具有FIR突触的积单元神经网络预测时间序列

被引：4

作者：

李爱国

覃征

机构：

[1] 西安交通大学计算机科学系

来源：

计算机研究与发展 | 2004年 / 04期

关键词：

积单元; 神经网络; 粒子群优化; 时间序列; 预测;

D O I：

暂无

中图分类号：

TP183 [人工神经网络与计算];

学科分类号：

摘要：

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

引用

页码：577 / 581

页数：5