Adaptive Neuro-Fuzzy Inference System-Based Chaotic Swarm Intelligence Hybrid Model for Recognition of Mild Cognitive Impairment from Resting-State fMRI

2019 ◽  
pp. 23-33
Author(s):  
Ahmed M. Anter ◽  
Zhiguo Zhang
Keyword(s):  
Cognitive Impairment ◽  
Mild Cognitive Impairment ◽  
Swarm Intelligence ◽  
Hybrid Model ◽  
Resting State ◽  
Fuzzy Inference System ◽  
Fuzzy Inference ◽  
Resting State Fmri ◽  
Inference System ◽  
Neuro Fuzzy

Detection of mild cognitive Impairment from gait using Adaptive Neuro-Fuzzy Inference system

2022 ◽  
Vol 71 ◽  
pp. 103195
Author(s):  
Mahmoud Seifallahi ◽  
Afsoon Hassani Mehraban ◽  
Fatemeh Khamseh ◽  
Masoumeh Salehi ◽  
Gholamreza Hajati ◽  
...  
Keyword(s):  
Cognitive Impairment ◽  
Mild Cognitive Impairment ◽  
Fuzzy Inference System ◽  
Fuzzy Inference ◽  
Inference System ◽  
Neuro Fuzzy

An Adaptive Neuro-Based Fuzzy Inference System (ANFIS) for the Prediction of Option Price

2020 ◽  
Vol 11 (2) ◽  
pp. 99-117 ◽  
Author(s):  
Hooman Abdollahi
Keyword(s):  
Hybrid Model ◽  
Fuzzy Inference System ◽  
Fuzzy Inference ◽  
Option Price ◽  
Prediction Errors ◽  
Parametric Methods ◽  
Option Prices ◽  
Inference System ◽  
Binomial Tree ◽  
Neuro Fuzzy

Option price prediction has been an important issue in the finance literature within recent years. Affected by numerous factors, option price forecasting remains a challenging problem. In this study, a novel hybrid model for forecasting option price consisting of parametric and non-parametric methods is presented. This method is composed of three stages. First, the conventional option pricing methods such as Binomial Tree, Monte Carlo, and Finite Difference are used to primarily calculate the option prices. Next, the author employs an Adaptive Neuro-Fuzzy Inference System (ANFIS) in which the parameters are trained with particle swarm optimization to minimize the prediction errors associated with parametric methods. To select the best input data for the ANFIS structure, which has high mutual information associated with the future option price, the proposed method uses an entropy approach. Experimental examples with data from the Australian options market demonstrate the effectivity of the proposed hybrid model in enhancing the prediction accuracy compared to another method.

Aplikasi Peramalan Kebutuhan Beban Listrik Menggunakan Metode Adaptive Neuro Fuzzy Inference System (ANFIS)

2017 ◽  
Vol 3 (1) ◽  
pp. 36-48
Author(s):  
Erwan Ahmad Ardiansyah ◽  
Rina Mardiati ◽  
Afaf Fadhil
Keyword(s):  
Fuzzy Inference System ◽  
Fuzzy Inference ◽  
Inference System ◽  
Neuro Fuzzy

Prakiraan atau peramalan beban listrik dibutuhkan dalam menentukan jumlah listrik yang dihasilkan. Ini menentukan  agar tidak terjadi beban berlebih yang menyebabkan pemborosan atau kekurangan beban listrik yang mengakibatkan krisis listrik di konsumen. Oleh karena itu di butuhkan prakiraan atau peramalan yang tepat untuk menghasilkan energi listrik. Teknologi softcomputing dapat digunakan  sebagai metode alternatif untuk prediksi beban litrik jangka pendek salah satunya dengan metode  Adaptive Neuro Fuzzy Inference System pada penelitian tugas akhir ini. Data yang di dapat untuk mendukung penelitian ini adalah data dari APD PLN JAWA BARAT yang berisikan laporan data beban puncak bulanan penyulang area gardu induk majalaya dari januari 2011 sampai desember 2014 sebagai data acuan dan data aktual januari-desember 2015. Data kemudian dilatih menggunakan metode ANFIS pada software MATLAB versi b2010. Dari data hasil pelatihan data ANFIS kemudian dilakukan perbandingan dengan data aktual dan data metode regresi meliputi perbandingan anfis-aktual, regresi-aktual dan perbandingan anfis-regresi-aktual. Dari perbandingan disimpulkan bahwa data metode anfis lebih mendekati data aktual dengan rata-rata 1,4%, menunjukan prediksi ANFIS dapat menjadi referensi untuk peramalan beban listrik dimasa depan.

PENGEMBANGAN SISTEM MANAJEMEN PENDUKUNG KEPUTUSAN PENILAIAN MUTU KEPEGAWAIAN DINAS PENDIDIKAN REMBANG MENGGUNAKAN ALGORITMA ANFIS (ADAPTIVE NEURO-FUZZY INFERENCE SYSTEM)

2020 ◽  
Vol 12 (1) ◽  
pp. 6-17
Author(s):  
Angga debby frayudha ◽  
Aris Yulianto ◽  
Fatmawatul Qomariyah
Keyword(s):  
Fuzzy Inference System ◽  
Industry 4.0 ◽  
Fuzzy Inference ◽  
System Model ◽  
Inference System ◽  
Neuro Fuzzy

Di era revolusi industry 4.0 terdapat banyak sekali kemudahan yang diberikan teknologi kepada manusia. Tentu ini akan menjadi baik apabila manusia mampu memanfaatkan hal tersebut dengan baik pula. Namun disisi lain juga bisa mengakibatkan dampak negative terhadap manusia, misalnya dengan adanya internet bisa mengakibatkan manusia melakukan penipuan di media social. Selain itu dengan canggihnya teknologi dapat menjadikan manusia menjadi malas yang bisa berimbas menurunnya kualitas sumber daya manusia. Maka dari itu untuk menghadapi hal ini perlu menyiapkan pendidikan yang baik.Pendidikan akan berjalan baik apabila lembaga yang mengurusnya berkompeten dalam melakukan tugasnya .Penulis coba memberikan ide untuk memprediksi kinerja pegawai Dinas Pendidikan Kabupaten Rembang menggunakan mentode ANFIS (Adaptive Neuro Fuzzy Inference System) guna untuk membantu lembaga tersebut menyeleksi maupun menilai kinerja karyawan demi meningkatkan kualitas dari segi sumber daya manusia. ANFIS merupakan jaringan adaptif yang berbasis pada sistem kesimpulan fuzzy (fuzzy inference system). Model penilaian kinerja pegawai di Dinas Pendidikan Kabupaten Rembang dengan menggunakan Adaptive Neuro-Fuzzy Inference System (ANFIS) menghasilkan penilaian  yang lebih baik dan akurat.  Hasil pengujian metode tersebut memiliki nilai akurasi 65%. Dengan metode ANFIS (Adaptive Neuro Fuzzy Inference System) dapat memprediksi kinerja karyawan sebagai salah satu pengambilan keputusan terhadap kinerja pegawai. Selain itu nantinya system penlaian kinerja pegawai akan lebih tertata dan efisien.

Sign in / Sign up

Export Citation Format

Share Document