【正文】 們?cè)趯?duì)信息的加工處理過(guò)程中均表現(xiàn)出很強(qiáng)的容錯(cuò)能力。神經(jīng)網(wǎng)絡(luò)和模糊系統(tǒng)由樣本數(shù)據(jù)（數(shù)值的，有時(shí)也可以是用語(yǔ)言表述的），即過(guò)去的經(jīng)驗(yàn)來(lái)估計(jì)函數(shù)關(guān)系，即激勵(lì)與響應(yīng)的關(guān)系或輸入與輸出的關(guān)系。后者具有自學(xué)習(xí)的智能控制特性。但缺點(diǎn)是它不能處理和描述模糊信息，不能很好利用已有的經(jīng)驗(yàn)知識(shí)，特別是學(xué)習(xí)及問(wèn)題的求解具有黑箱特性，其工作不具有可解釋性，同時(shí)它對(duì)樣本的要求較高。對(duì)于算術(shù)模糊神經(jīng)網(wǎng)絡(luò)，則有模糊BP算法，遺傳算法等。[1]層為輸入層，將x=[x1,x2,...xn]t傳送下一層。對(duì)于每個(gè)樣本數(shù)據(jù)對(duì)，首先從輸入節(jié)點(diǎn)開(kāi)始前向計(jì)算出各個(gè)節(jié)點(diǎn)處的輸出值，然后從輸出節(jié)點(diǎn)開(kāi)始利用反向傳播算法，計(jì)算出所有隱層節(jié)點(diǎn)的偏導(dǎo)數(shù)。參考文獻(xiàn)[ 1 ] 　虞和濟(jì),陳長(zhǎng)征,等. 基于神經(jīng)網(wǎng)絡(luò)的智能診斷[M ]. 北京:冶金工業(yè)出版社, 2002.[ 2 ] 　曾慶寧,劉　,周德新. 基于ANFIS的非線性自適應(yīng)噪聲消除[ J ]. 通信學(xué)報(bào), 2001 (12) : 108 112.[ 3 ] 　呂仲軍,朱信群. 基于神經(jīng)網(wǎng)絡(luò)分析的柴油機(jī)燃油噴射系統(tǒng)的故障診斷研究[ J ]. 車用發(fā)動(dòng)機(jī), 1999 (8) : 54 57.[ 4 ] 　SUGUO M. A Fuzzy Logic2Basic App roach to QualitativeModeling[ J ]. IEEE Trans on Fuzzy System, 1993 (1) : 7 31.[ 5 ] 　張智星,孫春在,水谷英二. 神經(jīng)模糊和軟計(jì)算[M ]. 張平安,高春華,譯. 西安:西安交通大學(xué)出版社, 2001: 229 255.[ 6 ] 　吳曉莉,林哲輝. MATLAB輔助模糊系統(tǒng)設(shè)計(jì)[M ]. 西安:西安電子科技大學(xué)出版社, 2002.[ 7 ] 　蔡開(kāi)龍,楊秉政,謝壽生. 基于模糊神經(jīng)網(wǎng)絡(luò)的航空發(fā)動(dòng)機(jī)故障診斷[ J ]. 機(jī)械科學(xué)與技術(shù), 2004 (1) : 96 98.8 結(jié)論致 謝 首先要感謝蔣林老師，是他在整個(gè)畢業(yè)設(shè)計(jì)過(guò)程中給我提供了畢業(yè)設(shè)計(jì)所需要的資料，幫助解答畢業(yè)設(shè)計(jì)中遇到的問(wèn)題。(4) 利用Matlab模糊邏輯工具箱可對(duì)輸入數(shù)據(jù)進(jìn)行先期處理,抑制仿真過(guò)程中出現(xiàn)規(guī)則“爆炸”等現(xiàn)象,操作方便,無(wú)需人工計(jì)算。設(shè)定系統(tǒng)誤差函數(shù)為：其中，Yi和yj分別表示期望輸出和實(shí)際輸出，r為輸出量的個(gè)數(shù)。對(duì)于輸入數(shù)據(jù)，我們?nèi)‰`屬函數(shù)為鐘形函數(shù)，即為正態(tài)分布的函數(shù)：其中i=1,2，、n，n是輸入量的維數(shù)，j=1,2，m，m是模糊類得分割數(shù)，xij和σij分別表示隸屬函數(shù)的中心和寬度。學(xué)習(xí)算法是模糊神經(jīng)網(wǎng)絡(luò)優(yōu)化權(quán)系數(shù)的關(guān)鍵。模糊理論和神經(jīng)網(wǎng)絡(luò)技術(shù)是近年來(lái)人工智能研究較為活躍的兩個(gè)領(lǐng)域。 目前神經(jīng)元網(wǎng)絡(luò)與模糊技術(shù)的融合方式大致有以下四種(如圖8－11所示)：a) 神經(jīng)元模型和模糊模型的連結(jié)：該模型是模糊控制和神經(jīng)元網(wǎng)絡(luò)二個(gè)系統(tǒng)相分離的形式結(jié)合，實(shí)現(xiàn)信息處理。它們都能以一種不精確的方式處理不精確的信息?！∧：窠?jīng)網(wǎng)絡(luò)的研究現(xiàn)狀當(dāng)前模糊神經(jīng)網(wǎng)絡(luò)的研究主要集中在:模糊神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法, FNN結(jié)構(gòu)及確定,模糊規(guī)則的提取與細(xì)化,模糊神經(jīng)網(wǎng)絡(luò)在自適應(yīng)控制、預(yù)測(cè)控制中的應(yīng)用等。因此,將模糊技術(shù)引入神經(jīng)網(wǎng)絡(luò),可以大大拓寬神經(jīng)網(wǎng)絡(luò)處理信息的范圍和能力。點(diǎn)擊Edit菜單，選 Add Custom MS…繼續(xù)填入相應(yīng)參數(shù)即可，見(jiàn)下圖。在右邊文字文字輸入Name處，填寫隸屬函數(shù)的名稱，例如lt或LT(代表低溫)。推理合成規(guī)則是假言推理的近似推廣。U是N的論域。模糊邏輯的真值x在[0,1]中連續(xù)取值，X越接近1，說(shuō)明真的程度越大。 2） 高斯型隸屬函數(shù) 隸屬函數(shù)曲線如圖(34)所示：隸屬函數(shù)的解析式見(jiàn)式(34)。U,都指定了[0,1]閉區(qū)間中的一個(gè)數(shù)與之對(duì)應(yīng)，它叫做u對(duì)A的隸屬度(degree of membership)。這種方法可以使BP 網(wǎng)絡(luò)的收斂速率有很大提高,而且對(duì)網(wǎng)絡(luò)的誤識(shí)率也有較大改進(jìn),體現(xiàn)了改進(jìn)BP 網(wǎng)絡(luò)的有效性。另外, n = 0 時(shí)即第一次的調(diào)整假設(shè)α= 0。BP算法的另一個(gè)缺陷是收斂速度慢，當(dāng)采用梯度下降法時(shí)步長(zhǎng)不容易確定，步長(zhǎng)太長(zhǎng)則達(dá)不到精度，甚至?xí)l(fā)散。BP算法采用梯度法調(diào)整權(quán)值，每次調(diào)整的量、式中01,稱為學(xué)習(xí)速率，它決定每一次訓(xùn)練中的權(quán)值變化大小。4)較強(qiáng)的魯棒性和容錯(cuò)性BP神經(jīng)網(wǎng)絡(luò)分布式的信息存儲(chǔ)方式，使其具有較強(qiáng)的容錯(cuò)性和聯(lián)想記憶功能，這樣如果某一部分的信息丟失或損壞，網(wǎng)絡(luò)仍能恢復(fù)出原來(lái)完整的信息，系統(tǒng)仍能運(yùn)行。其中有一種用誤差傳播學(xué)習(xí)算法（Error Back Propagation即BP算法）進(jìn)行訓(xùn)練的多層前饋神經(jīng)網(wǎng)絡(luò)，簡(jiǎn)稱為BP網(wǎng)絡(luò)。 代表神經(jīng)元i與神經(jīng)元j之間的連接強(qiáng)度(模擬生物神經(jīng)元之間突觸連接強(qiáng)度)，稱之為連接權(quán)。每個(gè)神經(jīng)細(xì)胞（也稱神經(jīng)元）。 50年代末，F(xiàn)神經(jīng)網(wǎng)絡(luò)理論也已成為涉及多學(xué)科的新興的、綜合的、前沿的學(xué)科。本課題基于模糊神經(jīng)和模糊聚類的結(jié)合，利用matlab工具來(lái)實(shí)現(xiàn)，并以水質(zhì)預(yù)測(cè)的例子來(lái)詳細(xì)說(shuō)明。通過(guò)樣本學(xué)習(xí)獲取知識(shí)，能夠自身適應(yīng)環(huán)境變化更新知識(shí)，發(fā)展知識(shí)，實(shí)時(shí)處理動(dòng)態(tài)多變，無(wú)明確數(shù)學(xué)模型的非結(jié)構(gòu)性復(fù)雜問(wèn)題。而神經(jīng)網(wǎng)絡(luò)則可直接從樣本中進(jìn)行有效的學(xué)習(xí)，它具有并行計(jì)算、并行式信息存儲(chǔ)、容錯(cuò)能力強(qiáng)以及具備自適應(yīng)學(xué)習(xí)功能等一系列優(yōu)點(diǎn)。從使用的工具上看,完成本課題也是可以的,再完成本課題的過(guò)程中使用了HSPICE仿真工具和CANDNCE等EDA仿真工具, SUN工作站, ,完全可以滿足高速PLL設(shè)計(jì)的要求。模糊的長(zhǎng)處在于邏輯推理，而神經(jīng)網(wǎng)絡(luò)的長(zhǎng)處在于其自學(xué)習(xí)功能，二者結(jié)合既能彌補(bǔ)各自不足，又能發(fā)揮各自的長(zhǎng)處，使其應(yīng)用更加廣泛。準(zhǔn)備后期檢查。熟悉MATLAB軟件的使用方法與功用。本人完全清楚本聲明的法律后果，申請(qǐng)學(xué)位論文和資料若有不實(shí)之處，本人愿承擔(dān)相應(yīng)的法律責(zé)任。開(kāi)始日期2011年01月10完成日期2011年06月27院（系）主任(簽字)2006年月日西 安 郵 電 學(xué) 院畢 業(yè) 設(shè) 計(jì) (論文) 工 作 計(jì) 劃 2011 年 3 月 14 日 學(xué)生姓名___蔡超超 __指導(dǎo)教師__ 王輝___職稱___副教授___系別_____ 自動(dòng)化學(xué)院_____ _專業(yè)___ 智能科學(xué)_____ _題目_________ 模糊神經(jīng)和模糊聚類的MatLab實(shí)現(xiàn) _______________________________________________________工作進(jìn)程_______________________________________________起 止 時(shí) 間工 作 內(nèi) 容第1周第2周 查閱模糊神經(jīng)和模糊聚類的相關(guān)資料，了解Matlab軟件及其功能。主要參考書目(資料)主要參考書目(資料)1．李國(guó)勇. 智能控制及其Matlab實(shí)現(xiàn). 北京: 電子工業(yè)出版社, 2000主要儀器設(shè)備及材料用于計(jì)算、編程、打印論文的計(jì)算機(jī)一臺(tái)，并安裝有相關(guān)軟件。對(duì)鎖相環(huán)的工作原理有一個(gè)清晰的認(rèn)識(shí)。熟練掌握MATLAB的使用,為此制定完成本課題的工作方案如下： 第一周:完成知識(shí)儲(chǔ)備，認(rèn)真復(fù)習(xí)模擬CMOS集成電路設(shè)計(jì)方法及其基本理；第二周:掌握PLL 的工作原理，學(xué)習(xí)UNIX操作系統(tǒng)的基本操作，提交畢業(yè)設(shè)計(jì)開(kāi)題報(bào)告,提交鎖定檢測(cè)工作原理分析報(bào)告； 第三周:學(xué)習(xí)HSPICE仿真工具的使用和CANDNCE等EDA仿真工具的使用； 第四周: HZ PLL 鎖定檢測(cè)電路的正向設(shè)計(jì)方案， HZ PLL鎖定檢測(cè)電路的正向設(shè)計(jì)方案報(bào)告； 第五周:對(duì)反向提取的全定制電路進(jìn)行分析整理； 第六周:繼續(xù)對(duì)反向提取的全定制電路進(jìn)行分析整理； 第七周:提供分析整理報(bào)告，并進(jìn)行中期檢查； 第八周:通過(guò)重新設(shè)計(jì)使其在SMIC ； 第九周:提供SMIC ； 第十周: PLL鎖定檢測(cè)電路晶體管級(jí)仿真報(bào)告，并提供報(bào)告； 第十一周:用Verilog硬件描述語(yǔ)言編寫檢測(cè)電路原代碼，并進(jìn)行后期檢查； 第十二周:畢業(yè)設(shè)計(jì)論文； 第十三周:完成畢業(yè)設(shè)計(jì)論文；第十四周:完成畢業(yè)設(shè)計(jì)答辯；4．指導(dǎo)教師審閱意見(jiàn) 廖建軍同學(xué)通過(guò)收集和閱讀文獻(xiàn)資料，認(rèn)識(shí)到了課題中的關(guān)鍵技術(shù)問(wèn)題,提出了解決思路，方案可行,計(jì)劃合理。所以，若能將模糊邏輯與神經(jīng)網(wǎng)絡(luò)適當(dāng)?shù)亟Y(jié)合起來(lái)，吸取兩者的長(zhǎng)處，則可組成比單獨(dú)的神經(jīng)網(wǎng)絡(luò)系統(tǒng)或單獨(dú)的模糊系統(tǒng)性能更好的系統(tǒng)。模糊神經(jīng)網(wǎng)絡(luò)還具有一些特殊性質(zhì)：由于采用了模糊數(shù)學(xué)中的計(jì)算方法，使一些處理單元的計(jì)算變得較為簡(jiǎn)便；使信息處理的速度加快；容錯(cuò)能力得到加強(qiáng)。BP神經(jīng)網(wǎng)絡(luò)是指基于誤差反向傳播算法的多層前向神經(jīng)網(wǎng)絡(luò)，一般由輸入層、輸出層和隱含層構(gòu)成。Pitts在分析、總結(jié)神經(jīng)元基本特性的基礎(chǔ)上首先提出神經(jīng)元的數(shù)學(xué)模型。另外，在60年代初期，Widrow提出了自適應(yīng)線性元件網(wǎng)絡(luò)。樹(shù)突是神經(jīng)元的主要接受器，它主要用來(lái)接受信息。在MP模型中，f定義為階跳函數(shù):人工神經(jīng)網(wǎng)絡(luò)是一個(gè)并行與分布式的信息處理網(wǎng)絡(luò)結(jié)構(gòu)，該網(wǎng)絡(luò)結(jié)構(gòu)一般由許多個(gè)神經(jīng)元組成，每個(gè)神經(jīng)元由一個(gè)單一的輸出，它可以連接到許多其他的神經(jīng)元，其輸出有多個(gè)連接通路，每個(gè)連接通路對(duì)應(yīng)一個(gè)連接權(quán)系數(shù)。a. BP神經(jīng)網(wǎng)絡(luò)特點(diǎn)：l)分布式的信息存儲(chǔ)方式神經(jīng)網(wǎng)絡(luò)是以各個(gè)處理器本身的狀態(tài)和它們之間的連接形式存儲(chǔ)信息的，一個(gè)信息不是存儲(chǔ)在一個(gè)地方，而是按內(nèi)容分布在整個(gè)網(wǎng)絡(luò)上。 BP網(wǎng)絡(luò)示意圖BP網(wǎng)絡(luò)的結(jié)