A proposed model to estimate shear contribution of FRP in strengthened RC beams in terms of Adaptive Neuro-Fuzzy Inference System

2017 ◽  
Vol 170 ◽  
pp. 215-227 ◽  
Author(s):  
H. Naderpour ◽  
S.A. Alavi
Keyword(s):  
Fuzzy Inference System ◽  
Fuzzy Inference ◽  
Rc Beams ◽  
Inference System ◽  
Neuro Fuzzy ◽  
Proposed Model

scholarly journals Estimate reliability of component-based software sys-tem using modified neuro fuzzy model

2017 ◽  
Vol 6 (2) ◽  
pp. 45 ◽  
Author(s):  
Ravi Kumar Sharma ◽  
Dr. Parul Gandhi
Keyword(s):  
Fuzzy Inference System ◽  
Fuzzy Inference ◽  
Fuzzy Model ◽  
Software Systems ◽  
Data Sets ◽  
Component Reliability ◽  
Inference System ◽  
Neuro Fuzzy ◽  
Proposed Model ◽  
Estimate Reliability

There are many algorithms and techniques for estimating the reliability of Component Based Software Systems (CBSSs). Accurate esti-mation depends on two factors: component reliability and glue code reliability. Still much more research is expected to estimate reliability in a better way. A number of soft computing approaches for estimating CBSS reliability has been proposed. These techniques learnt from the past and capture existing patterns in data. In this paper, we proposed new model for estimating CBSS reliability known as Modified Neuro Fuzzy Inference System (MNFIS). This model is based on four factors Reusability, Operational, Component dependency, Fault Density. We analyze the proposed model for diffent data sets and also compare its performance with that of plain Fuzzy Inference System. Our experimental results show that, the proposed model gives better reliability as compare to FIS.

scholarly journals Shear Strength Prediction of RC Beams Using Adaptive Neuro-Fuzzy Inference System

2018 ◽  
Vol 0 (0) ◽  
pp. 0-0 ◽  
Author(s):  
Hosein Naderpour ◽  
Masoomeh Mirrashid
Keyword(s):  
Shear Strength ◽  
Fuzzy Inference System ◽  
Fuzzy Inference ◽  
Strength Prediction ◽  
Rc Beams ◽  
Inference System ◽  
Neuro Fuzzy

scholarly journals A New ANFIS Model based on Multi-Input Hamacher T-norm and Subtract Clustering

2014 ◽  
Vol 8 (1) ◽  
pp. 833-838 ◽  
Author(s):  
Feng-Yi Zhang ◽  
Zhi-Gao Liao
Keyword(s):  
Empirical Study ◽  
Fuzzy Inference System ◽  
Fuzzy Inference ◽  
Anfis Model ◽  
Prediction Ability ◽  
Inference System ◽  
Model Based ◽  
Neuro Fuzzy ◽  
Proposed Model

This paper proposed a novel adaptive neuro-fuzzy inference system (ANFIS), which combines subtract clustering, employs adaptive Hamacher T-norm and improves the prediction ability of ANFIS. The expression of multiinput Hamacher T-norm and its relative feather has been originally given, which supports the operation of the proposed system. Empirical study has testified that the proposed model overweighs early work in the aspect of benchmark Box- Jenkins dataset and may provide a practical way to measure the importance of each rule.

scholarly journals An Intelligent Data Mining Model for Diabetic Patients Data Using Hybrid Adaptive Neuro- Fuzzy Inference System

2019 ◽  
Vol 8 (6) ◽  
pp. 1498-1503
Keyword(s):  
Data Mining ◽  
Fuzzy Inference System ◽  
Fuzzy Inference ◽  
Health Clinic ◽  
Diabetic Patients ◽  
Inference System ◽  
Clustering Model ◽  
Neuro Fuzzy ◽  
Proposed Model ◽  
Mining Model

Proper diagnosis of diabetic based on the patient’s medical analysis results is an important factor. Data mining helps in analyzing such data includes complex meaningful terms to diagnosis and supports the patients to take remedy action based on the accurate results. The proposed model is a data mining model for analyzing diabetic patient’s data using sugeno type adaptive neuro fuzzy inference system with principle component analysis as a hybrid system. The experimental model validated through 200 different data obtained from health clinic with 25 different attributes. The proposed model classifies the data with accuracy of 94.6% where as conventional rough set and k means clustering model produces less classification accuracy of 74.5% and 77.6%.

Prediction of FRP shear contribution for wrapped shear deficient RC beams using adaptive neuro-fuzzy inference system (ANFIS)

Structures ◽  
2020 ◽  
Vol 23 ◽  
pp. 702-717 ◽  
Author(s):  
Swapnasarit Kar ◽  
Amiya R. Pandit ◽  
K.C. Biswal
Keyword(s):  
Fuzzy Inference System ◽  
Fuzzy Inference ◽  
Rc Beams ◽  
Inference System ◽  
Neuro Fuzzy

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.

Prediction of the Number of Airport Passengers Using Fuzzy C-Means and Adaptive Neuro Fuzzy Inference System

2017 ◽  
Vol 10 (3) ◽  
pp. 280
Author(s):  
Sunarsan Sitohang ◽  
Abba Suganda Girsang ◽  
Suharjito Suharjito
Keyword(s):  
Fuzzy Inference System ◽  
Fuzzy Inference ◽  
Inference System ◽  
Fuzzy C Means ◽  
Neuro Fuzzy

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.

USE OF ADAPTIVE NEURO FUZZY INFERENCE SYSTEM TO DEVELOP A SQUARE MONOPOLE ANTENNA

2016 ◽  
Vol 72 (2) ◽  
Author(s):  
MOUMI PANDIT ◽  
T BOSE ROY ◽  
M.K. GHOSE
Keyword(s):  
Fuzzy Inference System ◽  
Fuzzy Inference ◽  
Monopole Antenna ◽  
Inference System ◽  
Neuro Fuzzy
Sign in / Sign up

Export Citation Format

Share Document