脉冲神经网络和循环神经网络都可以对时变信息进行建模。 但我不确定哪种模型在计算成本方面更好。 使用更复杂的脉冲神经网络是否值得？或者循环神经网络能否以更少的计算量达到同样的效果？ 脉冲神经网络的收敛速度是否更快？
谢谢
回答：
我认为你看待问题的方式不对。 神经网络（或任何预测模型）最重要的属性是其准确性。 如果它能显著提高准确性（和预测能力），我宁愿花 10 倍的时间来构建模型。
有很多评估模型预测能力的标准技术，例如：
* 留一法交叉验证
* 留多法交叉验证
* Fisher 随机化（http://en.wikipedia.org/wiki/Ronald_Fisher）
还有很多构建预测模型的指导原则，例如：
* 奥卡姆剃刀原则
* 避免过拟合 (http://web.engr.oregonstate.edu/~tgd/classes/534/slides/part10.pdf)
* 过拟合的惩罚 (http://en.wikipedia.org/wiki/Regularization_(mathematics))
以下是一些可以查找更多信息的地方：
http://predictivemodelingblog.blogspot.com/
http://www.statsoft.com/textbook/data-mining-techniques/
最重要的是：选择能够解释你数据的最简单的模型。
