论文部分内容阅读
混沌是一种普遍存在的非线性动力学行为，针对混沌时间序列预测问题，提出了一种新颖的混沌对角递归神经网络模型，然后，给出了易实现的动量梯度学习算法。为了验证网络的预测性能，采用该神经网络预测模型对Mackey—Glass混沌时间序列进行了仿真。结果表明，所提出的混沌神经神经网络模型能快速、精确地预测混沌时间序列，并能在一定精度上满足多步预测需要，是研究复杂非线性动力系统辨识和控制的一种有效方法。