نتایج جستجو برای: مدل anfis
تعداد نتایج: 122676 فیلتر نتایج به سال:
This paper presents novel GA-ANFIS expert system prototype for dermatological disease detection by using dermatological features and diagnoses collected in real conditions. Nine dermatological features are used as inputs to classifiers that are based on Adaptive Neuro-Fuzzy Inference Systems (ANFIS) for the first level of fuzzy model optimization. After that, they are used as inputs in Genetic ...
الگوریتمهای موجود برای آموزش سیستم استنتاج فازی- عصبی تطبیقی (ANFIS) باوجود کاربرد فراوان، نقایصی همچون بهدامافتادن در بهینۀ محلی دارند. در پژوهش حاضر، کاربرد الگوریتمهای بهینهسازی ژنتیک (GA)، ازدحام ذرات (PSO)، کلونی مورچگان برای محیطهای پیوسته (ACOR) و تکامل تفاضلی (DE)، در توسعه و بهبود عملکرد ANFIS بررسی شد. بهعنوان مطالعۀ موردی، بیشترین دمای ماهانۀ شهر اصفهان در بازۀ زمانی 64 س...
This paper describes the application of adaptive neuro-fuzzy inference system (ANFIS) model for classification of electroencephalogram (EEG) signals. Decision making was performed in two stages: feature extraction using the wavelet transform (WT) and the ANFIS trained with the backpropagation gradient descent method in combination with the least squares method. Five types of EEG signals were us...
حوضه های جنوب شرقی دریاچه ارومیه به علت برخورداری از شرایط هیدرولوژیکی و لیتولوژیکی خواص، از میزان بالای تولید رسوب برخوردارند. با توجه به این نکته در این تحقیق برای تخمین بار معلق رسوبی روزانه از سیستم استنتاجی فازی عصبی([1]anfis) بهره گرفته شده است. به این منظور داده های دبی روزانه و بار معلق رسوبی365 روز سال 1386 و 1387 ایستگاه رسوبی واقع در رودخانه زرینه رود برای تعلیم و آزمودن مدل های شبکه...
Churn prediction is a useful tool to predict customer at churn risk. By accurate prediction of churners and non-churners, a company can use the limited marketing resource efficiently to target the churner customers in a retention marketing campaign. Accuracy is not the only important aspect in evaluating a churn prediction models. Churn prediction models should be both accurate and comprehensib...
باتوجه به کاهش منابع آب به خصوص در کشور ایران، پیش بینی جریان رودخانه اهمیت زیادی یافته و لازم است از بهترین روش ها استفاده گردد. بدین منظور روش های خطی و غیرخطی زیادی وجود دارد. ازآنجایی که تشخیص خطی یا غیرخطی بودن دبی ماهانه دشوار است، در این پژوهش عملکرد برخی مدل های خطی و غیرخطی در پیش بینی جریان ماهانه ی رودخانه ی جامیشان واقع در استان کرمانشاه بررسی گردید. این مدل ها شامل مدل های خودهمبست...
In the present study, the adaptive neuro-fuzzy inference system (ANFIS) is developed for the prediction of effective thermal conductivity (ETC) of different fillers filled in polymer matrixes. The ANFIS uses a hybrid learning algorithm. The ANFIS is a class of adaptive networks that is functionally equivalent to fuzzy inference systems (FIS). The ANFIS is based on neuro-fuzzy model, trained wit...
This paper investigates the effectiveness of four different soft computing methods, namely radial basis neural network (RBNN), adaptive neuro fuzzy inference system (ANFIS) with subtractive clustering (ANFIS-SC), ANFIS with fuzzy c-means clustering (ANFIS-FCM) and M5 model tree (M5Tree), for predicting the ultimate strength and strain of concrete cylinders confined with fiber-reinforced polymer...
Prediction of student’s performance is potentially important for educational institutions to assist the students in improving their academic performance, and deliver high quality education. Developing an accurate student’s performance prediction model is challenging task. This paper employs the Adaptive NeuroFuzzy Inference system (ANFIS) for student academic performance prediction to help stud...
تغییر و تحول کمی و کیفی منابع آب تحت تأثیر فعالیت های مختلف در هر حوزه هیدرولوژیکی رخ می دهد که با توجه به محدودیت منابع آب، جلوگیری از آن بسیار مهم و حیاتی می باشد. در زمینه تبخیر، مدل های زیادی ارائه شده است که بیشتر این مدل ها نیازمند پارامترهای ورودی هستند که یا دسترسی به آنها مشکل است و یا اندازه گیری آنها محتاج صرف هزینه و زمان زیادی می باشد. در بحث شناسائی سیستم، مدلهای آماری قوی برای...
نمودار تعداد نتایج جستجو در هر سال
با کلیک روی نمودار نتایج را به سال انتشار فیلتر کنید