چکیده: شبکه‌های عصبی فازی Min-Max، روش‌های نسبتاً جدیدی در حوزه کاربردی طبقه‌بندی و خوشه یابی می‌باشند. این شبکه‌ها، ویژگی‌های برتری مانند الگوریتم آموزش برخط یکبارگذر دارند که آنها را برای پیاده‌سازی سخت‌افزاری و استفاده در کاربردهای بلادرنگ، ایده‌آل می‌سازد. در این پایان‌نامه یک روش جدید برای طراحی شبکه‌های عصبی فازی بر پایه ابرجعبه‌های فازی Min-Max ارائه شده است. همانند شبکه FMNN، این شبکه از تجمیع ابرجعبه‌های فازی برای تعیین مرزهای کلاس‌ها استفاده می‌کند، با این تفاوت که تست همپوشانی و انقباض ابرجعبه‌ها از مراحل آموزش حذف شده است. که منجر به الگوریتم آموزش ساده‌تر و سرعت آموزش بیشتر شده است. شبکه ارائه شده از دو دسته ابرجعبه با ضریب انبساط متفاوت، به منظور استفاده از ابرجعبه‌های کوچک‌تر در مرز کلاس‌ها، استفاده می‌کند. شبکه با یک بار ارائه داده‌های آموزش، آموزش می‌بیند. نتایج حاصل از شبیه‌سازی‌های رایانه‌ای، بیانگر کارایی خوب این شبکه می‌باشد. روش پیشنهادی در اکثر موارد، نتایج بهتری را، نسبت به بهترین روش‌های قبلی، با تعداد نرون‌های کمتر بدست می‌دهد. در پایان‌نامه حاضر، یک طرح سخت‌افزاری، برای پیاده سازی شبکه معرفی شده روی ‌FPGA، ارائه شده است. در این طرح تابع عضویت ابرجعبه‌ها، به منظور صرفه‌جویی در ناحیه مصرفی FPGA، ساده شده است، به طوری که طرح حاصله، از ضرب کننده استفاده نمی‌کند. همچنین طرح سخت‌افزاری ارائه شده، به طور موثری از تکنیک خط‌لوله و موازی‌کاری، برای افزایش سرعت محاسبات، استفاده می‌کند.