【正文】 ，而是存儲了多個信息的部分內(nèi)容。第二階段是反向傳播過程，若在輸出層未能得到期望的輸出值，則逐層遞歸計算實際輸出與期望輸出之間的差值，根據(jù)此誤差修正前一層權(quán)值使誤差信號趨向最小。BP網(wǎng)絡(luò)具有結(jié)構(gòu)簡單、可操作性強、能模擬任意的非線性輸入/輸出關(guān)系等優(yōu)點，目前已被廣泛應(yīng)用于模式識別、智能控制、預(yù)測、圖像識別等領(lǐng)域。 BP神經(jīng)網(wǎng)絡(luò)收斂速度的改進(jìn)方法 1)　 激活函數(shù)的選取BP 網(wǎng)絡(luò)神經(jīng)元節(jié)點的激活函數(shù)選用對數(shù)S 型函數(shù),即: (1)式中, I 表示輸入權(quán)值總和(包括閾值) , O表示神經(jīng)元輸出。這時可以借助于輸出層的誤差來調(diào)整隱層的權(quán)值。用大寫字母U、V、X、Y表示。而“/”只是分隔符，不表示除。A與B的交(intersection)，記作A∩B，有：語言可分為兩種：自然語言和形式語言。在科學(xué)研究工作中，最常用的推理方法是演繹推理中的假言推理，其基本規(guī)則是如果已知命題A（即可以分辯真假的陳述句）蘊含B，即A→B（或A則B），如今確為A時，則可得結(jié)論為B，其邏輯結(jié)構(gòu)為：若A，則B。因為我們用的是兩個輸入，所以在Edit菜單中，選Add variable… input,加入新的輸入input,如下圖所示。見下圖。因此,從數(shù)學(xué)角度看神經(jīng)網(wǎng)絡(luò)與模糊系統(tǒng)有著某種天然的相似性。前提和結(jié)論都是模糊集。而神經(jīng)網(wǎng)絡(luò)模擬人腦形象思維方法，人靠形象思維能很快發(fā)現(xiàn)火災(zāi)，表現(xiàn)出很強的容錯能力。雖然模糊系統(tǒng)和神經(jīng)網(wǎng)絡(luò)都用于處理模糊信息，并且存在著許多方面的共性，但其各自特點、適用范圍以及具體做法還是有不小的差別。“樣本”就是學(xué)習(xí)的“教師”。如果將二者有機地結(jié)合起來，可以起到互補的效果?！∧：窠?jīng)網(wǎng)絡(luò)可用于模糊回歸、模糊控制器、模糊專家系統(tǒng)、模糊譜系分析、模糊矩陣方程、通用逼近器。ij。4 程序設(shè)計5 結(jié)論致謝參考文獻(xiàn)(1) 簡述了ANF IS的結(jié)構(gòu)、原理和學(xué)習(xí)算法,通過柴油機柱塞的故障仿真結(jié)果證明其在故障診斷上的可行性。參考文獻(xiàn)[1] ,230232[2] Ann Arbor. CMOS PLL Based on an Interpolative Oscillator. IEEE European Solid State Circuits Conference, 2003， 679682.[3] Rashid PLL in CMOS .18181。(2) 所構(gòu)造ANF IS網(wǎng)絡(luò)對模糊推理系統(tǒng)( F IS)的參數(shù)辨識是基于實際訓(xùn)練數(shù)據(jù)的,客觀地反映了輸入?yún)?shù)與待預(yù)測變量的復(fù)雜非線性關(guān)系,使得F IS中模糊規(guī)則及隸屬度函數(shù)更客觀真實,提高了預(yù)測精度。 網(wǎng)絡(luò)的學(xué)習(xí)模糊神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)過程是一個多變量尋優(yōu)的一個過程。這里的節(jié)點數(shù)為m，第三層與第四層全連接；第四層把第三層的數(shù)據(jù)進(jìn)行歸一化處理!節(jié)點數(shù)也為m。上面三種形式的模糊神經(jīng)網(wǎng)絡(luò)中所執(zhí)行的運算方法不同。 d) 神經(jīng)元模型與模糊模型完全融合：該模型二個系統(tǒng)密切結(jié)合，不能分離。神經(jīng)網(wǎng)絡(luò)直接鑲嵌在一個全部模糊的結(jié)構(gòu)之中，因而它能夠向訓(xùn)練數(shù)據(jù)學(xué)習(xí)，從而產(chǎn)生、修正并高度概括輸入/輸出之間的模糊規(guī)則。一般來講，模糊神經(jīng)網(wǎng)絡(luò)主要是指利用神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)來實現(xiàn)模糊邏輯推理，從而使傳統(tǒng)神經(jīng)網(wǎng)絡(luò)沒有明確物理含義的權(quán)值被賦予了模糊邏輯中推理參數(shù)的物理含義。第三類具有模糊輸入的模糊神經(jīng)元,其輸入和輸出都是模糊集,但輸入模糊集被修正成另一種模糊集。模糊技術(shù)的特長在于邏輯推理能力,可以模擬人類判斷和決策的能力,但模糊技術(shù)不具備學(xué)習(xí)功能。注意：我們共有9個規(guī)則，所以相應(yīng)地有9個輸出隸屬函數(shù)。（2） .隸屬度函數(shù)編輯器(Mfedit)該編輯器提供一個友好的人機圖形交互環(huán)境，用來設(shè)計和修改模糊推理系中各語言變量對應(yīng)的隸屬度函數(shù)的相關(guān)參數(shù)，如隸屬度函數(shù)的形狀、范圍、論域大小等，系統(tǒng)提供的隸屬度函數(shù)有三角、梯形、高斯形、鐘形等，也可用戶自行定義。又設(shè)是XY論域上描述模糊條件語言“若則”的模糊關(guān)系，其隸屬函數(shù)為 式中E為代表全域的全稱矩陣。自然語言的突出特點在于它具有模糊性，如“今天是個好天”，“小王很年輕”等等。A的補(plement)，記作A，有： 其中，min和?表示取小運算，max?和表示取大運算。因此，普通集合是模糊集合的特殊情況，而模糊集合是普通集合的推廣。具有某些特定屬性的元素的全體稱為U上的一個“集合”，常用大寫字母A、B……表示。 同時對于反向, 當(dāng)進(jìn)行權(quán)值調(diào)整時,可以將輸出層的δ值返回到隱層?，F(xiàn)在考察第j 隱層中的p節(jié)點和第k 輸出層(有時輸出層不止一層) 的q 節(jié)點,可以用k 輸出層的期望輸出減去實際輸出得到此時的誤差值, 根據(jù)傳統(tǒng)動量BP 算法可以得到輸出層的δ值: （3）E 是q 的期望輸出值。綜上，我們可以看出BP算法主要的優(yōu)點是簡單、易于實現(xiàn)。每一次權(quán)值和誤差的變化都與網(wǎng)絡(luò)誤差的影響成正比。2)大規(guī)模并行處理BP神經(jīng)網(wǎng)絡(luò)信息的存儲與處理(計算)是合二為一的，即信息的存儲體現(xiàn)在神經(jīng)元互連的分布上，并以大規(guī)模并行分布方式處理為主，比串行離散符號處理的現(xiàn)代數(shù)字計算機優(yōu)越。，做為前饋網(wǎng)絡(luò)，右為反饋網(wǎng)絡(luò)。 人工神經(jīng)元模型人工神經(jīng)網(wǎng)絡(luò)是利用物理器件來模擬生物神經(jīng)網(wǎng)絡(luò)的某些結(jié)構(gòu)和功能。一大批學(xué)者和研究人員圍繞著 Hopfield提出的方法展開了進(jìn)一步的工作，形成了80年代中期以來人工神經(jīng)網(wǎng)絡(luò)的研究熱潮。諾依曼領(lǐng)導(dǎo)的設(shè)計小組試制成功存儲程序式電子計算機，標(biāo)志著電子計算機時代的開始。良好的泛化能力使神經(jīng)網(wǎng)絡(luò)預(yù)測模型具有較高的實用價值。雖然模糊神經(jīng)網(wǎng)絡(luò)得到了突飛猛進(jìn)的發(fā)展，但目前還存在很多問題：一是多變量，復(fù)雜控制系統(tǒng)中，很難確定網(wǎng)絡(luò)的結(jié)構(gòu)和規(guī)則點的組合“爆炸”問題；二是傳統(tǒng)的Bp學(xué)習(xí)方法易陷入局部極小值，并且學(xué)習(xí)速度較慢。所謂模糊神經(jīng)網(wǎng)絡(luò)就是可進(jìn)行模糊信息處理的神經(jīng)網(wǎng)絡(luò)，他們通常是一類有大量模糊的或非模糊的神經(jīng)元相互關(guān)聯(lián)構(gòu)成的網(wǎng)絡(luò)系統(tǒng)。但兩者之間的特性卻存在很大的差異。對PLL鎖相環(huán)結(jié)構(gòu)的認(rèn)識，要從PLL應(yīng)該分為幾大模塊，每個模塊的功能是什么，每一個模塊的內(nèi)部結(jié)構(gòu)是怎樣構(gòu)成的，由幾個晶體管構(gòu)成，都要弄清楚，并提交鎖相環(huán)工作原理分析報告。當(dāng)將人類求解問題的思維邏輯加以形式化，并將不能表達(dá)思維過程中模糊概念的二值邏輯拓展到模糊邏輯時，基于模糊推理的智能模擬就成為智能信息處理技術(shù)中主要的方法，即模糊識別與模糊控制。給出初步方案。本課題旨在代借助MATLAB模糊邏輯工具箱所提供的有關(guān)模糊邏輯推理的高級應(yīng)用，完成模糊神經(jīng)和模糊聚類的MATLAB實現(xiàn)。若能將兩者適當(dāng)?shù)亟Y(jié)合起來，吸取各自的長處，則可組成性能更優(yōu)的綜合系統(tǒng)。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)。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。必須具備模擬電路設(shè)計的基本知識，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。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(zhǔn)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(zhǔn)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