【正文】 比傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)有很大的優(yōu)越性。 模糊神經(jīng)網(wǎng)絡(luò)實現(xiàn)　模糊神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)模糊神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)如圖所示， 第一層是輸入層，起著將輸入值傳送到下一層的作用，該層的節(jié)點數(shù)為n； 第二層是隸屬函數(shù)層，在此層中通過隸屬函數(shù)計算各輸入分量屬于各語言變量值模糊集合的隸屬度，每個節(jié)點代表一個語言變量值；第三層為匹配模糊規(guī)則，計算每條規(guī)則的適用度。當(dāng)所有樣本學(xué)習(xí)完以后，這個神經(jīng)元網(wǎng)絡(luò)就是一個聰明、靈活的模糊規(guī)則表，具有自學(xué)習(xí)、自適應(yīng)功能。正是源于這兩個方面的綜合－思維方法上的模糊性以及大腦本身的結(jié)構(gòu)特點，模糊神經(jīng)網(wǎng)絡(luò)是一種集模糊邏輯推理的強大結(jié)構(gòu)性知識表達能力與神經(jīng)網(wǎng)絡(luò)的強大自學(xué)習(xí)能力于一體的新技術(shù)，它是模糊邏輯推理與神經(jīng)網(wǎng)絡(luò)有機結(jié)合的產(chǎn)物。模糊控制技術(shù)和神經(jīng)網(wǎng)絡(luò)技術(shù)同屬于人工智能技術(shù)各自具有對方恰恰不具備的優(yōu)缺點,具有互補性。選擇input(選中為紅框),在界面右邊文字輸入處鍵入相應(yīng)的輸入名稱，例如,溫度輸入用 tmpinput, 磁能輸入用 maginput，等。人們?nèi)粘Ｋ玫恼Z言屬于自然語言，通常的計算機語言是形式語言。 對于模糊集合，其隸屬函數(shù)的值域是閉區(qū)間[0，1]，當(dāng)隸屬函數(shù)的值域只是0或者1時，模糊集合就退化成為一個普通集合。隱層神經(jīng)元前向傳播時,通過權(quán)值將輸入值傳到輸出層。但是，BP網(wǎng)絡(luò)存在兩個突出問題(①收斂速度慢，②易陷入局部極小點)使其應(yīng)用受到了一定限制。整個網(wǎng)絡(luò)對多個信息加工后才存儲到網(wǎng)絡(luò)各處，因此，它是一種分布式存儲方式。通過突觸實現(xiàn)神經(jīng)元之間的信息傳遞。1945年馮 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，F(xiàn)NN結(jié)構(gòu)及確定，模糊規(guī)則的提取與細化，模糊神經(jīng)網(wǎng)絡(luò)在自適應(yīng)控制、預(yù)測控制中的應(yīng)用等。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。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。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)。給出初步方案。對PLL鎖相環(huán)結(jié)構(gòu)的認識，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。所謂模糊神經(jīng)網(wǎng)絡(luò)就是可進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)。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。一大批學(xué)者和研究人員圍繞著 Hopfield提出的方法展開了進一步的工作，形成了80年代中期以來人工神經(jīng)網(wǎng)絡(luò)的研究熱潮。，做為前饋網(wǎng)絡(luò)，右為反饋網(wǎng)絡(luò)。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?，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。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。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。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。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)。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。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。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。 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。參考文獻[1] ,230232[2] Ann Arbor. CMOS PLL Based on an Interpolative Oscillator. IEEE European Solid State Circuits Conference, 2003， 6796