Seismic events discrimination by neuro-fuzzy-based data merging

1998 ◽  
Vol 25 (18) ◽  
pp. 3449-3452 ◽  
Author(s):  
S. Muller ◽  
J. -F. Legrand ◽  
J.-D. Muller ◽  
Y. Cansi ◽  
R. Crusem ◽  
...  
Keyword(s):  
Seismic Events ◽  
Data Merging ◽  
Neuro Fuzzy

THE SETTINGS ALGORITHM OF A NEURO-FUZZY PI-CONTROLLER

2020 ◽  
Vol 12 (2) ◽  
Author(s):  
Atamurat Mambetov ◽  
Rasul Beglerbekov ◽  
Hurliman Sultanova
Keyword(s):  
Pi Controller ◽  
Neuro Fuzzy ◽  
Fuzzy Pi Controller

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.

Automated Characterization of Atheromatous Plaque in Intravascular Ultrasound Images Using Neuro Fuzzy Classifier

2012 ◽  
Vol 58 (4) ◽  
pp. 425-431 ◽  
Author(s):  
D. Selvathi ◽  
N. Emimal ◽  
Henry Selvaraj
Keyword(s):  
Intravascular Ultrasound ◽  
Human Error ◽  
Human Life ◽  
Classification Performance ◽  
Atheromatous Plaque ◽  
Ultrasound Images ◽  
Fuzzy Classifier ◽  
Neuro Fuzzy ◽  
Calcified Tissues

Abstract The medical imaging field has grown significantly in recent years and demands high accuracy since it deals with human life. The idea is to reduce human error as much as possible by assisting physicians and radiologists with some automatic techniques. The use of artificial intelligent techniques has shown great potential in this field. Hence, in this paper the neuro fuzzy classifier is applied for the automated characterization of atheromatous plaque to identify the fibrotic, lipidic and calcified tissues in Intravascular Ultrasound images (IVUS) which is designed using sixteen inputs, corresponds to sixteen pixels of instantaneous scanning matrix, one output that tells whether the pixel under consideration is Fibrotic, Lipidic, Calcified or Normal pixel. The classification performance was evaluated in terms of sensitivity, specificity and accuracy and the results confirmed that the proposed system has potential in detecting the respective plaque with the average accuracy of 98.9%.

Sign in / Sign up

Export Citation Format

Share Document