由于神經網絡泛化能力差、學習時間長、隱節點不好確定、受假突破和噪聲影響大以及預測的時間范圍小等自身缺點和局限性，其預測效果往往不穩定、復雜程度高等問題仍然很難克服。

使用符號化算法將偏差的時間序列擬合為矢量,利用矢量之間的相似度進行聚類，并為每一類分配符號，每組數據產生一條符號序列,然后對需要學習的序列進行模式分割并進行學習，再使用學習結果模式集合來對待測的序列進行匹配預測,從而達到預測的目的。

這種小外型與集成信號處理功能為在平面屏幕上實現RGB-LED背光控制創造最優條件。

與帶有聚合物濾光膜的彩色傳感器相比，TIAM3因其頻譜過濾性中具有極高的長期穩定性和低溫敏感度而更顯突出。

恩智浦業界領先的ARM微控制器產品組合建立在已獲良好聲譽的從ARM7TDMI、ARM968、ARM926至Cortex-M3處理器內核之上。

這一備受贊譽的產品系列包括：業界種類最全的USB外圍設備，一款工作頻率為100 MHz的Cortex-M3微控制器，以及業界首款面向Ethernet、USB與CAN提供高帶寬性能的器件。

符號化時間序列方法是從符號動力學理論、混沌時間序列分析和信息理論發展起來的一種分析方法。

(素材來源：21ic和eccn.如涉版權請聯系刪除。特別感謝）