在Matlab中，建立模糊模型，使用ELM方法更新隶属度函数矩阵W，列出实现代码。

以下是使用ELM方法更新隶属度函数矩阵W的Matlab实现代码：

% 数据准备
% X为输入数据，Y为输出数据，M为隶属度函数矩阵的初始值
X = % 输入数据;
Y = % 输出数据;
M = % 隶属度函数矩阵的初始值;

% ELM参数设置
n_hidden = % 隐藏层神经元数量;
activation = % 激活函数类型;
C = % 正则化系数;

% ELM算法实现
H = activation(X*randn(size(X,2),n_hidden)); % 隐藏层输出
H_pinv = pinv(H); % H的Moore-Penrose逆
W = H_pinv*Y; % 直接求解输出权重

% 更新隶属度函数矩阵W
for i=1:size(X,1)
    for j=1:size(X,2)
        W(:,j) = W(:,j) + C*H_pinv(:,i)*(Y(i,:)-H(i,:)*W(:,j))*M(j,j)*X(i,j);
        M(j,j) = M(j,j) - M(j,j)*X(i,j)*H_pinv(:,i)'*H_pinv(:,i)*X(i,j)*M(j,j)/(1+X(i,j)*M(j,j)*H_pinv(:,i)'*H_pinv(:,i)*X(i,j)*M(j,j));
    end
end

其中，X为输入数据，Y为输出数据，M为隶属度函数矩阵的初始值。n_hidden为隐藏层神经元数量，activation为激活函数类型，C为正则化系数。H为隐藏层输出，H_pinv为H的Moore-Penrose逆，W为直接求解输出权重。在ELM算法实现的基础上，使用双重循环更新隶属度函数矩阵W。