【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(shí)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(lèi)函數(shù)。第11周第13周 后期總結(jié)，完成論文撰寫(xiě)。對(duì)計(jì)劃的說(shuō)明無(wú)西安郵電學(xué)院畢業(yè)設(shè)計(jì)(論文)開(kāi)題報(bào)告自動(dòng)化學(xué)院 （系） 智能科學(xué)與技術(shù) 專(zhuān)業(yè) 2007 級(jí) 01班課題名稱(chēng)： 模糊神經(jīng)和模糊聚類(lèi)的Matlab 實(shí)現(xiàn)學(xué)生姓名： 蔡超超 學(xué)號(hào)： 06074020指導(dǎo)教師： 王輝 報(bào)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(diǎn)，可以模仿人的推理來(lái)處理常規(guī)數(shù)學(xué)方法難以解決的模糊信息處理問(wèn)題，使得計(jì)算機(jī)的應(yīng)用擴(kuò)展到更多領(lǐng)域。2．本課題需要重點(diǎn)研究的關(guān)鍵問(wèn)題、解決的思路及實(shí)現(xiàn)預(yù)期目標(biāo)的可行性分析本課題需要重點(diǎn)研究的關(guān)鍵問(wèn)題是理解鎖相環(huán)檢測(cè)的原理,鎖相環(huán)對(duì)輸入信號(hào)和反饋信號(hào)是如何比較而得出鎖相環(huán)鎖定的, HZ PLL鎖定檢測(cè)電路的正向設(shè)計(jì)方案,在此基礎(chǔ)上對(duì)反向提取的全定制電路進(jìn)行分析整理，通過(guò)重新設(shè)計(jì)使其在SMIC 。必須具備模擬電路設(shè)計(jì)的基本知識(shí)，認(rèn)真復(fù)習(xí)模擬電路的基本知識(shí)，掌握模擬CMOS集成電路設(shè)計(jì)方法及其基本原理。完成本課題要認(rèn)真復(fù)習(xí)模擬電路的基本知識(shí)，掌握模擬CMOS集成電路設(shè)計(jì)方法及其基本原理。西安郵電學(xué)院畢業(yè)設(shè)計(jì) (論文)成績(jī)?cè)u(píng)定表學(xué)生姓名蔡超超性別男學(xué)號(hào)06074020專(zhuān) 業(yè)班 級(jí)智能0701班課題名稱(chēng)模糊神經(jīng)和模糊聚類(lèi)的MATLAB實(shí)現(xiàn)課題類(lèi)型理論研究難度一般畢業(yè)設(shè)計(jì)（論文）時(shí)間 2011 年1月10日～6月 17日 指導(dǎo)教師王輝(職稱(chēng)：副教授)課題任務(wù)完成情況論 文 (千字)； 設(shè)計(jì)、計(jì)算說(shuō) 明書(shū) (千字)； 圖紙 (張)；其它(含附 件)：指導(dǎo)教師意見(jiàn) 分項(xiàng)得分：開(kāi)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(xiě)（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(jī)：　 　指導(dǎo)教師(簽字)：　 　 　 　 　年 月　 日評(píng)閱教師意見(jiàn)分項(xiàng)得分：選題 分； 開(kāi)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(xiě)（規(guī)范） 分； 外文翻譯 分評(píng)閱成績(jī)：　 　評(píng)閱教師(簽字)：　 　　 　 年　 月　 日驗(yàn)收小組意見(jiàn) 分項(xiàng)得分：準(zhǔn)備情況 分； 畢業(yè)設(shè)計(jì)（論文）質(zhì)量 分； （操作）回答問(wèn)題 分驗(yàn)收成績(jī)：　 　驗(yàn)收教師(組長(zhǎng))(簽字)：　 　 　 　年　 月　 日答辯小組意見(jiàn)分項(xiàng)得分：準(zhǔn)備情況 分； 陳述情況 分； 回答問(wèn)題 分； 儀表 分答辯成績(jī)： 答辯小組組長(zhǎng)(簽字)： 　 年 月 日成績(jī)計(jì)算方法(填寫(xiě)本院系實(shí)用比例)指導(dǎo)教師成績(jī) 20 (％) 評(píng)閱成績(jī) 30 (％) 驗(yàn)收成績(jī) 30 (％) 答辯成績(jī) 20 (％)學(xué)生實(shí)得成績(jī)(百分制)指導(dǎo)教師成績(jī) 92 評(píng)閱成績(jī) 90 驗(yàn)收成績(jī) 92 答辯成績(jī) 90 總評(píng) 91 答辯委員會(huì)意見(jiàn) 畢業(yè)論文(設(shè)計(jì))總評(píng)成績(jī)(等級(jí))： 院（系）答辯委員會(huì)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(jì))成績(jī)?cè)u(píng)定表(續(xù)表)模糊神經(jīng)和模糊聚類(lèi)的MATLAB實(shí)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(jiǎn)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(shí)序 14 頂層設(shè)計(jì)方案 15 模塊劃分 15 clkA計(jì)數(shù)器模塊 16 clkB計(jì)數(shù)器模塊 16a 功能 16b 接口說(shuō)明 17c 時(shí)序說(shuō)明 17 同或比較模塊 17a 功能 17b 接口說(shuō)明 17c 時(shí)序說(shuō)明 17 驗(yàn)證與測(cè)試 184 Hz PLL鎖定檢測(cè)電路反向提取分析 19 鎖定檢測(cè)電路外部引腳 19 鎖定檢測(cè)電路圖 19 輸入引腳 19 輸出引腳 20 鎖定檢測(cè)電路內(nèi)部結(jié)構(gòu) 20 觸發(fā)器 20 異或門(mén) 20 反向器 21 與非門(mén) 21 或非門(mén) 21 鎖定檢測(cè)電路的實(shí)現(xiàn) 22 計(jì)數(shù)器 22 比較模塊 22 控制模塊 23 反向提取的鎖定檢測(cè)電路圖 235 24 反相器設(shè)計(jì) 24 D觸發(fā)器設(shè)計(jì) 25 傳輸門(mén)設(shè)計(jì) 25 25 計(jì)數(shù)器設(shè)計(jì) 25 十八輸入或非門(mén)設(shè)計(jì) 26 十八輸入或非門(mén)的特點(diǎn) 26 十八輸入或非門(mén)設(shè)計(jì)的困難 26 十八輸入或非門(mén)的重新設(shè)計(jì) 27 與非門(mén)設(shè)計(jì) 27 時(shí)鐘設(shè)計(jì) 28 鎖定檢測(cè)電路設(shè)計(jì)小結(jié) 286 Hz PLL 鎖定檢測(cè)電路HSPICE 下晶體管級(jí)仿真 29 觸發(fā)器模塊仿真測(cè)試 29 異或門(mén)仿真測(cè)試 30 十八輸入或非門(mén)仿真測(cè)試 31 與非門(mén)仿真測(cè)試 32 鎖定檢測(cè)電路整體仿真測(cè)試 337 Hz PLL 鎖定檢測(cè)電路verilogHDL 語(yǔ)言描述 37 基本模塊的描述 37 D觸發(fā)器描述 37 計(jì)數(shù)器描述 38 十八輸入或非門(mén)描述 38 兩輸入與非門(mén)描述 38 三輸入與非門(mén)描述 38 四輸入與非門(mén)描述 38 鎖定檢測(cè)電路的整體描述 39 整體電路描述 39 鎖定檢測(cè)電路VerilogHDL 下仿真時(shí)序 398 結(jié)論 40致 謝 84[4] ,432470 841D觸發(fā)器描述 842計(jì)數(shù)器描述 853十八輸入或非門(mén)描述 855三輸入與非門(mén)描述 856四輸入與非門(mén)描述 857 17輸入17輸出對(duì)應(yīng)位異或門(mén)描述 868鎖定檢測(cè)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(wú)模型的估計(jì)器和非線性動(dòng)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(lái)說(shuō)，神經(jīng)網(wǎng)絡(luò)不適于表達(dá)基于規(guī)則的知識(shí)。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