【正文】 合系統(tǒng)。 借助MATLAB模糊邏輯工具箱的幫助，用神經(jīng)網(wǎng)絡(luò)實現(xiàn)模糊系統(tǒng)結(jié)構(gòu)。第3周第6周 熟悉模糊神經(jīng)網(wǎng)絡(luò)理論，掌握并能熟練使用Matlab模糊工具箱函數(shù)，以及模糊聚類函數(shù)。第11周第13周 后期總結(jié)，完成論文撰寫。對計劃的說明無西安郵電學(xué)院畢業(yè)設(shè)計(論文)開題報告自動化學(xué)院 （系） 智能科學(xué)與技術(shù) 專業(yè) 2007 級 01班課題名稱： 模糊神經(jīng)和模糊聚類的Matlab 實現(xiàn)學(xué)生姓名： 蔡超超 學(xué)號： 06074020指導(dǎo)教師： 王輝 報告日期： 2006年03月28日 模糊邏輯能模擬人的智能，即能模擬人腦思維的模糊性的特點，可以模仿人的推理來處理常規(guī)數(shù)學(xué)方法難以解決的模糊信息處理問題，使得計算機的應(yīng)用擴展到更多領(lǐng)域。2．本課題需要重點研究的關(guān)鍵問題、解決的思路及實現(xiàn)預(yù)期目標的可行性分析本課題需要重點研究的關(guān)鍵問題是理解鎖相環(huán)檢測的原理,鎖相環(huán)對輸入信號和反饋信號是如何比較而得出鎖相環(huán)鎖定的, HZ PLL鎖定檢測電路的正向設(shè)計方案,在此基礎(chǔ)上對反向提取的全定制電路進行分析整理，通過重新設(shè)計使其在SMIC 。必須具備模擬電路設(shè)計的基本知識，認真復(fù)習(xí)模擬電路的基本知識，掌握模擬CMOS集成電路設(shè)計方法及其基本原理。完成本課題要認真復(fù)習(xí)模擬電路的基本知識，掌握模擬CMOS集成電路設(shè)計方法及其基本原理。西安郵電學(xué)院畢業(yè)設(shè)計 (論文)成績評定表學(xué)生姓名蔡超超性別男學(xué)號06074020專 業(yè)班 級智能0701班課題名稱模糊神經(jīng)和模糊聚類的MATLAB實現(xiàn)課題類型理論研究難度一般畢業(yè)設(shè)計（論文）時間 2011 年1月10日～6月 17日 指導(dǎo)教師王輝(職稱：副教授)課題任務(wù)完成情況論 文 (千字)； 設(shè)計、計算說 明書 (千字)； 圖紙 (張)；其它(含附 件)：指導(dǎo)教師意見 分項得分：開題調(diào)研論證 分； 課題質(zhì)量（論文內(nèi)容） 分； 創(chuàng)新 分；論文撰寫（規(guī)范） 分； 學(xué)習(xí)態(tài)度 分； 外文翻譯 分指導(dǎo)教師審閱成績：　 　指導(dǎo)教師(簽字)：　 　 　 　 　年 月　 日評閱教師意見分項得分：選題 分； 開題調(diào)研論證 分； 課題質(zhì)量（論文內(nèi)容） 分； 創(chuàng)新 分；論文撰寫（規(guī)范） 分； 外文翻譯 分評閱成績：　 　評閱教師(簽字)：　 　　 　 年　 月　 日驗收小組意見 分項得分：準備情況 分； 畢業(yè)設(shè)計（論文）質(zhì)量 分； （操作）回答問題 分驗收成績：　 　驗收教師(組長)(簽字)：　 　 　 　年　 月　 日答辯小組意見分項得分：準備情況 分； 陳述情況 分； 回答問題 分； 儀表 分答辯成績： 答辯小組組長(簽字)： 　 年 月 日成績計算方法(填寫本院系實用比例)指導(dǎo)教師成績 20 (％) 評閱成績 30 (％) 驗收成績 30 (％) 答辯成績 20 (％)學(xué)生實得成績(百分制)指導(dǎo)教師成績 92 評閱成績 90 驗收成績 92 答辯成績 90 總評 91 答辯委員會意見 畢業(yè)論文(設(shè)計)總評成績(等級)： 院（系）答辯委員會主任(簽字)： 院（系）簽章) 年 月 日備注西安郵電學(xué)院畢業(yè)論文(設(shè)計)成績評定表(續(xù)表)模糊神經(jīng)和模糊聚類的MATLAB實現(xiàn)目 錄1 引言 32 神經(jīng)網(wǎng)絡(luò)與模糊系統(tǒng)理論基礎(chǔ) 4 神經(jīng)網(wǎng)絡(luò)理論基礎(chǔ) 4 人工神經(jīng)網(wǎng)絡(luò)簡介 4 人工神經(jīng)網(wǎng)絡(luò)發(fā)展歷史 4 人工神經(jīng)元模型 62．2 誤差逆?zhèn)鞑ニ惴?8 模糊系統(tǒng)理論基礎(chǔ) 11 接口時序 14 頂層設(shè)計方案 15 模塊劃分 15 clkA計數(shù)器模塊 16 clkB計數(shù)器模塊 16a 功能 16b 接口說明 17c 時序說明 17 同或比較模塊 17a 功能 17b 接口說明 17c 時序說明 17 驗證與測試 184 Hz PLL鎖定檢測電路反向提取分析 19 鎖定檢測電路外部引腳 19 鎖定檢測電路圖 19 輸入引腳 19 輸出引腳 20 鎖定檢測電路內(nèi)部結(jié)構(gòu) 20 觸發(fā)器 20 異或門 20 反向器 21 與非門 21 或非門 21 鎖定檢測電路的實現(xiàn) 22 計數(shù)器 22 比較模塊 22 控制模塊 23 反向提取的鎖定檢測電路圖 235 24 反相器設(shè)計 24 D觸發(fā)器設(shè)計 25 傳輸門設(shè)計 25 25 計數(shù)器設(shè)計 25 十八輸入或非門設(shè)計 26 十八輸入或非門的特點 26 十八輸入或非門設(shè)計的困難 26 十八輸入或非門的重新設(shè)計 27 與非門設(shè)計 27 時鐘設(shè)計 28 鎖定檢測電路設(shè)計小結(jié) 286 Hz PLL 鎖定檢測電路HSPICE 下晶體管級仿真 29 觸發(fā)器模塊仿真測試 29 異或門仿真測試 30 十八輸入或非門仿真測試 31 與非門仿真測試 32 鎖定檢測電路整體仿真測試 337 Hz PLL 鎖定檢測電路verilogHDL 語言描述 37 基本模塊的描述 37 D觸發(fā)器描述 37 計數(shù)器描述 38 十八輸入或非門描述 38 兩輸入與非門描述 38 三輸入與非門描述 38 四輸入與非門描述 38 鎖定檢測電路的整體描述 39 整體電路描述 39 鎖定檢測電路VerilogHDL 下仿真時序 398 結(jié)論 40致 謝 84[4] ,432470 841D觸發(fā)器描述 842計數(shù)器描述 853十八輸入或非門描述 855三輸入與非門描述 856四輸入與非門描述 857 17輸入17輸出對應(yīng)位異或門描述 868鎖定檢測電路的整體描述 86摘 要神經(jīng)網(wǎng)絡(luò)和模糊系統(tǒng)均屬于無模型的估計器和非線性動力學(xué)系統(tǒng)，也是一種處理不確定性、非線性的有力工具。但一般來說，神經(jīng)網(wǎng)絡(luò)不適于表達基于規(guī)則的知識。關(guān)鍵詞：神經(jīng)網(wǎng)絡(luò) 模糊系統(tǒng) 模糊神經(jīng)網(wǎng)絡(luò) Matlab模糊邏輯工具箱 AbstractNeural network and fuzzy system all belong to withoutmodel estimator and nonlinear dynamic system, who is also a kind of deal with uncertainty, nonlinear of emollient tool. But the characteristics between them have great difference. Fuzzy system knowledge abstraction and expression is more convenient and it is suitable for express those fuzzy or qualitative knowledge, but lack of selflearning and adaptive ability. And neural network can be directly from the samples for effective learning, it has a parallel puting, parallel type information storage, fault tolerant ability and have adaptive learning function and so on a series of advantages. But generally speaking, the neural network based on rule not suitable for the expression of knowledge. Overall, neural network suited to handle unstructured information, and fuzzy system to process structured knowledge more effectively.So, if bined fuzzy logic and neural network appropriately, absorb both advantages, it can form the neural network system than single fuzzy system performance or separate better system. This topic first introduced the nerve network and fuzzy neural network model of the basic theory, algorithm, network structure and program implementation me