• International journal of advanced smart convergence
• /
• 제12권1호
• /
• pp.199-207
• /
• 2023

Trend Impact Analysis is a prominent hybrid method has been used in future studies with a modified surprise- free forecast. It considers experts' perceptions about how future events may change the surprise-free forecast. It is an advanced forecasting tool used in futures studies for identifying, understanding and analyzing the consequences of unprecedented events on future trends. In this paper, we propose an advanced mechanism to generate more justifiable estimates to the probability of occurrence of an unprecedented event as a function of time with different degrees of severity using adaptive neuro-fuzzy inference system (ANFIS). The key idea of the paper is to enhance the generic process of reasoning with fuzzy logic and neural network by adding the additional step of attributes simulation, as unprecedented events do not occur all of a sudden but rather their occurrence is affected by change in the values of a set of attributes. An ANFIS approach is used to identify the occurrence and severity of an event, depending on the values of its trigger attributes.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 2000년도 춘계학술대회 학술발표 논문집
• /
• pp.130-133
• /
• 2000

In this paper, a new design methodology named FNNN(Fuzzy Polynomial Neural Network) algorithm is proposed to identify the structure and parameters of fuzzy model using PNN(Polynomial Neural Network) structure and a fuzzy inference method. The PNN is the extended structure of the GMDH(Group Method of Data Handling), and uses several types of polynomials such as linear, quadratic and modified quadratic besides the biquadratic polynomial used in the GMDH. The premise of fuzzy inference rules defines by triangular and gaussian type membership function. The fuzzy inference method uses simplified and regression polynomial inference method which is based on the consequence of fuzzy rule expressed with a polynomial such as linear, quadratic and modified quadratic equation are used. Each node of the FPNN is defined as fuzzy rules and its structure is a kind of neuro-fuzzy architecture Several numerical example are used to evaluate the performance of out proposed model. Also we used the training data and testing data set to obtain a balance between the approximation and generalization of proposed model.

• 제어로봇시스템학회:학술대회논문집
• /
• 제어로봇시스템학회 2004년도 ICCAS
• /
• pp.1865-1869
• /
• 2004

A new model for the propagation prediction for mobile communication network inside building is presented in this paper. The model is based on the determination of the dominant paths between the transmitter and the receiver. The field strength is predicted with adaptive neuro - fuzzy inference systems (ANFIS), trained with measurements. The advantage of the ANFIS with hybrid least squares and gradient descent algorithms is fast convergence compared with original neural network. The K-means algorithm for selection of training patterns is also used. Comparison of our predicted results to measurements indicate that improvements in accuracy over conventional empirical model are achieved.

• Journal of Electrical Engineering and Technology
• /
• 제8권5호
• /
• pp.1163-1168
• /
• 2013

In this paper, Adaptive Neuro-Fuzzy Inference System (ANFIS) is applied for modeling and simulation of DC characteristic of cylindrical Silicon Nanowire Transistor (SNWT). Device Geometry parameters, terminal voltages, temperature and output current were selected as the main factors of modeling. The results obtained are compared with numerical method and a good match has been observed between them, which represent accuracy of model. Finally, we imported the ANFIS model as a voltage controlled current source in a circuit simulator like HSPICE and simulated a SNWT inverter and common-source amplifier by this model.

• Computers and Concrete
• /
• 제26권5호
• /
• pp.397-409
• /
• 2020

The current study targets to estimate the contribution of the end-anchored FRP composites in resisting shear force using a soft computing tool i.e., adaptive neuro-fuzzy inference system (ANFIS). A total of 107 sets of data accumulated from literature was utilized for the development and evaluation of the current ANFIS model. A comparative analysis between the ANFIS predictions and the acquired experimental results has shown that the ANFIS predictions are in very good agreement with that of experimental ones. Additionally, the accuracy of the current ANFIS model has been weighed up against the estimates of nine widely adopted design guidelines. Based on various statistical parameters, it has been deduced that the effectiveness of the current ANFIS model is better than the considered design guidelines. Besides this, a parametric study was carried out to explore the combined effect of different parameters as well as the impact of individual parameters.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 1993년도 Fifth International Fuzzy Systems Association World Congress 93
• /
• pp.857-860
• /
• 1993

In this paper, we apply the self generating neuro fuzzy model (SGNFM) to the dimension analysis of the chaotic time series. Firstly, we formulate a nonlinear time series identification problem with nonlinear autoregressive (NARMAX) model. Secondly, we propose an identification algorithm using SGNFM. We apply this method to the estimation of embedding dimension for chaotic time series, since the embedding dimension plays an essential role for the identification and the prediction of chaotic time series. In this estimation method, identification problems with gradually increasing embedding dimension are solved, and the identified result is used for computing correlation coefficients between the predicted time series and the observed one. We apply this method to the dimension estimation of a chaotic pulsation in a finger's capillary vessels.

• 한국지능시스템학회논문지
• /
• 제14권5호
• /
• pp.533-538
• /
• 2004

본 논문은 뉴로-퍼지 모델의 구조 학습을 이용하여 단기 전력 수요 예측시스템을 개발하기 위한 체계적인 방법을 제안한다. 제안된 단기 수요 예측시스템은 1시간, 24시간, 168시간의 예측 리드 타임을 갖고 예측을 수행하기 위해서 요일 유형과 시간 별로 총 96개의 초기 구조를 미리 생성하고, 이를 초기 구조 뱅크에 저장한다. 예측이 수행되는 시점에 해당하는 초기구조를 선택하여 뉴로-퍼지 모델을 초기화하고, 학습하고, 예측을 수행한다. 제안된 예측시스템은 단지 2개의 입력 변수만을 이용하기 때문에 간단한 모델 구조를 가질 뿐 아니라 학습된 퍼지 규칙을 해석하는 것이 매우 용이하다는 장점을 갖는다. 제안된 방법의 실효성을 검증하기 위해 1996년과 1997년의 한극전력의 실제 전력 수요 데이터를 이용하여 1시간, 24시간, 168시간 앞의 전력 수요를 예측하는 모의 실험을 수행한다. 실험 결과 제안된 방법은 단지 2개의 입력 변수를 사용함에도 불구하고, 기존의 예측 방법과 비교하여 예측의 정확도와 신뢰도 측면에서 우수한 성능을 얻는다.

• 한국수자원학회논문집
• /
• 제41권3호
• /
• pp.341-351
• /
• 2008

최근 지구 온난화로 인한 이상기후의 영향으로 게릴라성 집중호우의 피해가 증가하고 있으므로 대하천뿐만 아니라 중 소하천에서도 홍수 예 경보의 중요성이 높아지고 있다. 기존의 홍수 예 경보 체계의 경우 유출량을 계산하는 전처리과정과 주 계산과정을 거치는 동안 많은 오차들이 발생하고, 누적되어 그 결과물(예측된 유출량) 속에 오차들이 내포되어 있다. 또한 유출모형의 적용에 필요한 매개변수들을 추정하기 위해서도 많은 실측자료가 필요하고, 많은 불확실성이 내재되어 있다. 본 연구에서는 기존의 홍수 예 경보 시스템의 문제점과 불확실성을 최대한 감소시키기 위해 ANFIS(Adaptive Neuro-Fuzzy Inference) 기법을 사용하였다. ANFIS는 신경회로망 기법을 사용한 data driven 모형으로 기존의 물리적 모형의 구축과정에서 필수적이었던 방대한 양의 물리적 자료를 배제하고 유역의 강우자료와 수위자료만으로 모형을 구축하고 수위 예측을 실시할 수 있다. 입력자료로는 시계열 강우자료와 수위자료를 사용하였고, 모형을 통하여 t+1, t+2, t+3 시간 후의 수위를 예측하였다. 탄천유역의 2003년부터 2005년까지의 강우사상을 이용하여 모형의 적용성과 타당성을 검토하였고, 2006년 실제 강우에 모형을 적용한 결과 실제 수위를 큰 오차 없이 모의할 수 있었다.

• 한국산학기술학회논문지
• /
• 제12권8호
• /
• pp.3689-3696
• /
• 2011

의사결정 지원시스템에서 작업자들은 대량의 데이터 집계 연산을 요구하며, 데이터에 대한 정확한 응답보다는 경향 분석에 더 많은 관심을 가진다. 그러므로 정확한 응답보다 빠른 근사 질의응답을 제공하는 것이 필요하며 그것을 실현하기 위한 근사질의 응답 기법의 연구가 필요하다. 따라서 본 논문에서는 기존 연구들의 단점을 보안하고 근사 응답의 정확성을 향상시킬 수 있는 Fuzzy C-Means (FCM) 클러스터링 기반 Adaptive Neuro-Fuzzy Inference System (ANFIS)을 이용한 근사 질의응답 기법을 제안한다. FCM-ANFIS을 이용한 근사 질의응답 기법은 다차원 데이터의 지식 표현 모델을 생성함으로써 거대한 다차원 데이터 큐브에 직접적인 접근 없이 집계 질의 수행이 가능하다. 비교실험을 통하여 제안된 기법이 기존의 NMF 기법보다 근사 질의응답의 정확성이 향상되었음을 확인한다.

• Smart Structures and Systems
• /
• 제13권1호
• /
• pp.81-98
• /
• 2014

This paper presents the elastic buckling of smart lightweight column structures integrated with a pair of surface piezoelectric layers using artificial intelligence. The finite element modeling of Smart lightweight columns is found using $ANSYS^{(R)}$ software. Then, the first buckling load of the structure is calculated using eigenvalue buckling analysis. To determine the accuracy of the present finite element analysis, a compression study is carried out with literature. Later, parametric studies for length variations, width, and thickness of the elastic core and of the piezoelectric outer layers are performed and the associated buckling load data sets for artificial intelligence are gathered. Finally, the application of soft computing-based methods including artificial neural network (ANN), fuzzy inference system (FIS), and adaptive neuro fuzzy inference system (ANFIS) were carried out. A comparative study is then made between the mentioned soft computing methods and the performance of the models is evaluated using statistic measurements. The comparison of the results reveal that, the ANFIS model with Gaussian membership function provides high accuracy on the prediction of the buckling load in smart lightweight columns, providing better predictions compared to other methods. However, the results obtained from the ANN model using the feed-forward algorithm are also accurate and reliable.