فهرس المقالات Neuro-fuzzy

• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  1 - Type-2 Fuzzy Logic Approach To Increase The Accuracy Of Software Development Effort Estimation
  Zahra Barati Mahdi Jafari Shahbazzadeh Vahid Khatibi Bardsiri
  predicting the effort of a successful project has been a major problem for software engineers the significance of which has led to extensive investigation in this area. One of the main objectives of software engineering society is the development of useful models to pre أکثر

  predicting the effort of a successful project has been a major problem for software engineers the significance of which has led to extensive investigation in this area. One of the main objectives of software engineering society is the development of useful models to predict the costs of software product development. The absence of these activities before starting the project will lead to various problems. Researchers focus their attention on determining techniques with the highest effort prediction accuracy or on suggesting new combinatory techniques for providing better estimates. Despite providing various methods for the estimation of effort in software projects, compatibility and accuracy of the existing methods is not yet satisfactory. In this article, a new method has been presented in order to increase the accuracy of effort estimation. This model is based on the type-2 fuzzy logic in which the gradient descend algorithm and the neuro-fuzzy-genetic hybrid approach have been used in order to teach the type-2 fuzzy system. In order to evaluate the proposed algorithm, three databases have been used. The results of the proposed model have been compared with neuro-fuzzy and type-1 fuzzy system. This comparison reveals that the results of the proposed model have been more favorable than those of the other two models. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  2 - ارائه مدلی جهت ارزیابی پایداری زنجیره تامین صنایع دارویی با استفاده از سیستم استنتاج فازی مبتنی بر شبکه عصبی(ANFIS)
  مهسا اله یاری نازنین پیله وری رضا رادفر
  مقدمه: نظام سلامت به جهت سروکار داشتن با انسان‌ها و سلامتی آنها، یکی از پیچیده‌ترین زنجیره‌های تامین کالا در دنیا را داراست، زنجیره تامین صنعت دارویی بخشی از این نظام است. به همین دلیل هدف این پژوهش بدست آوردن مدلی جهت ارزیابی پایداری زنجیره تامین در این صنعت می‌باشد. أکثر

  مقدمه: نظام سلامت به جهت سروکار داشتن با انسان‌ها و سلامتی آنها، یکی از پیچیده‌ترین زنجیره‌های تامین کالا در دنیا را داراست، زنجیره تامین صنعت دارویی بخشی از این نظام است. به همین دلیل هدف این پژوهش بدست آوردن مدلی جهت ارزیابی پایداری زنجیره تامین در این صنعت می‌باشد. روش پژوهش: ابتدا با مرور مطالعات پیشین، شاخص‌های مربوط به پایداری زنجیره تامین در ابعاد اقتصادی، اجتماعی، زیست محیطی و حکمرانی استخراج گردید و پس از اجرای تکنیک دلفی فازی و اجماع نظر خبرگان مدل مفهومی‌ارائه شد. سپس با استفاده از روش پیمایشی به منظور پیاده‌سازی مدل طراحی شده در ANFIS با کمک پرسشنامه‌ای جهت ارزیابی عوامل پایداری در مطالعه موردی مورد نظر بهره گرفته شد. یافته‌ها: ANFISهای طراحی شده با 50 دوره آموزش به میزان قابل قبول خطا دست یافتند. در بعد اقتصادی و اجتماعی روند تغییرات پایداری ابتدا به صورت کاهشی و سپس افزایشی بود. در بعد زیست محیطی که شاخص‌های منفی در نظر گرفته شده بودند روند کاملا کاهشی است. در بعد حکمرانی روند تغییرات پایداری افزایشی است .در پژوهش حاضر جذر ریشه میانگین خطا (RMSE) به عنوان معیاری جهت اعتبارسنجی مدل، مد نظر قرار گرفته شده است. نتیجه‌گیری: برای بهبود در وضعیت ابتدا باید پایداری ارزیابی و اندازه گیری شود تا پس از اقدامات بهبود بتوان نتایج حاصله را با اندازه‌گیری مشخص کرد. با توجه به یافته ها می‌توان نتیجه گرفت که مدل طراحی شده در ANFIS ابزار مناسبی برای ارزیابی پایداری است. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  3 - پیش بینی کمیت پسماند شهری با استفاده از مدل‌های هوشمند و آنالیز عدم قطعیت آن ها
  مریم عباسی ملیحه فلاح نژاد روح الله نوری مریم میرابی
  10.30495/jest.2020.11144
  زمینه و هدف: اولین قدم برای طراحی سیستم‌های مدیریت پسماند شهری، آگاهی کامل از کمیت پسماند تولیدی می باشد. پیش‌بینی کمیت تولید پسماند به دلیل تاثیر عوامل متنوع و خارج از کنترل، یکی از پیچیده‌ترین مسایل مهندسی می‌باشد. به همین خاطر، لزوم استفاده از مدل‌هایی که قابلیت مدل‌ أکثر

  زمینه و هدف: اولین قدم برای طراحی سیستم‌های مدیریت پسماند شهری، آگاهی کامل از کمیت پسماند تولیدی می باشد. پیش‌بینی کمیت تولید پسماند به دلیل تاثیر عوامل متنوع و خارج از کنترل، یکی از پیچیده‌ترین مسایل مهندسی می‌باشد. به همین خاطر، لزوم استفاده از مدل‌هایی که قابلیت مدل‌سازی پدیده‌های پیچیده را دارند، به خوبی روشن می‌باشد. هدف از این مطالعه، پیش بینی کمیت پسماند با استفاده از مدل های هوشمند، مقایسه عملکرد و آنالیز عدم قطعیت آن ها می باشدروش بررسی: در این مطالعه، شهر مشهد به عنوان مطالعه موردی انتخاب شد و از سری زمانی تولید پسماند در فاصله زمانی سال‌های 1380 تا 1390 برای پیش‌بینی هفتگی استفاده گردید. جهت مدل سازی از مدل های هوشمند شبکه عصبی، ماشین بردار پشتیبان، سیستم استنتاجی تطبیقی نروفازی و کا نزدیک ترین همسایه استفاده گردید. پس از بهینه سازی پارامترهای هر مدل، با استفاده از از شاخص های آماری، عملکرد مدل ها مورد مقایسه قرار گرفت. در نهایت، آنالیز عدم قطعیت نتایج مدل سازی با کمک روش مونت کارلو انجام گرفت.یافته ها: نتایج نشان داد که ضریب اطمینان (2R) مدل‌های شبکه عصبی، سیستم استنتاجی تطبیقی نروفازی، ماشین بردار پشتیبان و کا نزدیک‍ترین همسایه به ترتیب 67/0، 69/0، 72/0 و 64/0 می باشد. آنالیز عدم قطعیت نیز نتایج این مقایسه را تایید نمود و نشان داد مدل ماشین بردار پشتیبان در بین سایر مدل‌ها، عدم قطعیت کم‍تری داشته و نسبت به داده‌های ورودی کم‍ترین حساسیت را دارد.بحث و نتیجه گیری: مدل‌های هوشمند از توانایی رضایت‌بخشی برای پیش بینی کمی پسماند برخوردارند و در بین مدل‌های هوشمند مورد  مطالعه، مدل ماشین بردار پشتیبان بهترین نتایج را از خود نشان داد. همچنین، عدم قطعیت نتایج مدل ماشین بردار پشتیبان در بین سایر مدل‌ها، عدم قطعیت کم تری برخوردار بود. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  4 - تنظیم فرکانس در ریزشبکه های ترکیبی جزیره ای در حضور عدم قطعیت ها مبتنی برکنترل کننده های عصبی-فازی تطبیقی
  عباس آف محسن سیماب مهدی نفر سیدعلیرضا میرزایی
  10.30495/jce.2023.1972541.1177
  به کارگیری استراتژی کنترل ترکیبی عصبی-فازی الهام گرفته از کنترل PID برای میرا نمودن نوسانات فرکانس در سیستم ریزشبکه هیبریدی جزیره ای (IHMG) درحضوراغتشاشات و نامعینی های پارامتری، در این مقاله بررسی شده است. با توجه به رفتار نامنظم منابع انرژی تجدیدپذیر (RES) نظیر توربین أکثر

  به کارگیری استراتژی کنترل ترکیبی عصبی-فازی الهام گرفته از کنترل PID برای میرا نمودن نوسانات فرکانس در سیستم ریزشبکه هیبریدی جزیره ای (IHMG) درحضوراغتشاشات و نامعینی های پارامتری، در این مقاله بررسی شده است. با توجه به رفتار نامنظم منابع انرژی تجدیدپذیر (RES) نظیر توربین بادی و آرایه های خورشیدی و همچنین ماهیت متغیر با زمان بارهای مصرفی، انحراف فرکانس ریزشبکه از مقدار نامی به خصوص در حالت جزیره ای اجتناب ناپذیر است. تغییرات ناخواسته در بار مصرفی، میزان تابش خورشید، سرعت باد، و همچنین عدم قطعیت های پارامتری ناشی از ثابت های زمانی آن، منابع اصلی اغتشاش، در سیستم ریزشبکه هیبریدی جزیره ای مورد بررسی می باشد. در ساختار فازی کنترل‌کننده پیشنهادی، از خطا، مشتق و انتگرال خطای فرکانسی جهت آموزش و تست شبکه عصبی بهره گرفته شده است. بر اساس معادله تعادل توان بین عرضه و تقاضا، سعی در حداقل نمودن اثر اغتشاش در فرکانس خروجی با بهینه سازی موقعیت توابع عضویت فازی ورودی ها و خروجی آن نموده است. برای ارزیابی بهتر عملکرد روش پیشنهاد شده، رویکرد ANFIS با روش کنترلPID بهینه، موردمقایسه قرارگرفته است. نتایج شبیه سازی، نشان‌دهنده برتری قابل‌توجه روش پیشنهادی در مقایسه با دو روش‌ متداول دیگر از نظر مشخصه های حوزه زمان در حضور اغتشاشات همزمان و عدم قطعیت‌های پارامتری سیستم می باشد. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  5 - Prediction of scour dimension in the Plunge Pools below Outlet Bucket with Artificial intelligence method
  علی لشکرآرا سارا خرم زاده
  Accurate prediction of sediment scour hole dimensions downstream of hydraulic structures, e.g. the outlet bucket, is a complex and not straight forward engineering problem encountered worldwide. Because of the complexities of the study, its comprehensive, simultaneous i أکثر

  Accurate prediction of sediment scour hole dimensions downstream of hydraulic structures, e.g. the outlet bucket, is a complex and not straight forward engineering problem encountered worldwide. Because of the complexities of the study, its comprehensive, simultaneous including water flow, sediment and applying all of the effective variables involved in scouring it is not easy possible. Dimensions of a scour hole are usually determined by empirical equations which their validation is limited by experimental conditions. As constructing physical models has its own difficulty, determining of scour hole parameters has been applied in this paper for a collection of previous experimental studies. Two artificial intelligence techniques (ANN & ANFIS) are used and the results are compared with empirical equation for maximum scour holes using nonlinear regression method. Artificial Neural Network (ANN) simply represents interconnection of neurons, each of which carries out the task of combining the input, determining its strength by comparing the combination and finding out the result. On the other hand, ANFIS is a hybrid scheme which uses the learning capability of the ANN to derive the fuzzy rules with membership functions. The results showed that maximum error caused by applying ANFIS techniques in estimating scour hole dimensions was 5.2 percent while the error in neural network model was 10.38 percent. The significance of different parameters was discussed and a simple, innovative formula was proposed. This formula is an interesting tool for the engineering community due to its preferences for estimating the parameters of complex phenomena like erosion procedures. It has been established that scour estimations could be improved if soft computation is used in place of the traditional formulae. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  6 - بهبود کنترل‌کننده تطبیقی عصبی-فازی با بکارگیری الگوریتم خوشه‌بندی فازی بمنظور کنترل ارتعاشات سیستم تعلیق خودرو
  غلامرضا بامی محمدی مهدی صالحی
  سیستم تعلیق یکی از اجزاء مهم تشکیل دهنده خودرو می‌باشد که هدف اصلی آن جداسازی بدنه خودرو از ارتعاشات ناشی از شرایط مختلف جاده‌ای می‌باشد. امروزه دست‌یابی به یک سیستم تعلیق که بتواند خود را با شرایط مختلف جاده‌ تطبیق دهد چالش پیش‌روی شرکت‌های سازنده خودرو می‌باشد. شرایط أکثر

  سیستم تعلیق یکی از اجزاء مهم تشکیل دهنده خودرو می‌باشد که هدف اصلی آن جداسازی بدنه خودرو از ارتعاشات ناشی از شرایط مختلف جاده‌ای می‌باشد. امروزه دست‌یابی به یک سیستم تعلیق که بتواند خود را با شرایط مختلف جاده‌ تطبیق دهد چالش پیش‌روی شرکت‌های سازنده خودرو می‌باشد. شرایط جاده و سرعت پیش‌روی خودرو از عوامل متغییر با زمان می‌باشند که باعث می‌شود رفتار دینامیکی سیستم تعلیق بسیار تصادفی باشد. از این‌رو طراحی و کنترل یک سیستم تعلیق که قابلیت تطبیق و انعطاف‌پذیری مناسب در مواجه با شرایط مختلف جاده و سرعت پیش‌روی را داشته باشد، امری ضروری می‌باشد. در این پژوهش مدل دینامیکی خطی برای چهار چرخ خودرو در نظر گرفته شد و سپس معادلات دینامیکی مربوط به آن استخراج گردید. در ابتدا کنترل‌کننده فازی برای سیستم تعلیق خودرو طراحی شد، در مرحله بعد سیستم تعلیق خودرو با کنترل‌کننده فازی در مواجه با شرایط مختلف جاده و سه سرعت پیش‌روی قرار گرفت. سپس با استفاده از داده‌های مربوط به کنترل‌کننده فازی دو کنترل‌کننده دیگر از طریق سیستم استنتاج تطبیقی عصبی-فازی مبتنی بر تقسیم‌بندی توری و خوشه‌بندی فازی آموزش داده شدند. نتایج شبیه‌سازی نشان دادند که کنترل کننده تطبیقی عصبی- فازی مبتنی بر خوشه‌بندی فازی با وجود تغییر در شرایط جاده و سرعت خودرو عملکرد سیستم تعلیق را بصورت قابل ملاحظه‌ای بهبود می‌دهد، و در مقایسه با سایر روش‌های کنترلی توانایی بیشتری در کاهش شتاب خطی بدنه خودرو دارد. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  7 - مقایسه روشهای هیدرولوژیکی احتساب کننده رطوبت خاک و نروفازی در شبیه‌سازی بارش- رواناب (مطالعه موردی: حوضه آبخیز زولاچای)
  ابراهیم یوسفی مبرهن
  شبیه‌سازی هیدرولوژیکی حوزه‌های آبخیز، برای تخمین دبی اوج و حجم سیلاب حاصل ازبارندگی ها، روند یابی سیلاب در رودخانه ها و تحلیل هیدروگراف سیلاب ها صورت می گیرد. هدف از این تحقیق، کاربرد مدل های احتساب کننده رطوبت خاک (HMS SMA) و نروفازی در برآورد دبی متوسط روزانه، حجم روا أکثر

  شبیه‌سازی هیدرولوژیکی حوزه‌های آبخیز، برای تخمین دبی اوج و حجم سیلاب حاصل ازبارندگی ها، روند یابی سیلاب در رودخانه ها و تحلیل هیدروگراف سیلاب ها صورت می گیرد. هدف از این تحقیق، کاربرد مدل های احتساب کننده رطوبت خاک (HMS SMA) و نروفازی در برآورد دبی متوسط روزانه، حجم رواناب و تحلیل هیدروگراف ناشی از شبیه سازی فرآیند بارش-رواناب در حوزه آبخیز زولاچای می‌باشد. در این تحقیق پس از مدل‌سازی حوزه آبخیز در الحاقیه HEC-GeoHMS، مدل به برنامه HEC-HMS وارد و با تخمین پارامترهای مدل احتساب کننده رطوبت خاک، شبیه سازی بارش-رواناب در سایر مقیاس‌ها انجام شد. با بررسی مقیاس‌های زمانی واسنجی و بهینه‌سازی پارامترهای مدل HMS SMA می‌توان گفت که مقیاس زمانی ماهانه در شبیه‌سازی بارش-رواناب دقیق‌تر از مقیاس‌های زمانی سالانه، نیم‌سالانه و فصلی عمل می‌کند، همچنین مقیاس زمانی فصلی می‌تواند بهتر از سایر مقیاس‌های زمانی دبی اوج را تخمین بزند. مقایسه واسنجی و بهینه‌سازی روشهای احتساب کننده رطوبت خاک و نروفازی نشان داد روش فازی با بهترین ضرایب آماری (ضریب کارایی ناش-ساتکلیف 76/0 و مجموع مربعات خطای 18/0)، دقیق‌تر از روش SMA، شبیه‌سازی بارش-رواناب را انجام می‌دهد. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  8 - A Back-Stepping Controller Scheme for Altitude Subsystem of Hypersonic Missile with ANFIS Algorithm
  Davood Allahverdy Ahmad Fakharian
  In this paper, we propose a back-stepping controller scheme for the altitude subsystem of hypersonic missile of which model is nonlinear, non-minimum phase, uncertain, and highly coupled. In the scheme, the guidance law is selected as a desired flight path angle that de أکثر

  In this paper, we propose a back-stepping controller scheme for the altitude subsystem of hypersonic missile of which model is nonlinear, non-minimum phase, uncertain, and highly coupled. In the scheme, the guidance law is selected as a desired flight path angle that derived from the sliding mode control method. The back-stepping technique is designed and analyzed for the altitude dynamics of hypersonic missiles for maneuvering targets. Additionally, the algorithm of adaptive neuro-fuzzy inference system (ANFIS) is used for estimating the uncertainty of model parameters and Lyapunove theorem is used to examine the stability of closed-loop systems. The simulation indicates that the proposed scheme has shown effectiveness of the control strategy, high accuracy, stability of states, and low-amplitude control inputs in the presence of uncertainties with external disturbance. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  9 - Fraud Detection of Credit Cards Using Neuro-fuzzy Approach Based on TLBO and PSO Algorithms
  Maryam Ghodsi Mohammad Saniee Abadeh
  The aim of this paper is to detect bank credit cards related frauds. The large amount of data and their similarity lead to a time consuming and low accurate separation of healthy and unhealthy samples behavior, by using traditional classifications. Therefore in this stu أکثر

  The aim of this paper is to detect bank credit cards related frauds. The large amount of data and their similarity lead to a time consuming and low accurate separation of healthy and unhealthy samples behavior, by using traditional classifications. Therefore in this study, the Adaptive Neuro-Fuzzy Inference System (ANFIS) is used in order to reach a more efficient and accurate algorithm. By combining evolutionary algorithms with ANFIS, the optimal tuning of ANFIS parameters is achieved by the Teaching-Learning-Based Optimization (TLBO) and the Particle Swarm Optimization (PSO). The aim of using this approach is to improve the network performance and to reduce calculation complexities compared to gradient descent and least square methods. The proposed algorithm is implemented and evaluated on credit cards data to detect fraud. The results demonstrate superior performance of the designed scheme compared to other intelligent identification methods. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  10 - Time Prediction Using a Neuro-Fuzzy Model for Projects in the Construction Industry
  Behnam Vahdani Seyed Meysam Mousavi Morteza Mousakhani Hassan Hashemi
  10.22094/joie.2016.231
  This paper presents a prediction model based on a new neuro-fuzzy algorithm for estimating time in construction projects. The output of the proposed prediction model, which is employed based on a locally linear neuro-fuzzy (LLNF) model, is useful for assessing a project أکثر

  This paper presents a prediction model based on a new neuro-fuzzy algorithm for estimating time in construction projects. The output of the proposed prediction model, which is employed based on a locally linear neuro-fuzzy (LLNF) model, is useful for assessing a project status at different time horizons. Being trained by a locally linear model tree (LOLIMOT) learning algorithm, the model is intended for use by members of the project team in performing the time control of projects in the construction industry. The present paper addresses the effects of different factors on the project time and schedule by using both fuzzy sets theory (FST) and artificial neural networks (ANNs) in a construction project in Iran. The construction project is investigated to demonstrate the use and capabilities of the proposed model to see how it allows users and experts to actively interact and, consequently, make use of their own experience and knowledge in the estimation process. The proposed model is also compared to the well-known intelligent model (i.e., BPNN) to illustrate its performance in the construction industry. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  11 - An Adaptive neuro-fuzzy Inference System to Evaluate Trustworthiness of Users in a Social Network
  MohammadMahdi Shafiei Hossein Shirgahi Homayun Motameni Behnam Barzegar
  In recent years, the emergence of various social networks has led to the growth of social network users. However, activity in such networks depends on the level of trust that users have in each other. Therefore, trust is essential and important issue in these networks, أکثر

  In recent years, the emergence of various social networks has led to the growth of social network users. However, activity in such networks depends on the level of trust that users have in each other. Therefore, trust is essential and important issue in these networks, especially when users interact with each other. In this article, we examine this issue and provide a method to evaluate it. It is not easy to measure the accuracy of trust for users who interact with social networks. Here, interactions are virtual. In this article, we have used the adaptive neuro-fuzzy inference system to evaluate trustworthiness by considering different personality attributes of users such as reliability, availability, interest, patience and adaptability. Using these features as input and based on the adaptive neuro-fuzzy inference system, we evaluated the trustworthiness of users in social network. The proposed adaptive neuro-fuzzy inference system is expandable because in this system, trust can be defined as a set of one or more personality attributes. Epinions social network dataset is also used to simulate and validate the proposed method. In the proposed method, the absolute mean value of error is less than 0.0095 and the value of F-score is more than 0.9884. Based on the obtained results and compared to the previous methods, the proposed adaptive neuro-fuzzy inference system shows an acceptable accuracy for evaluating the trustworthiness of users. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  12 - تشخیص خطای اتصال کوتاه در سیم‌پیچ ترانسفورماتور قدرت مبتنی بر سنجش ولتاژ و جریان سیم‌پیچ با استفاده از سیستم عصبی-فازی
  همایون مشگین کلک مهیار محمدپور
  خرابی عایق بین حلقه‌های سیم پیچ یکی از دلایل اصلی خطای اولیه سیم پیچ در ترانسفورماتور است. در حین کار ترانسفورماتور، میدان‌های الکتریکی قوی به مواد دی الکتریک سیم پیچ‌های آن اعمال می‌شود. خرابی و پیری دی الکتریک یکی از مهمترین عوامل خطای اتصال کوتاه در سیم پیچ‌های ترانس أکثر

  خرابی عایق بین حلقه‌های سیم پیچ یکی از دلایل اصلی خطای اولیه سیم پیچ در ترانسفورماتور است. در حین کار ترانسفورماتور، میدان‌های الکتریکی قوی به مواد دی الکتریک سیم پیچ‌های آن اعمال می‌شود. خرابی و پیری دی الکتریک یکی از مهمترین عوامل خطای اتصال کوتاه در سیم پیچ‌های ترانسفورماتور است. به سبب فراوانی این خطا و احتمال گسترش آن، تشخیص و شناسایی آن در مراحل اولیه اهمیت دارد. در این مقاله نشان داده شده است که با سنجش و بررسی اختلاف فاز میان ولتاژ و جریان در فازهای ترانسفورماتور در حالت بارداری می‌توان به وجود خطا پی برد. در این راستا اثر اتصال کوتاه حلقه در یک سیم پیچ بر سیم پیچ‌های دیگر نیز بررسی شده است. به منظور تشخیص خطای برخط، استفاده از یک سیستم هوشمند (سیستم عصبی-فازی)نیز پیشنهاد شده است. نتایج شبیه سازی و آزمایشگاهی برای یک ترانسفورماتور نمونه، بیان‌گر صحت و قابلیت روش ارائه شده در تشخیص برخط خطای سیم پیچ در ترانسفورماتور است. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  13 - طراحی کنترل‌کننده عصبی- فازی تطبیقی آنلاین برای تضعیف پاسخ های لرزه ای سازه بنچمارک ۲۰ طبقه
  رسول ثابت عهد سید آرش موسوی قاسمی رامین وفائی پورسرخابی اردشیر محمدزاده یوسف زندی
  10.30495/civil.2023.698648
  در این مطالعه به طراحی یک کنترل‌کننده تطبیقی قوی و آنلاین در سیستم کنترلی فعال کابلی، جهت غلبه بر ارتعاشات لرزه‌ای در ساختمان‌های چندطبقه‌ای پرداخته می‌شود. در این پژوهش یک کنترل‌کننده عصبی- فازی تطبیقی نوع ۲ جدید پیشنهاد شده که در تمام پارامترهای سیستم نامشخص در نظر گر أکثر

  در این مطالعه به طراحی یک کنترل‌کننده تطبیقی قوی و آنلاین در سیستم کنترلی فعال کابلی، جهت غلبه بر ارتعاشات لرزه‌ای در ساختمان‌های چندطبقه‌ای پرداخته می‌شود. در این پژوهش یک کنترل‌کننده عصبی- فازی تطبیقی نوع ۲ جدید پیشنهاد شده که در تمام پارامترهای سیستم نامشخص در نظر گرفته می شود. از شبکه ی عصبی پیشخور چندلایه برای استخراج ژاکوبین و تخمین مدل سیستم سازه‌ایاستفاده می‌شود. سپس، مدل تخمین زده شده بر روی کنترل‌کننده به صورت آنلاین اعمال می شود. برای تنظیم نیروی کنترلی اعمال شده به سیستم کابلی و دستیابی به اهداف کنترلی، پارامترهای کنترل کننده به طور تطبیقی با استفاده از فیلتر کالمن توسعه یافته و الگوریتم پسانتشار خطا آموزش داده می شوند. در این روش از یک کنترل‌کننده PID نیز استفاده شده که منجر به استحکام و پایداری سیستم کنترل‌کننده پیشنهادی در برابر ارتعاشات لرزه‌ای می‌شود. همچنین جهت نشان‌دادن برتری سیستم کنترل‌کننده پیشنهادی از یک کنترل‌کننده تطبیقی ساده و آنلاین نیز استفاده می‌شود. این کنترل‌کننده که به‌عنوان مدل مرجع ضمنی است از فیلتر کالمن توسعه‌یافته برای تنظیم آنلاین پارامترهای کنترل‌کننده به‌عنوان یک نوآوری جدید استفاده می‌شود. در این تحقیق عملکرد هر دو کنترل‌کننده تحت تحریکات لرزه ای میدان دور و میدان نزدیک گسل بررسی می‌شود. بر اساس نتایج عددی به‌دست‌آمده، کنترل‌کننده عصبی- فازی تطبیقی نوع ۲ در به‌ حداقل‌ رساندن پاسخ‌های لرزه‌ای سازه در هنگام زلزله و رسیدن به اهداف کنترلی زمانی که ویژگی‌های پارامتری سازه تغییر می‌کند، در مورد نسبت دریفت بین طبقه‌ای تا ۲۱ درصد بهتر از کنترل‌کننده تطبیقی ساده آنلاین عمل می‌کند. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  14 - Trust optimization in the single web services using a neuro‌-fuzzy system
  بهارک شاکری اسکی Abolfazl Toroghi Haghighat Mehran Mohsenzadeh
  Due to improvement of Internet, employing web services is developed. By utilizing web services, distributed applications can exchange information. Trust is a main criterion to choose the proper web service as web services selection is a main issue which is still absorbi أکثر

  Due to improvement of Internet, employing web services is developed. By utilizing web services, distributed applications can exchange information. Trust is a main criterion to choose the proper web service as web services selection is a main issue which is still absorbing researchers to conduct research works on this field and analyze it. Due to the significant of this problem, neuro-fuzzy system is used to optimize the trust of single web services. Eight factors such as QoS, user preferences, subjective perspectives, objective perspectives, credibility of raters, bootstrapping, dynamic computing of trust and independency are considered in the considered neuro-fuzzy system. To achieve a trust optimization, 8 membership function various neuro-fuzzy systems are considered in this paper. Ultimately, the obtained results illustrates that the root mean square error, the precision amount, the recall amount and the F score amount of the neuro-fuzzy system is: 0.0873 %, 0.986, 0.988 and 0.987. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  15 - Voting Algorithm Based on Adaptive Neuro Fuzzy Inference System for Fault Tolerant Systems
  Masoumeh Pourhasan Abbas Karimi
  some applications are critical and must designed Fault Tolerant System. Usually Voting Algorithm is one of the principle elements of a Fault Tolerant System. Two kinds of voting algorithm are used in most applications, they are majority voting algorithm and weighted ave أکثر

  some applications are critical and must designed Fault Tolerant System. Usually Voting Algorithm is one of the principle elements of a Fault Tolerant System. Two kinds of voting algorithm are used in most applications, they are majority voting algorithm and weighted average algorithm these algorithms have some problems. Majority confronts with the problem of threshold limits and voter of weighted average are not able to produce safe outputs when obtaining a correct output is impossible and also both of them are not able to perform appropriately in small error limit. In the present paper, delivering a voter for safety system, Adaptive Neuro-Fuzzy Inference System (ANFIS) is proposed. The above mentioned model is trained through Hybrid learning algorithm that is effective and using basic Fuzzy inference system, subtractive clustering and fuzzy C-means method. Results show that delivered voter produced more safety outputs especially for small error amplitude.Keywords: ANFIS, Adaptive Neuro-Fuzzy Inference System, Voting Algorithm, Fault Tolerant Systems, Safety-Critical Systems. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  16 - Trust optimization in the single web services using a neuro‌-fuzzy system
  Baharak Shakeri aski
  Abstract: Due to improvement of Internet, employing web services is developed. By utilizing web services, distributed applications can exchange information. Trust is a main criterion to choose the proper web service as web services selection is a main issue which is sti أکثر

  Abstract: Due to improvement of Internet, employing web services is developed. By utilizing web services, distributed applications can exchange information. Trust is a main criterion to choose the proper web service as web services selection is a main issue which is still absorbing researchers to conduct research works on this field and analyze it. Due to the significant of this problem, neuro-fuzzy system is used to optimize the trust of single web services. Eight factors such as QoS, user preferences, subjective perspectives, objective perspectives, credibility of raters, bootstrapping, dynamic computing of trust and independency are considered in the considered neuro-fuzzy system. To achieve a trust optimization, 8 membership function various neuro-fuzzy systems are considered in this paper. Ultimately, the obtained results illustrates that the root mean square error, the precision amount, the recall amount and the F score amount of the neuro-fuzzy system is: 0.0873 %, 0.986, 0.988 and 0.987 تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  17 - A neuro-fuzzy approach to vehicular traffic flow prediction for a metropolis in a developing country
  L Ogunwolu O Adedokun O Orimoloye S.A Oke
  Short-term prediction of traffic flow is central to alleviating congestion and controlling the negative impacts of environmental pollution resulting from vehicle emissions on both inter- and intra-urban highways. The strong need to monitor and control congestion time an أکثر

  Short-term prediction of traffic flow is central to alleviating congestion and controlling the negative impacts of environmental pollution resulting from vehicle emissions on both inter- and intra-urban highways. The strong need to monitor and control congestion time and costs for metropolis in developing countries has therefore motivated the current study. This paper establishes the application of neuro-fuzzy to predict traffic volume of vehicles on a busy traffic corridor. Using a case drawn from metropolitan Lagos, Nigeria, a traffic prediction system is designed such that the predicted values (output) can be accessed by the public through mobile phones. The best route to a particular route will also be advised by the system. In addition, the expected fuel consumption and travel time will be included in the output. Input data is pre-processed based on acquired real time traffic data, the network is trained and the fuzzifier module categorized the numerical output of the model. The advisory module of the traffic prediction model then computes the expected travel time and the fuel consumption cost. The results obtained established the non-linear nature of traffic flow along the routes and indicates that predicting the traffic situation is non-algorithmic. The travel time along the routes is averaged at 23.5 minutes, while the fuel cost is estimated at an average of $2.03. Thus, proper control of traffic time and cost could be obtained if monitoring is aided with neuro-fuzzy as a tool. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  18 - Evaluation of Artificial Intelligent Methods to Release Sediments from Reservoirs by Pressurized Flushing
  Milad Abdolahpour Ali Hosseinzadeh Dalir Hadi Sanikhani
  Sedimentation in reservoirs is an important issue that should be considered for the reservoirs operation and useful life. In this study, application of the Adaptive Neuro-Fuzzy Inference System (ANFIS) and Artificial Neural Network (ANN) in prediction of the sediment re أکثر

  Sedimentation in reservoirs is an important issue that should be considered for the reservoirs operation and useful life. In this study, application of the Adaptive Neuro-Fuzzy Inference System (ANFIS) and Artificial Neural Network (ANN) in prediction of the sediment release from the bottom outlet using semi-cylinder for different variables was evaluated. Dimensionless parameters such as dimensionless length and height of the gap and water level were considered. The results indicated that both ANFIS and ANN hadan acceptable performance in this matter. The best performance of the ANFIS and ANN models had root mean square errors equal to 3.95×10-5 and 4.34×10-5, respectively. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  19 - Modeling Lake Urmia Water-Level Changes using Local Linear Neuro-Fuzzy Method
  Arash Razmkhah Seyed Reza Alvankar Abbas Kakahaji
  According to the water resources and climate change and challenges of Urmia Lake basin, which is the discharge and final destination of North West Rivers, a model was presented. Due to climate change and water resources in river basin such as rainfall, climate change in أکثر

  According to the water resources and climate change and challenges of Urmia Lake basin, which is the discharge and final destination of North West Rivers, a model was presented. Due to climate change and water resources in river basin such as rainfall, climate change in basin that has direct impact on evaporation over water catchment areas and lake water, this model can be provided. In addition, the inflow to the lake and the lake water-level fluctuations with the high accuracy and acceptable to experts could be estimated by this modeling and the lake water-level is going to be predicted up to one month. In order to simulate monthly fluctuations of the Lake water-level, this paper dealt with modeling the lake water level using two methods, Water Balance Equation and Local LinearNeuro-Fuzzy Network. In this study, to evaluate models’ accuracy, all of them were assessed by three most famous criteria including Root Mean Squares Error (RMSE), correlation coefficient (R), and similarity. The results obtained by Local LinearNeuro-Fuzzy Network modeling indicated that the concomitant use of cumulative flow (entering the lake), monthly precipitation and monthly evaporation on the lake surface provided the best performance with high accuracy regarding the simulated fluctuations of the monthly water level in Urmia Lake. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  20 - Adaptive Online Traffic Flow Prediction Using Aggregated Neuro Fuzzy Approach
  Shiva Rahimipour Mahnaz Mohaqeq S.Mehdi Hashemi
  Short term prediction of traffic flow is one of the most essential elements of all proactive traffic control systems. Although various methodologies have been applied to forecast traffic parameters, several researchers have showed that compared with the individual metho أکثر

  Short term prediction of traffic flow is one of the most essential elements of all proactive traffic control systems. Although various methodologies have been applied to forecast traffic parameters, several researchers have showed that compared with the individual methods, hybrid methods provide more accurate results . These results made the hybrid tools and approaches a more common method for prediction of various traffic parameters. In this paper, an aggregated approach is proposed for traffic flow prediction. The approach is based on the adaptive neuro-fuzzy inference system (ANFIS) and the macroscopic traffic flow model (METANET). Macroscopic modeling tool, METANET, is used to simulate the Hemmat highway/Tehran. After simulation, validation is done using real measurements to show the reliability of the simulation results. In order to calibrate the model, genetic algorithm was followed. The outcome suggests that the proposed approach as a hybrid method obtains a more accurate forecast than the neuro-fuzzy model alone. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  21 - Neuro-Fuzzy Based Algorithm for Online Dynamic Voltage Stability Status Prediction Using Wide-Area Phasor Measurements
  Ahmad Ahmadi Yousef Alinezhad Beromi
  In this paper, a novel neuro-fuzzy based method combined with a feature selection technique is proposed for online dynamic voltage stability status prediction of power system. This technique uses synchronized phasors measured by phasor measurement units (PMUs) in a wide أکثر

  In this paper, a novel neuro-fuzzy based method combined with a feature selection technique is proposed for online dynamic voltage stability status prediction of power system. This technique uses synchronized phasors measured by phasor measurement units (PMUs) in a wide-area measurement system. In order to minimize the number of neuro-fuzzy inputs, training time and complication of neuro-fuzzy system, the Pearson feature selection technique is exploited to select set of input variables that have the strongest correlation with the output. Study on the network features such as phase angle and voltage amplitude has shown that among two interesting features, phase angle has maximum information about the performance of the network and solely can be used for training purposes. This is extra advantage of the proposed method that minimum data is needed to predict dynamic voltage stability status The efficiency of the proposed dynamic voltage stability prediction method is verified by simulation results of New England 39-bus and IEEE 68-bus test systems. Simulation results show that the proposed algorithm is accurate, computationally very fast and reliable. Moreover, it requires minimum data and so it is desirable for Wide Area Monitoring System (WAMS). تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  22 - طراحی مدل ارزیابی رتبه بندی اعتباری اوراق بهادار اسلامی با رویکرد شبکه‌های عصبی- فازی تطبیق‌پذیر
  محمد شعبانی ورنامی حسین دیده خانی علی خوزین آرش نادریان
  هدف این پژوهش، طراحی مدل رتبه‌بندی اعتباری ناشران و ابزارهای تامین مالی اوراق بهادار اسلامی در بازار سرمایه ایران است. جهت انجام این هدف، سه گام اصلی انجام پذیرفت. گام اول، شناسایی معیارهای ارزیابی و یا همان ریسک‌های مرتبط با اوراق بهادار اسلامی بود که توسط خبرگان و مرو أکثر

  هدف این پژوهش، طراحی مدل رتبه‌بندی اعتباری ناشران و ابزارهای تامین مالی اوراق بهادار اسلامی در بازار سرمایه ایران است. جهت انجام این هدف، سه گام اصلی انجام پذیرفت. گام اول، شناسایی معیارهای ارزیابی و یا همان ریسک‌های مرتبط با اوراق بهادار اسلامی بود که توسط خبرگان و مروری بر مبانی نظری انجام پذیرفت. گام دوم، مدلسازی اوراق بهادار اسلامی با استفاده از مدل شبکه عصبی- فازی تطبیق‌پذیر بود که میانگین خطای آموزش تمامی مدل‌های اصلی و زیرمجموعه کمتر از حد آستانه بود. گام سوم، بکارگیری مدل‌سازی سیستم عصبی فازی در رتبه‌بندی اعتباری اوراق بهادار اسلامی می‌باشد. برای انجام این کار، در مرحله اول رتبه‌بندی ناشر بوده است که نتایج پژوهش نشان داد که ناشر دولت دارای کمترین و شرکت‌های خصوصی دارای بیشترین ریسک میباشند. در مرحله دوم برای رتبه‌بندی ابزارهای تأمین مالی، نتایج نشان داد که برای ناشر دولت اوراق اسناد خزانه دارای کمترین و اوراق سلف دارای بیشترین ریسک می-باشند. برای ناشر شرکت‌های دولتی، اوراق سلف دارای بیشترین و اوراق اجاره دارای کمترین ریسک می‌باشد. برای ناشر شرکت‌های مرتبط با نهادهای عمومی، اوراق مرابحه دارای بیشترین و اوراق اجاره دارای کمترین ریسک می‌باشد. برای ناشر شرکت‌های خصوصی، اوراق مشارکت دارای بیشترین و اوراق اجاره دارای کمترین ریسک میباشد. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  23 - پیش‌بینی قیمت سهام در بورس اوراق بهادار با استفاده از مدل ترکیبی مبتنی بر شبکه عصبی بازگشتی و سیستم استنتاج عصبی فازی سازگار و سیستم خبره فازی
  مصطفی یوسفی طزرجان اعظم دخت صفی صمغ آبادی عزیزاله معماریانی
  پیش‌بینی قیمت سهام در بورس اوراق بهادار موضوعی چالش برانگیز و جذاب است. سرمایه گذاران علاقه مندند که بتوانند سود سهام مختلف را در بازارهای مالی پیش‌بینی کنند. در این مقاله مدل ترکیبی ارائه شده است که در آن ابتدا قیمت پایانی سهام برای روز بعد بر مبنای الگوریتم سیستم استن أکثر

  پیش‌بینی قیمت سهام در بورس اوراق بهادار موضوعی چالش برانگیز و جذاب است. سرمایه گذاران علاقه مندند که بتوانند سود سهام مختلف را در بازارهای مالی پیش‌بینی کنند. در این مقاله مدل ترکیبی ارائه شده است که در آن ابتدا قیمت پایانی سهام برای روز بعد بر مبنای الگوریتم سیستم استنتاج عصبی فازی سازگار (ANFIS) و شبکه عصبی بازگشتی (RNN) با استفاده از داده‌های تاریخی و شاخص‌های اندیکاتور پیش‌بینی می‌شود. سپس نتایج به همراه وضعیت شایعات بازار به سیستم خبره فازی وارد می‌شود و پیش‌بینی را بر مبنای خروجی سیستم عصبی فازی و شبکه عصبی بازگشتی به همراه وضعیت شایعات بازار، نهایی می‌کند. مدل ترکیبی ارائه شده برای پیش‌بینی قیمت داده‌های سهام شرکت فولاد مبارکه اصفهان اجرا شد. در این مطالعه برای داده‌های تحقیق از داده‌های شرکت بورس اوراق بهادار تهران مربوط به داده‌های سهام شرکت فولاد مبارکه اصفهان از 5 فروردین 1395 لغایت 29 اسفند 1398 استفاده شده است. چهار شاخص فنی در این مطالعه مورد استفاده قرار گرفته است که عبارتند از: میانگین متحرک(MA)، میانگین متحرک نمایی(EMA)، اندیکاتور قدرت نسبی(RSI)، اندیکاتور میانگین متحرک همگرایی واگرایی(MACD). از این متغیرها به عنوان ورودی سیستم عصبی فازی برای پیش‌بینی قیمت پایانی روز بعد سهام شرکت فولاد مبارکه اصفهان استفاده شده است. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  24 - Prediction of toxicity of aliphatic carboxylic acids using adaptive neuro-fuzzy inference system
  Vali Zare-Shahabadi
  Toxicity of 38 aliphatic carboxylic acids was studied using non-linear quantitative structure-toxicityrelationship (QSTR) models. The adaptive neuro-fuzzy inference system (ANFIS) was used to construct thenonlinear QSTR models in all stages of study. Two ANFIS models we أکثر

  Toxicity of 38 aliphatic carboxylic acids was studied using non-linear quantitative structure-toxicityrelationship (QSTR) models. The adaptive neuro-fuzzy inference system (ANFIS) was used to construct thenonlinear QSTR models in all stages of study. Two ANFIS models were developed based upon differentsubsets of descriptors. The first one used log ow K and LUMO E as inputs and had good prediction ability; forthe training set of 28 compounds 2Training R was 0.86 and for the test set of 10 compounds, the correspondingstatistic was 2Test R =0.97. Two outliers were detected for this ANFIS model and removing them improved thequality of the model. Another ANFIS model was constructed based on PEOE_VSA_FPNEG and G3udescriptors chosen by exhaustive search of all two combinations of calculated descriptors by Dragon andMOE softwares. The later ANFIS model showed better performance than the former ( 2Training R =0.92 and2Test R =0.90) and no outlier was detected. تفاصيل المقالة