超聲波瓶體厚度檢測及其材料分類(lèi)的研究，保障公共安全

本項目中改進(jìn)的DA算法主要應用于：64階低通濾波器的設計，其結構如圖8所示：

圖8 基于改進(jìn)DA算法的128階低通濾波器的實(shí)現

（2）人工神經(jīng)網(wǎng)絡(luò )算法簡(jiǎn)介

人工神經(jīng)網(wǎng)絡(luò )（Artificial Neural Networks,ANN）是在現代神經(jīng)生物學(xué)研究基礎上提出的模擬生物過(guò)程以反映人腦某些特性的計算結構。它不是人腦神經(jīng)系統的真實(shí)描寫(xiě)，而只是它的某種抽象、簡(jiǎn)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(chēng)為“處理單元”。有時(shí)從網(wǎng)絡(luò )的觀(guān)點(diǎn)出發(fā)常把它稱(chēng)為“節點(diǎn)”。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(guò)程進(jìn)行抽象，并用數學(xué)語(yǔ)言予以描述；對生物神經(jīng)元的結構和功能進(jìn)行模擬，并用模型予以表達。

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

圖9 簡(jiǎn)化的神經(jīng)元模型

人工神經(jīng)元模型可以看成是由三個(gè)基本要素組成：

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

通常所說(shuō)的人工神經(jīng)網(wǎng)絡(luò )結構，主要指它的連接方式。從拓撲結構上考慮，神經(jīng)網(wǎng)絡(luò )屬于以神經(jīng)元為節點(diǎn)，以節點(diǎn)間的連接為邊的一種圖。從連接方式來(lái)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(gè)神經(jīng)網(wǎng)絡(luò )的拓撲結構確定后，為了使它具有某種智能特性，必須有相應的學(xué)習方法與之配合。權值如何設置是區分不同人工神經(jīng)網(wǎng)絡(luò )學(xué)習算法的重要特征。一般可以把人工神經(jīng)網(wǎng)絡(luò )的學(xué)習分為兩種類(lèi)型，即監督學(xué)習（有教師學(xué)習）和無(wú)監督學(xué)習（無(wú)教師學(xué)習）。