样本情况 .分别用具有FIR突触的PUNN、标准PUNN以及模糊神经网络(FNN)等3种神经网络对小的样本混沌时间序列做了1步和多步预测对比实验 .结果显示具有FIR突触的PUNN比其他2种神经网络预测精度都高 .这说明具有FIR突触的PUNN是预测小学习样本时间序列的一种有效方法 .