本項目中改進(jìn)的DA算法主要應(yīng)用于：64階低通濾波器的設(shè)計，其結(jié)構(gòu)如圖8所示：

圖8 基于改進(jìn)DA算法的128階低通濾波器的實現(xiàn)

（2）人工神經(jīng)網(wǎng)絡(luò)算法簡介

人工神經(jīng)網(wǎng)絡(luò)（Artificial Neural Networks,ANN）是在現(xiàn)代神經(jīng)生物學(xué)研究基礎(chǔ)上提出的模擬生物過程以反映人腦某些特性的計算結(jié)構(gòu)。它不是人腦神經(jīng)系統(tǒng)的真實描寫，而只是它的某種抽象、簡化和模擬。神經(jīng)元及其突觸是神經(jīng)網(wǎng)絡(luò)的基本器件。因此，模擬生物神經(jīng)網(wǎng)絡(luò)應(yīng)首先模擬生物神經(jīng)元。在人工神經(jīng)網(wǎng)絡(luò)中，神經(jīng)元常被稱為“處理單元”。有時從網(wǎng)絡(luò)的觀點出發(fā)常把它稱為“節(jié)點”。人工神經(jīng)元是對生物神經(jīng)元的一種形式化描述，它對生物神經(jīng)元的信息處理過程進(jìn)行抽象，并用數(shù)學(xué)語言予以描述；對生物神經(jīng)元的結(jié)構(gòu)和功能進(jìn)行模擬，并用模型予以表達(dá)。

為了模擬生物神經(jīng)元，一個簡化的人工神經(jīng)元，如圖9所示。該神經(jīng)元是一個多輸入單輸出的非線性元件。

圖9 簡化的神經(jīng)元模型

人工神經(jīng)元模型可以看成是由三個基本要素組成：

• 一組連接權(quán)（對應(yīng)于生物神經(jīng)元的突觸），連接強(qiáng)度由各連接上的權(quán)值表示，權(quán)值為正表示激勵，為負(fù)值表示抑制。
• 一個求和單元，用于求取各輸入信息的加權(quán)和（線性組合）。
• 一個非線性激活函數(shù)，起非線性映射作用并限制神經(jīng)元輸出幅度在一定的范圍之內(nèi)。此外還有一個閾值。閾值也被看作是一個輸入分量，也就是閾值也是一個權(quán)值。在網(wǎng)絡(luò)的設(shè)計中，偏差起著重要的作用，它使得激活函數(shù)的圖形可以左右移動而增加了解決問題的可能性。

通常所說的人工神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，主要指它的連接方式。從拓?fù)浣Y(jié)構(gòu)上考慮，神經(jīng)網(wǎng)絡(luò)屬于以神經(jīng)元為節(jié)點，以節(jié)點間的連接為邊的一種圖。從連接方式來看，主要有兩種，即前饋型神經(jīng)網(wǎng)絡(luò)和反饋型網(wǎng)絡(luò)。一個神經(jīng)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)確定后，為了使它具有某種智能特性，必須有相應(yīng)的學(xué)習(xí)方法與之配合。權(quán)值如何設(shè)置是區(qū)分不同人工神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法的重要特征。一般可以把人工神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)分為兩種類型，即監(jiān)督學(xué)習(xí)（有教師學(xué)習(xí)）和無監(jiān)督學(xué)習(xí)（無教師學(xué)習(xí)）。