An empowered adaptive neuro-fuzzy inference system using self-organizing map clustering to predict mass transfer kinetics in deep-fat frying of ostrich meat plates

2011 ◽  
Vol 76 (1) ◽  
pp. 89-95 ◽  
Author(s):  
Mohammad Reza Amiryousefi ◽  
Mohebbat Mohebbi ◽  
Faramarz Khodaiyan ◽  
Shahrokh Asadi
Keyword(s):  
Mass Transfer ◽  
Fuzzy Inference System ◽  
Fuzzy Inference ◽  
Self Organizing Map ◽  
Deep Fat Frying ◽  
Inference System ◽  
Neuro Fuzzy ◽  
Mass Transfer Kinetics ◽  
Self Organizing

scholarly journals HYBRID MODEL OF SELF-ORGANIZING MAP AND ADAPTIVE NEURO FUZZY INFERENCE SYSTEM IN STOCK INDEXES FORECASTING

2021 ◽  
Vol 9 (2) ◽  
pp. 70-80
Author(s):  
M. Kushnir ◽  
K. Tokarieva
Keyword(s):  
Time Series ◽  
Stock Market ◽  
Stock Prices ◽  
Fuzzy Inference System ◽  
Fuzzy Inference ◽  
Financial Time Series ◽  
Self Organizing Map ◽  
Inference System ◽  
Neuro Fuzzy ◽  
Self Organizing

The paper investigates methods of artificial intelligence in the prognostication and analysis of financial data time series. It is uncovered that scholars and practitioners face some difficulties in modelling complex system such as the stock market because it is nonlinear, chaotic, multi- dimensional, and spatial in nature, making forecasting a complex process. Models estimating nonstationary financial time series may include noise and errors. The relationship between the input and output parameters of the models is essentially non-linear, where stock prices include higher-level variables, which complicates stock market modeling and forecasting. It is also revealed that financial time series are multidimensional and they are influenced by many factors, such as economics, politics, environment and so on. Analysis and evaluation of multi- dimensional systems and their forecasting should be carried out by machine learning models. The problem of forecasting the stock market and obtaining quality forecasts is an urgent task, and the methods and models of machine learning should be the main mathematical tools in solving the above problems. First, we proposed to use self-organizing map, which is used to visualize multidimensional data by configuring neurons to quantize or cluster the input space in the topological structure. These characteristics of this algorithm make it attractive in solving many problems, including clustering, especially for forecasting stock prices. In addition, the methods discussed, encourage us to apply this cluster approach to present a different data structure for forecasting. Thus, models of adaptive neuro-fuzzy inference system combine the characteristics of both neural networks and fuzzy logic. Given the fact that the rule of hybrid learning and the theory of logic is a clear advantage of adaptive neuro-fuzzy inference system, which has computational advantages over other methods of parameter identification, we propose a new hybrid algorithm for integrating self-organizing map with adaptive fuzzy inference system to forecast stock index prices. This algorithm is well suited for estimating the relationship between historical prices in stock markets. The proposed hybrid method demonstrated reduced errors and higher overall accuracy.

scholarly journals SONFIS: Structure Identification and Modeling with a Self-Organizing Neuro-Fuzzy Inference System

2016 ◽  
Vol 9 (3) ◽  
pp. 416-432 ◽  
Author(s):  
Héctor Allende-Cid ◽  
Rodrigo Salas ◽  
Alejandro Veloz ◽  
Claudio Moraga ◽  
Héctor Allende
Keyword(s):  
Fuzzy Inference System ◽  
Fuzzy Inference ◽  
Structure Identification ◽  
Inference System ◽  
Neuro Fuzzy ◽  
Self Organizing

scholarly journals Self-Organizing Neuro-Fuzzy Inference System

2008 ◽  
pp. 429-436 ◽  
Author(s):  
Héctor Allende-Cid ◽  
Alejandro Veloz ◽  
Rodrigo Salas ◽  
Steren Chabert ◽  
Héctor Allende
Keyword(s):  
Fuzzy Inference System ◽  
Fuzzy Inference ◽  
Inference System ◽  
Neuro Fuzzy ◽  
Self Organizing

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.

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