【正文】 ANF IS不要求建立實際系統(tǒng)的辨識模式,能較好地輔助故障分析、診斷。在網(wǎng)絡(luò)的計算中從輸入層到輸出層是基本上是一個多層前饋反傳網(wǎng)絡(luò)，可以仿照BP網(wǎng)絡(luò)用誤差反傳的方法來設(shè)計調(diào)整參數(shù)xij、σij和ωij。即在第二層中將輸入分量轉(zhuǎn)化為各個語言變量值（大、中、小等）。對于邏輯模糊神經(jīng)網(wǎng)絡(luò)，可采用基于誤差的學(xué)習(xí)算法，也即是監(jiān)視學(xué)習(xí)算法。人工神經(jīng)網(wǎng)絡(luò)是模擬人腦結(jié)構(gòu)的思維功能，具有較強(qiáng)的自學(xué)習(xí)和聯(lián)想功能，人工干預(yù)少，精度較高，對專家知識的利用也較少。b) 神經(jīng)元模型為主、模糊模型為輔：該模型以神經(jīng)網(wǎng)絡(luò)為主體，將輸入空間分割成若干不同形式的模糊推論組合，對系統(tǒng)先進(jìn)行模糊邏輯判斷，以模糊控制器輸出作為神經(jīng)元網(wǎng)絡(luò)的輸入。與傳統(tǒng)的統(tǒng)計學(xué)方法不同，它們不需要給出表征輸入與輸出關(guān)系的數(shù)學(xué)模型表達(dá)式；它們也不像人工智能（AI）那樣僅能進(jìn)行基于命題和謂詞運(yùn)算的符號處理，而難以進(jìn)行數(shù)值計算與分析，且不易于硬件的實現(xiàn)。模糊系統(tǒng)和神經(jīng)網(wǎng)絡(luò)均可視為智能信息處理領(lǐng)域內(nèi)的一個分支，有各自的基本特性和應(yīng)用范圍?！』靖拍?、模型和種類模糊神經(jīng)元是指一類可實施模糊信息或模糊邏輯運(yùn)算的人工神經(jīng)元,模糊神經(jīng)網(wǎng)絡(luò)是指全部或部分采用各類模糊神經(jīng)元所構(gòu)成的一類可處理模糊信息的神經(jīng)網(wǎng)絡(luò)系統(tǒng)。 Matlab模糊邏輯工具箱函數(shù)1）． GUI工具Anfisedit 打開ANFIS編輯器GUI Fuzzy 調(diào)用基本FIS編輯器Mfedit 隸屬度函數(shù)編輯器Ruleedit 規(guī)則編輯器和語法解析器Ruleview 規(guī)則觀察器和模糊推理方框圖Surfview 輸出曲面觀察器2）． 隸屬度函數(shù) dsigmf 兩個sigmoid型隸屬度函數(shù)之差組成的隸屬度函數(shù)gauss2mf 建立兩邊型高斯隸屬度函數(shù)gaussmf 建立高斯曲線隸屬度函數(shù)gbellmf 建立一般鐘型隸屬度函數(shù)pimf 建立Π型隸屬度函數(shù)psigmf 通過兩個sigmoid型隸屬度函數(shù)的乘積構(gòu)造隸屬度函數(shù)smf 建立S型隸屬度函數(shù)sigmf 建立Sigmoid型隸屬度函數(shù)trapmf 建立梯形隸屬度函數(shù)trimf 建立三角形隸屬度函數(shù)zmf 建立Z型隸屬度函數(shù)3）． FIS數(shù)據(jù)結(jié)構(gòu)管理addmf 向模糊推理系統(tǒng)（FIS）的語言變量添加隸屬度函數(shù)addrule 向模糊推理系統(tǒng)（FIS）的語言變量添加規(guī)則addvar 向模糊推理系統(tǒng)（FIS）添加語言變量defuzz 對隸屬度函數(shù)進(jìn)行反模糊化evalfis 完成模糊推理計算evalmf 通過隸屬度函數(shù)計算gensurf 生成一個FIS輸出曲面getfis 得到模糊系統(tǒng)的屬性mf2mf 在兩個隸屬度函數(shù)之間轉(zhuǎn)換參數(shù)newfis 創(chuàng)建新的FIS parsrule 解析模糊規(guī)則plotfis 繪制一個FIS plotmf 繪制給定語言變量的所有隸屬度函數(shù)的曲線readfis 從磁盤裝入一個FIS rmmf 從FIS中刪除某一語言變量的某一隸屬度函數(shù)rmvar 從FIS中刪除某一語言變量setfis 設(shè)置模糊系統(tǒng)的屬性showfis 以分行的形式顯示FIS結(jié)構(gòu)的所有屬性showrule 顯示FIS的規(guī)則3 模糊神經(jīng)網(wǎng)絡(luò)自適應(yīng)及模糊信模糊神經(jīng)網(wǎng)絡(luò)(Fuzzy networkFNN)就是模糊理論同神經(jīng)網(wǎng)絡(luò)相結(jié)合的產(chǎn)物，它匯集了神經(jīng)網(wǎng)絡(luò)與模糊理論的優(yōu)點(diǎn)，集學(xué)習(xí)、聯(lián)想、識別、息處理于一體。在Type處選擇trimf(意為：三角形隸屬函數(shù)曲線，triangle member function),當(dāng)然也可選其它形狀。 Matlab模糊邏輯工具箱仿真（1）模糊推理系統(tǒng)編輯器（Fuzzy）模糊推理系統(tǒng)編輯器用于設(shè)計和顯示模糊推理系統(tǒng)的一些基本信息，如推理系統(tǒng)的名稱，輸入、輸出變量的個數(shù)與名稱，模糊推理系統(tǒng)的類型、解模糊方法等。T(N)是語言變量值X的集合，其中每個x都是論域U上的模糊集合，如：T(N)＝T（年齡）＝“很年輕”＋“年輕”＋“中年”＋“較老”＋“很老” ＝x1＋x2＋x3＋x4＋x5G是語法規(guī)則，用于產(chǎn)生語言變量N的值X的名稱，研究原子單詞構(gòu)成合成詞后詞義的變化，并求取其隸屬函數(shù)。由此可見，模糊邏輯實質(zhì)上是無限多值邏輯，也即是一種形式化的連續(xù)值邏輯。 3） 梯形隸屬函數(shù) 隸屬函數(shù)曲線如圖(35)所示：隸屬函數(shù)的解析式見式(35)。這意味著定義了一個映射181。 模糊系統(tǒng)理論基礎(chǔ)　　所謂模糊概念是指這個概念的外延具有不確定性，或者說它的外延是不清晰的，是模糊的?，F(xiàn)在改變權(quán)值調(diào)整規(guī)則,將其改寫為如下形式: （6） （7）3） 隱層權(quán)值調(diào)整為了調(diào)整每層的權(quán)值,BP 網(wǎng)絡(luò)將誤差在網(wǎng)絡(luò)各層之間反向傳播。太小則迭代步驟增加，收斂速度慢。進(jìn)一步簡化計算有，其中：，j為輸出層單元；，j為隱層單元。b. BP神經(jīng)網(wǎng)絡(luò)介紹BP網(wǎng)絡(luò)是一種單向傳播的多層前饋網(wǎng)絡(luò)，它包含輸人層、隱含層和輸出層，是目前應(yīng)用較多的一種模型。BP神經(jīng)網(wǎng)絡(luò)模型是人工神經(jīng)網(wǎng)絡(luò)的重要模型之一。 代表神經(jīng)元i的活躍值，即神經(jīng)元狀態(tài)； 代表神經(jīng)元j的輸出，即是神經(jīng)元i的一個輸入； 代表神經(jīng)元的闡值。 生物神經(jīng)元模型 由圖看出，腦神經(jīng)元由細(xì)胞體、樹突和軸突構(gòu)成。Rosenblatt設(shè)計制作了“感知機(jī)”，它是一種多層的神經(jīng)網(wǎng)絡(luò)。 人工神經(jīng)網(wǎng)絡(luò)發(fā)展歷史1943年，心理學(xué)家W 2 神經(jīng)網(wǎng)絡(luò)與模糊系統(tǒng)理論基礎(chǔ) 神經(jīng)網(wǎng)絡(luò)理論基礎(chǔ) 人工神經(jīng)網(wǎng)絡(luò)簡介 人工神經(jīng)網(wǎng)絡(luò)是一種模擬人腦結(jié)構(gòu)及其功能的非線性動力系統(tǒng)，具有自組織、自適應(yīng)、自學(xué)習(xí)和較強(qiáng)的魯棒性與容錯性等顯著特點(diǎn)，對模糊信息或復(fù)雜的非線性關(guān)系能很好地進(jìn)行識別與處理。在語音識別、模式識別、圖像處理和工業(yè)控制等領(lǐng)域的應(yīng)用頗有成效。但一般來說，神經(jīng)網(wǎng)絡(luò)不適于表達(dá)基于規(guī)則的知識。完成本課題要認(rèn)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。2．本課題需要重點(diǎn)研究的關(guān)鍵問題、解決的思路及實現(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(jìn)行分析整理，通過重新設(shè)計使其在SMIC 。第11周第13周 后期總結(jié)，完成論文撰寫。 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)。西安郵電學(xué)院 畢 業(yè) 設(shè) 計（論 文）題 目：模糊神經(jīng)和模糊聚類的MATLAB實現(xiàn) 院 （系）： 自動化學(xué)院 專 業(yè)： 智能科學(xué)與技術(shù) 班 級： 智能0701班 學(xué)生姓名： 蔡xx 導(dǎo)師姓名： 王x 職稱： 副教授 起止時間：2011年01月10日 至 2011年06月17日附件畢業(yè)設(shè)計（論文）誠信聲明書本人聲明：本人所提交的畢業(yè)論文《 模糊神經(jīng)和模糊聚類的Matlab實現(xiàn) 》是本人在指導(dǎo)教師指導(dǎo)下獨(dú)立研究、寫作的成果，論文中所引用他人的文獻(xiàn)、數(shù)據(jù)、圖件、資料均已明確標(biāo)注；對本文的研究做出重要貢獻(xiàn)的個人和集體，均已在文中以明確方式注明并表示感謝。最后完成畢業(yè)論文的撰寫。第14周 準(zhǔn)備答辯。在研究該問題之前要通過閱讀有關(guān)PLL的書籍和CMOS集成電路的設(shè)計方法。學(xué)習(xí)HSPICE仿真工具的使用和CANDNCE等EDA仿真工具的使用，SUN工作站的使用方法，學(xué)習(xí)UNIX操作系統(tǒng)的基本操作。總的來說，神經(jīng)網(wǎng)絡(luò)適合于處理非結(jié)構(gòu)化信息，而模糊系統(tǒng)對處理結(jié)構(gòu)化的知識更為有效。將模糊系統(tǒng)和神經(jīng)網(wǎng)絡(luò)進(jìn)行有機(jī)的結(jié)合，可以有效的發(fā)揮自己的長處并彌補(bǔ)其不足。BP神經(jīng)網(wǎng)絡(luò)（Backpropagation Neutral Network）是目前應(yīng)用最廣泛的網(wǎng)絡(luò)模型之一，在水文預(yù)測預(yù)報等方面都有應(yīng)用。Mcculloch和數(shù)理邏輯學(xué)家W這項工作首次把人工神經(jīng)網(wǎng)絡(luò)的研究從理論探討付諸工程實踐。細(xì)胞體是神經(jīng)元的中心，它一般又由細(xì)胞核、細(xì)胞膜等構(gòu)成。 函數(shù)f表達(dá)了神經(jīng)元的輸入輸出特性。它有廣泛的應(yīng)用，主要包括模式識別及分類、故障智能診斷、圖像處理、函數(shù)擬合、最優(yōu)預(yù)測等方面的應(yīng)用。該算法在層次型網(wǎng)絡(luò)結(jié)構(gòu)上采用誤差逆?zhèn)鞑W(xué)習(xí)方式，學(xué)習(xí)過程由正向傳播和誤差逆?zhèn)鞑ソM成。BP網(wǎng)絡(luò)是一種多層前饋神經(jīng)網(wǎng)絡(luò)，它采用后向傳播算法，亦稱BP算法(首先樣本從輸入層經(jīng)各中間層向輸出層傳播，輸出層的各神經(jīng)元獲得網(wǎng)絡(luò)的輸人響應(yīng)。鑒于此，目前對BP算法的改進(jìn)主要集中在兩個方面:1) 是避免陷入局部極小值，一旦陷入要想辦法逃出。(6) 、(7) 兩式適合于網(wǎng)絡(luò)的所有各層。例如“青年”這個概念，它的內(nèi)涵我們是清楚的，但是它的外延，即什么樣的年齡階段內(nèi)的人是青年，恐怕就很難說情楚，因為在“年輕”和“不年輕”之間沒有一個確定的邊界，這就是一個模糊概念。A： 這個映射稱為模糊集合A的隸屬函數(shù)(membership function)。 4） 鐘型隸屬函數(shù) 隸屬函數(shù)曲線如圖(36)所示：隸屬函數(shù)的解析式見式(36)。應(yīng)用模糊理論，可以對用模糊語言描述的模糊命題進(jìn)行符合模糊邏輯的推理（演繹推理，歸納推理）。M是語義規(guī)則，根據(jù)語義規(guī)則給出模糊子集X的隸屬函數(shù)。其中模糊推理系統(tǒng)可以采用Mandani或Sugeuo兩種類型，解模糊方法有最大隸屬度法、重心法、加權(quán)平均等。在Params(參數(shù))處，選擇三角形涵蓋的區(qū)間，填寫三個值，分別為三角形底邊的左端點(diǎn)、中點(diǎn)和右端點(diǎn)在橫坐標(biāo)上的值。 模糊神經(jīng)網(wǎng)絡(luò)概述模糊系統(tǒng)與神經(jīng)網(wǎng)絡(luò)結(jié)合的可能性Kosko證明了一個加性模糊系統(tǒng)能以任意的精度逼近一個緊致域上的任意連續(xù)函數(shù)。下面介紹幾種常見的基本模糊神經(jīng)元。如前所述，它