scholarly journals Neural Control of Neutralization Process using Fuzzy Inference System based Lookup Table

2013 ◽  
Vol 61 (9) ◽  
pp. 16-22 ◽  
Author(s):  
Parikshit KishorSingh ◽  
Surekha Bhanot ◽  
Harekrishna Mohanta
Keyword(s):  
Fuzzy Inference System ◽  
Neural Control ◽  
Fuzzy Inference ◽  
Lookup Table ◽  
Inference System ◽  
Neutralization Process

Identification and Online Validation of a pH Neutralization Process Using an Adaptive Network-Based Fuzzy Inference System

2015 ◽  
Vol 203 (4) ◽  
pp. 516-526 ◽  
Author(s):  
Ariane Silva Mota ◽  
Mauro Renault Menezes ◽  
Jones Erni Schmitz ◽  
Thiago Vaz da Costa ◽  
Flávio Vasconcelos da Silva ◽  
...  
Keyword(s):  
Fuzzy Inference System ◽  
Fuzzy Inference ◽  
Adaptive Network ◽  
Inference System ◽  
Neutralization Process ◽  
Ph Neutralization ◽  
Ph Neutralization Process

scholarly journals The Fuzzy Inference System with Least Square Optimization for Time Series Forecasting

2018 ◽  
Vol 11 (3) ◽  
pp. 1015 ◽  
Author(s):  
Samingun Handoyo ◽  
Marji Marji
Keyword(s):  
Fuzzy Inference System ◽  
Fuzzy Inference ◽  
Least Square ◽  
Training Data ◽  
Lookup Table ◽  
Rule Base ◽  
Inference System ◽  
Rule Bases ◽  
Takagi Sugeno ◽  
Development And Validation

The rule base on the fuzzy inference system (FIS) has a major role since the output generated by the system is highly dependent on it. The rule base is usually obtained from an expert but in this study proposed the rule base generated based on input-output data pairs with generating rule bases using lookup table scheme, then consequent part of each rule optimized with ordinary least square(OLS), so finally formed rule base from model FIS Takagi-Sugeno orde zero. The exchange rate dataset of EURO to USD is used for the development and validation of the system. In this study, 12 FISs were developed from a combination of linguistic values of n = 3,5,7, 9 with the number of lag (k) assumed to have an effect on output for k = 2,3,5. In training data, values R<sup>2</sup> ranged between 0.989 and 0.993, MAPE values ranged between 0.381% and 0.473% where the FIS with the combination of n = 9 and k = 5 has the best performance. In the testing data, values R<sup>2</sup> ranged between 0.203 and 0.7858, MAPE values ranged between 0.5136% and 0.9457% where FIS n = 3 and k = 2 perform best.

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.

ZERO-DAY POLYMORPHIC CYBERATTACKS DETECTION USING FUZZY INFERENCE SYSTEM

2020 ◽  
pp. 8-13
Author(s):  
V. V. Fesokha ◽  
I. Y. Subach ◽  
V. O. Kubrak ◽  
A. V. Mykytiuk ◽  
S. O. Korotaiev
Keyword(s):  
Fuzzy Inference System ◽  
Fuzzy Inference ◽  
Inference System

IMPLEMENTASI PENENTUAN ARSITEKTUR MASJID MODERN DI ACEH MENGGUNAKAN PEMODELAN SISTEM CERDAS

2018 ◽  
Vol 2 (1) ◽  
Author(s):  
Soraya Masthura Hasan ◽  
T Iqbal Faridiansyah
Keyword(s):  
Fuzzy Inference System ◽  
Architectural Design ◽  
Fuzzy Inference ◽  
Intelligent System ◽  
Selection Process ◽  
System Modeling ◽  
Inference System ◽  
Normal Limits ◽  
Roof Structure ◽  
Selection Of

Mosque architectural design is based on Islamic culture as an approach to objects and products from the Islamic community by looking at their suitability and values and basic principles of Islam that explore more creative and innovative ideas. The purpose of this system is to help the team and the community in seeing the best mosque in the top order so that the system can be used as a reference for the team and the community. The variables used in the selection of modern mosques include facilities and infrastructure, building structure, roof structure, mosque area, level of security and facilities. The system model used is a fuzzy promethee model that is used for the modern mosque selection process. Fuzzy inference assessment is used to determine the value of each variable so that the value remains at normal limits. Fuzzy values will then be included in promethee assessment aspects. The highest promethee ranking results will be made a priority for the best mosque ranking. This fuzzy inference system and promethee system can help the management team and the community in determining the selection of modern mosques in aceh in accordance with modern mosque architecture. Intelligent System Modeling System In Determining Modern Mosque Architecture in the City of Aceh, this building will be web based so that all elements of society can see the best mosque in Aceh by being assessed by all elements of modern mosque architecture.Keywords: Fuzzy inference system, Promethe, Option of  Masjid

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