شناسایی و پیش بینی سیستم های آشوب با استفاده از شبکه های عصبی دینامیک زمان گسسته

واحد های عصبی با قابلیت های یادگیری و تطابقی با روابط ورودی و خروجی ایستا در این بخش مورد بحث قرار می گیرد.این روش برای یک نوع الگوی ورودی و معین همانند یک واحد عصبی ایستا، یک خروجی لحظه ای را به وسیله یک رویهنگاشت خطی و غیر خطی بدست می آید. در واقع یک نرون بیولوژیکی تنها شامل عملگر نگاشت غیر خطی روی مجموع a وزنهای سیگنالهای ورودی نمی باشد. بلکه شامل فرایندهای پویایی همانند بازخورد سیگنال حالت، تاخیر های زمانی، پسماند مغناطیسی و چرخه های محدود می باشد. برای شبیه سازی کردن چنین رفتاری پیچیده ای، به تعدادی واحدهای عصبی پویا با بازخورد نیاز داریم. از بلوکهای ساختمانی اصلی شبکه های عصبی باز خوردی پویا می توان برای ساختن ساختار شبکه عصبی پویا پیچیده از طریق ارتباطات سیناپسی استفاده کرد.