Elman神经网络是Elman于1990年提出的,该模型在前馈网络的隐含层中增加了一个承接层,作为一步延时的算子,以达到记忆的目的,从而使系统具有适应时变特性的能力,能直接动态反映动态过程系统的特性。
Elman型回归神经网络一般分为四层:输入层,中间层(隐含层),承接层和输出层。
如图: 起输入层,隐含层和输出成的连接类似于前馈网络,输入层的单元仅起信号传输作用,输出层单元起线性加权作用。隐含层单元的传递函数可采用线性或非线性函数,承接层又称为上下文层或者状态层,它用来记忆隐含层单元前一时刻的输出值并返