Temat: fuzzy logic inference system

Skocz do pozycji: 1.

Tytuł:: A novel evaluation methodology for dimension stone quality
Autorzy:: Köken, Ekin
Strzałkowski, Paweł
Tematy:: fuzzy logic inference system
rock properties
dimension stone quality
soft computing; Pokaż więcej
Wydawca:: Politechnika Wrocławska. Wydział Geoinżynierii, Górnictwa i Geologii. Instytut Górnictwa
Powiązania:: https://bibliotekanauki.pl/articles/58972706.pdf Link otwiera się w nowym oknie
Opis:: The physical and mechanical properties of natural stones are crucial factors in determining their quality, predicting their durability, and assessing their potential uses. In this study, a novel method is introduced to assess the quality of dimension stone using the Fuzzy logic inference system (FIS). The FIS analysis results are described as dimension stone field performance coefficient (DSFPC), which indicates the quality of dimension stones. The analysis results are also compared with different approaches, and it is concluded that the proposed FIS model can reliably be used to quantify the quality of dimension stones. The present study, in this manner, contributes to the natural stone industry by proposing a comprehensive predictive model used to quantify the dimension stone quality based on critical physicomechanical rock properties.
Dostawca treści:: Biblioteka Nauki

Artykuł

na półce

Skocz do pozycji: 2.

Tytuł:: Fuzzy multi agent system for automatic classification and negotiation of QOS in cloud computing
Autorzy:: Bakraouy, Zineb
Abbass, Wissam
Baina, Amine
Bellafkih, Mostafa
Tematy:: MAS
SLA
negotiation
QOS
availability
web services
service broker
classification
fuzzy logic
inference system
fuzzy inference system; Pokaż więcej
Wydawca:: Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Automatyki i Pomiarów
Powiązania:: https://bibliotekanauki.pl/articles/1837385.pdf Link otwiera się w nowym oknie
Opis:: The use of Multi Agents Systems (MAS), Cloud Computing (CC) and Fuzzy Inference System (FIS) in e-commerce has increased in recent years. The purpose of these systems is to enable users of electronic markets to make transactions in the best conditions and to help them in their decisions. The design and implementation is often characterized by the constant manipulation of information, many of which are imperfect. The use of the multi-agent paradigm for the realization of these systems implies the need to integrate mechanisms that take into account the processing of fuzzy information. This makes it necessary to design multi-agent systems (MAS) with fuzzy characteristics. For the modeling and realization of this system, we chose to use the FMAS model. This paper deals with the presentation of the use of the Fuzzy MAS model for the development of a management and decision support application in a virtual market with high availability. After the presentation of the system to be realized in the first section, we describe in the second section the application of the model FMAS for the design and the realization of this system. We then specify the JADE implementation platform and how the fuzzy agents of our model (Expert, Choice and Query) can be implemented using this platform.
Dostawca treści:: Biblioteka Nauki

Artykuł

na półce

Skocz do pozycji: 3.

Tytuł:: Wybrane metody sztucznej inteligencji zaimplementowane w języku programowania C/C++
Selected methods of artificial intelligence implemented in C/C++ programming language
Autorzy:: Mreła, Aleksandra
Tematy:: edukacja
logika rozmyta
systemy wnioskujące
C++
education
fuzzy logic
inference system; Pokaż więcej
Wydawca:: Uniwersytet Kazimierza Wielkiego w Bydgoszczy
Powiązania:: https://bibliotekanauki.pl/articles/41206422.pdf Link otwiera się w nowym oknie
Opis:: Obecnie coraz częściej wykorzystuje się metody sztucznej inteligencji (AI) do budowania systemów ekspertowych, czy opartych na wiedzy. Jednakże, bardzo często podczas zajęć w szkole podstawowej i średniej podczas zajęć z programowania, lub ogólniej kształcenia myślenia komputacyjnego, uczniowie uczą się algorytmów rozwiązujących problemy w warunkach pewności. Wobec tego większość młodych ludzi nie ma okazji rozważania rozwiązań problemów w zakresie logiki rozmytej. Aby nauczyciele informatyki rozważali z uczniami metody sztucznej inteligencji, należy przygotować proste przykłady algorytmów AI. W artykule przedstawiono kilka prostych przykładów zbiorów i relacji rozmytych oraz prostego systemu wnioskującego zakodowanych w C++.
Currently, artificial intelligence (AI) methods are increasingly used to build expert or knowledge-based systems. However, very often during elementary and high school classes while programming classes, or more general, computational thinking training, students learn algorithms that solve problems in conditions of certainty. Therefore, most young people have no opportunity to consider solutions to fuzzy logic problems. For IT teachers to discuss artificial intelligence methods with students, simple AI algorithms should be prepared. The article presents some simple examples of fuzzy sets and relations as well as a simple inference system coded in C++.
Dostawca treści:: Biblioteka Nauki

Artykuł

na półce

Skocz do pozycji: 4.

Tytuł:: Modeling and control of an unstable system using probabilistic fuzzy inference system
Autorzy:: Sozhamadevi, N.
Sathiyamoorthy, S.
Tematy:: inverted pendulum and cart system
probabilistic fuzzy set
probabilistic fuzzy relation
probabilistic fuzzy inference system
probabilistic fuzzy logic controller; Pokaż więcej
Wydawca:: Polska Akademia Nauk. Czytelnia Czasopism PAN
Powiązania:: https://bibliotekanauki.pl/articles/229309.pdf Link otwiera się w nowym oknie
Opis:: A new type Fuzzy Inference System is proposed, a Probabilistic Fuzzy Inference system which model and minimizes the effects of statistical uncertainties. The blend of two different concepts, degree of truth and probability of truth in a unique framework leads to this new concept. This combination is carried out both in Fuzzy sets and Fuzzy rules, which gives rise to Probabilistic Fuzzy Sets and Probabilistic Fuzzy Rules. Introducing these probabilistic elements, a distinctive probabilistic fuzzy inference system is developed and this involves fuzzification, inference and output processing. This integrated approach accounts for all of the uncertainty like rule uncertainties and measurement uncertainties present in the systems and has led to the design which performs optimally after training. In this paper a Probabilistic Fuzzy Inference System is applied for modeling and control of a highly nonlinear, unstable system and also proved its effectiveness.
Dostawca treści:: Biblioteka Nauki

Artykuł

na półce

Skocz do pozycji: 5.

Tytuł:: Forecasting the Flow Coefficient of the River Basin Using Adaptive Fuzzy Inference System and Fuzzy SMRGT Method
Autorzy:: Gunal, Ayse Yeter
Mehdi, Ruya
Tematy:: ANFIS
adaptive neuro-fuzzy inference system
SMRGT
flow coefficient
fuzzy logic
surface water; Pokaż więcej
Wydawca:: Polskie Towarzystwo Inżynierii Ekologicznej
Powiązania:: https://bibliotekanauki.pl/articles/27323840.pdf Link otwiera się w nowym oknie
Opis:: In hydrology and water resources engineering, predicting the flow coefficient is a crucial task that helps estimate the precipitation resulting in a surface flow. Accurate flow coefficient prediction is essential for efficient water management, flood control strategy development, and water resource planning. This investigation calculated the flow coefficient using models based on Simple Membership functions and fuzzy Rules Generation Technique (SMRGT) and an Adaptive Neuro-Fuzzy Inference System (ANFIS) model. The fuzzy logic methods are used to model the intricate connections between the inputs and the output. Statistical parameters such as the coefficient of determination (R2), the root mean square error (RMSE), the mean absolute error (MAE), and the mean absolute percentage error (MAPE) were used to evaluate the performance of models. The statistical tests outcome for the SMRGT model was (RMSE:0.056, MAE:1.92, MAPE:6.88, R2:0.996), and for the ANFIS was (RMSE:0.96, MAE:2.703, MAPE:19.97, R2:0.8038). According to the findings, the SMRGT, a physics-based model, exhibited superior accuracy and reliability in predicting the flow coefficient compared to ANFIS. This is attributed to the SMRGT’s ability to integrate expert knowledge and domain-specific information, rendering it a viable solution for diverse issues.
Dostawca treści:: Biblioteka Nauki

Artykuł

na półce

Skocz do pozycji: 6.

Tytuł:: Fuzzy inference system and prediction
Autorzy:: Žák, L.
Valliš, D.
Tematy:: fuzzy sets
fuzzy logic
fuzzy inference system
prediction implementation
employees
zbiory rozmyte
logika rozmyta
system wnioskowania rozmyty
pracownicy; Pokaż więcej
Wydawca:: Politechnika Wrocławska. Oficyna Wydawnicza Politechniki Wrocławskiej
Powiązania:: https://bibliotekanauki.pl/articles/1818737.pdf Link otwiera się w nowym oknie
Opis:: This paper describes the implementation of fuzzy set theory and Fuzzy Inference System (FIS) for prediction of electric load. The proposed technique utilizes fuzzy rules to incorporate historical weather and load data. The use of fuzzy logic effectively handles the load variations due to special events. The fuzzy logic has been extensively tested on actual data obtained from the Czech Electric Power Company (ˇCEZ) for 24-hour ahead prediction. Test results indicate that the fuzzy rule base can produce results better in accuracy than artificial neural networks (ANNs) method.
Dostawca treści:: Biblioteka Nauki

Artykuł

na półce

Skocz do pozycji: 7.

Tytuł:: FLC control for tuning exploration phase in bio-inspired metaheuristic
Autorzy:: Kiełkowicz, K.
Grela, D.
Tematy:: Bat algorithm
swarm intelligence
metaheuristics
optimization
fuzzy logic
Mamdami-Type inference system; Pokaż więcej
Wydawca:: Uniwersytet Marii Curie-Skłodowskiej. Wydawnictwo Uniwersytetu Marii Curie-Skłodowskiej
Powiązania:: https://bibliotekanauki.pl/articles/106299.pdf Link otwiera się w nowym oknie
Opis:: Growing popularity of the Bat Algorithm has encouraged researchers to focus their work on its further improvements. Most work has been done within the area of hybridization of Bat Algorithm with other metaheuristics or local search methods. Unfortunately, most of these modifications not only improves the quality of obtained solutions, but also increases the number of control parameters that are needed to be set in order to obtain solutions of expected quality. This makes such solutions quite impractical. What more, there is no clear indication what these parameters do in term of a search process. In this paper authors are trying to incorporate Mamdani type Fuzzy Logic Controller (FLC) to tackle some of these mentioned shortcomings by using the FLC to control the exploration phase of a bio-inspired metaheuristic. FLC also allows us to incorporate expert knowledge about the problem at hand and define expected behaviors of system – here process of searching in multidimensional search space by modeling the process of bats hunting for their prey.
Dostawca treści:: Biblioteka Nauki

Artykuł

na półce

Skocz do pozycji: 8.

Tytuł:: Estimating risk levels for blood pressure and thyroid hormone using artificial intelligence methods
Autorzy:: Al-Kaltakchi, Musab Tahseen Salahaldeen
Al-Nima, Raid Rafi Omar
Alhialy, Azza
Tematy:: blood pressure
thyroid hormone
Artificial Intelligence
Fuzzy Logic
Adaptive Neuron-Fuzzy Inference System; Pokaż więcej
Wydawca:: Polska Akademia Nauk. Czasopisma i Monografie PAN
Powiązania:: https://bibliotekanauki.pl/articles/61492208.pdf Link otwiera się w nowym oknie
Opis:: In this work, artificial intelligence methods are designed and adopted for evaluating various risk levels of thyroid hormone and blood pressure in humans. Fuzzy Logic (FL) method is firstly exploited to provide the risk levels. Additionally, a machine learning was proposed using the Adaptive NeuronFuzzy Inference System (ANFIS) to learn and assess the risk levels by fusing a multiple-layer Neural Network (NN) with the FL. The data are collected for standard risk levels from real medical centers. The results lead to well ANFIS design based on the FL, which can generate such interesting outcomes for predicting risk levels for thyroid hormone and blood pressure. Both proposed methods of the FL and ANFIS can be exploited for medical applications.
Dostawca treści:: Biblioteka Nauki

Artykuł

na półce

Skocz do pozycji: 9.

Tytuł:: Zastosowanie ANFIS w analizie wyników badań gruntów
Application of the ANFIS to analysis of results from soil testings
Autorzy:: Daniszewska, E
Tematy:: adaptacyjny system neuronowo-rozmyty
logika rozmyta
trójosiowe badanie gruntu
prędkość ścinania
adaptive neuro-fuzzy inference system
fuzzy logic
soil triaxial testing
shear speed; Pokaż więcej
Wydawca:: Politechnika Lubelska. Wydawnictwo Politechniki Lubelskiej
Powiązania:: https://bibliotekanauki.pl/articles/391234.pdf Link otwiera się w nowym oknie
Opis:: Adaptacyjny system wnioskowania neuronowo-rozmytego ANFIS (Adaptive Neuro-Fuzzy Inference System) w programie Matlab posłużył modelowaniu i określaniu relacji między prędkością ścinania a parametrami wytrzymałościowymi gruntu. Sprawdzono możliwości i umiejętności narzędzia ANFIS w interpretacji wyników badań trójosiowego ściskania iłów pobranych z okolic Olsztyna. Model neuronowo-rozmyty został zbudowany na podstawie zbioru wartości, którymi dysponowano po szeregu badań eksperymentalnych, łącznie z wartościami parametrów wytrzymałościowych gruntu na ścinanie. Baza danych wykorzystana do modelowania neuronowo-rozmytego składa się z 6 różnych parametrów gruntowych dla każdej z 12 prędkości ścinania stosowanych podczas badań trójosiowych. Umiejętność uczenia zweryfikowano na bazie danych testowych - model neuronowo-rozmyty zbudowany został z zestawów szkoleniowych, a dokładność została zweryfikowana przez zestawy testów, z którymi model miał do czynienia po raz pierwszy. Wyniki z modelu ANFIS nie odbiegały znacznie od tych, które zostały uzyskane bezpośrednio z badań fizycznych. System ANFIS okazał się narzędziem niezwykle uniwersalnym i nieskomplikowanym w obsłudze. Pozwolił uwzględnić wieloaspektowość wzajemnych relacji parametrów gruntowych.
The article was analyzed in order to test applicability and capability of the ANFIS tool used for interpretation of results of triaxial shear tests on loamy soils sampled near Olsztyn. The ANFIS system in the Matlab software programme was used to model and determine relationships between the shear stress and soil resistance parameters in a triaxial shear test apparatus. It has been demonstrated that the achieved shear strength parameters are significantly affected by the variables tested during the triaxial experiments and physical parameters of a given soil sample, but also by the loading increment rate during the tests. It is extremely important to adjust the rate of loading during a test according to the preliminary characterization of a tested ground sample so as to have some control over the obtained ground strength parameters. The neuro-fuzzy model has been constructed based on a set of values obtained after a series of experimental tests, including values of ground shear strength parameters. The database used for the neuro-fuzzy modelling consisted of 6 different ground parameters for each of the 12 shear stress rates applied during the triaxial tests. The learnability was verified on a database composed of the test results – a neuro-fuzzy model was built from learning sets and its accuracy was verified by sets of tests to which the model was applied for the first time. The results obtained from the ANFIS model did not diverge substantially from the ones obtained directly by performing the physical tests. The ANFIS proved to be highly universal and easy to operate. It accounted for the multi-faceted nature of interrelationships between ground parameters.
Dostawca treści:: Biblioteka Nauki

Artykuł

na półce

Informacja

Wyszukujesz frazę "fuzzy logic inference system" wg kryterium: Temat