检索结果-内蒙古大学图书馆

作者：周格仲淡江大学

学位级别：硕士

本文系使用田口法与适应性类神经模糊推论系统于探讨塑胶射出成型最佳化问题，并应用多目标决策使最佳化结果能够选择多样性，以达到多目标最佳化之目的。研究中使用绘图软体进行实体绘制，接而使用Moldex3D执行模流分析，选择材料温度... 详细信息

本文系使用田口法与适应性类神经模糊推论系统于探讨塑胶射出成型最佳化问题，并应用多目标决策使最佳化结果能够选择多样性，以达到多目标最佳化之目的。研究中使用绘图软体进行实体绘制，接而使用Moldex3D执行模流分析，选择材料温度、模具温度、填充时间、保压压力、保压时间与冷却时间做为控制因子，针对缝合线长度、翘曲变形、体积收缩率与周期时间等目标做探讨。最佳化首先导入田口法利用直交表配合信号杂讯比与变异数分析，获得一组较佳射出参数与因子的影响程度，由分析结果显示，保压时间为这六个因子中影响最为显着的因子。其次将所得到之结果，再导入适应性类神经模糊推论系统，以得到最佳化加工参数组合。最后运用多目标决策方法获取各目标间得以平衡的加工参数组合，以达多目标最佳化研究之目的。　　由模拟分析结果显示，翘曲变形最佳化可同时达成体积收缩率最佳化，但周期时间须较长，如翘曲变形最佳化为0.089mm，体积收缩率仅为0.874%，但周期时间为51.909秒。由于多目标无法达成所有目标值同时最佳化，故使用多目标决策法，利用每个单一目标下所得之最佳化结果，在翘曲变形与体积收缩率可接受的条件下，降低周期时间，得到一组多目标最佳化加工参数，如翘曲变形为0.251mm，体积收缩率为1.860%，而周期时间降为46.842秒。故本研究可证实田口法与适应性类神经模糊推论系统和多目标决策能有效应用于塑胶射出成型之多目标最佳化。

关键词：田口法适应性类神经模糊推论系统塑胶射出成型最佳化

来源：评论

学校读者我要写书评

暂无评论

整合資訊擴散技術之適應性類神經模糊推論系統

整合資訊擴散技術之適應性類神經模糊推論系統

引用

作者：曾國立成功大學

学位级别：碩士

不同於以往大多数针对确定性资料的学习方法，自模糊集合理论发表後，使得如人类语意之不确性资料获得学习的可能。模糊推论系统(FIS)基於此开发使得不确定性资料获得系统性的学习，然其需藉由调整参数组的方式以获取最佳学习结果，而... 详细信息

不同於以往大多数针对确定性资料的学习方法，自模糊集合理论发表後，使得如人类语意之不确性资料获得学习的可能。模糊推论系统(FIS)基於此开发使得不确定性资料获得系统性的学习，然其需藉由调整参数组的方式以获取最佳学习结果，而此参数组包含前部件以及後部件，其中前部件参数包含输入属性之隶属函数(MF)数量、以及描述其形状与值域的参数值，而後部件参数则为依据前部件之修订结果所建构之线性模式系数。Jang则於1993年提出结合类神经网路(ANN)之叠代学习法修订FIS之参数组，称为适应性类神经模糊推论系统(ANFIS)。虽ANFIS可藉由ANN取得最优之前部件参数而获得最优结果，然初始前部件参数之MF设定值亦会影响其最终结果。此外，在分类问题上，MF之个数可依据输出属性之可能类别值数量决定，然在数值预测问题上，却无法确切决定此数量。因此本研究提出一个系统性的流程以决定此初始前部件的参数设定，首先使用模糊C-means分群法搭配模糊侧影系数决定最适分群数为MF数量，再使用整体趋势扩散技术对此时样本分群结果进行模糊MF之参数值推估。实验阶段，本研究藉由从面板产业取得之实务资料进行测试，其结果显示确能有效改善ANFIS对於数值预测问题之预测准确度。

关键词：適應性類神經模糊推論系統整體趨勢擴散技術模糊分群法

来源：评论

学校读者我要写书评

暂无评论

適應性類神經模糊推論系統預測公共工程決標金額之研究－以高雄市政府水利局標案為例

引用

营建管理季刊 2013年第96期 25-41页

作者：王建文王裕仁

台湾现行公共工程投标程序都设有投标期限，并采用最低标方式决标来决定执行工程专案之营造厂商，这不仅迫使营造厂商必需以快速且精准的去推估投标金额，且易陷入恶性削价抢标的激烈竞争，进而影响营造厂商的利润及得标之效益。故此，... 详细信息

台湾现行公共工程投标程序都设有投标期限，并采用最低标方式决标来决定执行工程专案之营造厂商，这不仅迫使营造厂商必需以快速且精准的去推估投标金额，且易陷入恶性削价抢标的激烈竞争，进而影响营造厂商的利润及得标之效益。故此，本研究将建构一套较精确投标决策作业前的标价预测模式，是多年来许多营造厂商想探讨之议题。本研究撷取高雄市政府水利局近2年360笔之工程决标案例资料，得知大部分标案集中於100万至5千万元之间，占总案例的86%，故本研究将100万至5千万元之间决标案例区分为三个级距来预测分析，并以预算金额、押标金、履约期限等三项因子视为自变数，而工程决标金额设定为应变数，以复回归分析、支援向量机及适应性类神经模糊推论系统等方法，来建构模型运算各自变数与应变数之间的关联强度，并比较不同方法所建构模型之预测差异性。研究结果显示，在100万至200万、200万至400万及400万至5000万这三个级距，传统统计方法(复回归分析)劣於人工智慧方法(支援向量机与适应性类神经模糊推论系统)。其中复回归分析平均相对误差百分比为83.50%、26.37%及82.62%；而在人工智慧方法之适应性类神经模糊推论系统平均相对误差百分比为17.25%、15.78%及14.55%略优於支援向量回归的18.16%、16.86%及14.9%。较佳的预测模型可作为日後营造厂商是否参与竞标及投标之参考依据。

关键词：工程決標價預算金額押標金履約期限複迴歸分析支援向量機適應性類神經模糊推論系統

来源：评论

学校读者我要写书评

暂无评论

使用適應性類神經模糊推論系統於台灣加權股價之預測

使用適應性類神經模糊推論系統於台灣加權股價之預測

引用

第18届海峡两岸咨询管理发展与策略学术研讨会暨2012两岸咨询发展高峰论坛

作者：葉進儀丁崧杰嘉義大學資訊管理學系

股票在台灣是一項重要的投資選擇,然而在股票市場中,股價容易受到利多或者是利空消息影響而波動,傳統上股市分析主要依靠基本分析與技術分析兩種分析方法,隨著資料探勘領域的發展以及電腦計算速度提升,在股票市場中使用資料探勘工具做分... 详细信息

股票在台灣是一項重要的投資選擇,然而在股票市場中,股價容易受到利多或者是利空消息影響而波動,傳統上股市分析主要依靠基本分析與技術分析兩種分析方法,隨著資料探勘領域的發展以及電腦計算速度提升,在股票市場中使用資料探勘工具做分析,能夠快速從大量的資料中找出有用資訊,及時提供處在瞬息萬變市場中的投資者,進行投資決策時的參考依據.過去有關財務金融相關領域之研究,許多學者提出以類神經網路為基礎的研究,因為類神經網路擁有良好了學習與歸納之能力,但類神經網路具有黑盒子的天性,類神經網路輸入與輸出之間的因果關係,是不容易去解釋及被了解的.由於模糊推論系統可以使用與人類推理較相似的方式來描述實際問題並容許資料集所存在的不準確性與不確定性,因此本研究結合資料探勘中的類神經網路以及模糊推論系統,以適應性類神經模糊推論系統(ANFIS)作為股價預測的工具.本研究資料涵蓋民國95年1月1日至民國100年12月31日,並依照年度分為5個子資料集,其中前10個月之資料做為訓練資料,建構出預測模型,而後2個月之資料為測試資料,用來評估此預測模型之績效,根據實驗結果RMSE分別為165,155,88,66,145而MAPE則分別為1.72％,0.61％,0.83％,2.95％,1.65％.顯示本研究之模型在合理誤差範圍中,可提供相對於類神經網路為基礎之預測模型所無法清楚表達之因果關係,供投資人進行投資決策時參考.

关键词：適應性類神經模糊推論系統時間序列股價預測

来源：评论

学校读者我要写书评

暂无评论

结合真实波动性预测模型与准蒙地卡罗仿真法于风险值之研究

引用

管理科学 2006年第1期19卷 72-78页

作者：余尚武王铭祥台湾科技大学信息管理系

以台湾加权腔价指数为研究对象，研究期间为2001年1月2日～2003年1月13日。共计500日之报酬率资料。采用不同真实波动性预测模型。研究不同抽样频率的报酬率数据与不同波动性预测模型的预测能力，并结合准蒙地卡罗仿真法进行地尺值之仿... 详细信息

以台湾加权腔价指数为研究对象，研究期间为2001年1月2日～2003年1月13日。共计500日之报酬率资料。采用不同真实波动性预测模型。研究不同抽样频率的报酬率数据与不同波动性预测模型的预测能力，并结合准蒙地卡罗仿真法进行地尺值之仿真，以进行地尺估算绩效之比较。研究发现，利用真实波动性观念的日内报酬率数据的确能带来较有用的信息，就波动性预测准确度而言，整体上以Intraday GARCH（1，1）模型最好；就地尺估算绩效而言。则以适应性类神经模糊推论系统模型相对较佳。

关键词：风险值真实波动性适应性类神经模糊推论系统

来源：评论

学校读者我要写书评

暂无评论

龙门电厂自动功率调节系统之辅助系统设计

龙门电厂自动功率调节系统之辅助系统设计

引用

作者：黄宣翰国立清华大学

学位级别：硕士

本研究为龙门核电厂的自动升载系统与运转员建置了一套辅助系统，其作用在于预测与判断电厂状态来避免不当操作。此辅助系统有两大功能：预测与判断。预测方面我们采用自适应式模糊类神经网路方法来实现，预测的目标为电厂5分钟后的炉... 详细信息

本研究为龙门核电厂的自动升载系统与运转员建置了一套辅助系统，其作用在于预测与判断电厂状态来避免不当操作。此辅助系统有两大功能：预测与判断。预测方面我们采用自适应式模糊类神经网路方法来实现，预测的目标为电厂5分钟后的炉心压力与蒸气流量率；我们把神经网路模组化，炉心压力预测采用阶层的结构。判断方面采用模糊逻辑方法来让辅助系统对电厂的状态进行判断，其输出是对功率要求的接受值，接受值高表示电厂状态较稳定，辅助系统将接受此要求。辅助系统设计完成后，我们使用龙门模拟器来做为训练资料来源与测试平台；龙门模拟器属于动态全范围模拟器，可以实时模拟龙门电厂各种转情况。系统被进行自动升载测试与炉内帮浦跳脱一台测试；从自动升载测试的结果发现，加入辅助系统比起只用自动升载调节系统，可以有效避免汽机旁通阀开启暂态；从炉内帮浦跳脱一台测试的结果发现，借由模糊逻辑的输入与输出可以发现其电厂的异常状态。从测试的结果可以展示，本研究所设计的辅助系统可以在极短的时间，得到合理的电厂参数动态预测，达到协助运转员判断与增进电厂安全、效率的目标。

关键词：模糊逻辑系统预测适应性类神经模糊推论系统龙门核电厂

来源：评论

学校读者我要写书评

暂无评论

模糊推論模式中決策庫之建置應用於水庫操作最佳化之影響

模糊推論模式中決策庫之建置應用於水庫操作最佳化之影響

引用

作者：劉立約中興大學

学位级别：碩士

台湾为一雨量丰沛之地区，但由於降雨时空分配不均与社会经济的发展，水资源短缺的问题日益严重。如何有效的操作运用水库资源，使其尽量满足各标的用水需求及水资源永续经营，实是当前首要的课题。本研究针对以模糊推论理论进行水库放... 详细信息

台湾为一雨量丰沛之地区，但由於降雨时空分配不均与社会经济的发展，水资源短缺的问题日益严重。如何有效的操作运用水库资源，使其尽量满足各标的用水需求及水资源永续经营，实是当前首要的课题。本研究针对以模糊推论理论进行水库放水最佳操作策略进行深入研究。以模糊推论模式求解最佳化结果时，有两大主要要素决定模式之模拟成果，一者为隶属度函数之设定，另一者为模糊推论规则库之建立，本研究将这针对此两因子，就以模糊推论模式进行水库操作最佳化之研究与分析。模糊隶属度函数之设计，因应水库之水文特性、系统需求及解模糊化之技巧，宜给予适合之设计，本研究以曾文水库之实际操作为例，设计相应蓄水量、入流量、未来入流量和放水量之隶属度函数，期望能提供合理之放水需求量。模糊规则库之建置前人多以人为之界定或归纳方法设定，其常因样本数之不足，所设立之规则库常有空缺与矛盾之特性，因近年类神经网路应用於资料回归训练模式有长足之成效，本研究将使用Jang所提出之适应性类神经模糊推论系统，针对模糊推论系统建构类神经网路之学习模式，期能因输入资料与输出资料之内存规则建立适宜之规则库。对於解模糊化之方法，亦应用模糊权重之分配方式，期能获得更准确合理之模拟。最後，将以上之模式应用於曾文水库之实际操作中，结果显示本模式之操作有效性成功提升整体之放水操作结果。

关键词：水庫操作適應性類神經模糊推論系統模糊推論模式模糊規則庫 MT10規線

来源：评论

学校读者我要写书评

暂无评论

以肌電波為基礎之機器手臂運動控制

以肌電波為基礎之機器手臂運動控制

引用

作者：劉修任交通大學

学位级别：博士

肌电波（electromyography，EMG)是肌肉收缩过程所产生的生理讯号，含有肌肉收缩之强度与动作之意图，可作为肢体残障与年长人士的义肢或机器手臂的控制命令。为建构一套以肌电波为基础之机器手臂运动操控系统，本论文提出一个简单又有... 详细信息

肌电波（electromyography，EMG)是肌肉收缩过程所产生的生理讯号，含有肌肉收缩之强度与动作之意图，可作为肢体残障与年长人士的义肢或机器手臂的控制命令。为建构一套以肌电波为基础之机器手臂运动操控系统，本论文提出一个简单又有效率之方法，起始点侦测法 (initial point detection)，其原理为当撷取之特徵(feature)值高於上临界值时则判定肌肉是处於活动之状态，直至特徵值低於下临界值时才判定肌肉停止活动。然个体之模糊性，致使上下临界值之设定不易，虽由尝试错误法(trial-and-error method)可使分类器达到高的辨识率，但选取过程费工耗时，故引用模糊系统加以改善，其可行性经单自由度(one degree of freedom)机器手臂运动控制获得确认。然将所提之架构延伸於辨识控制多自由度机器手臂运动之肌电讯号时，发现原方法并不适用於肌肉相互干涉(muscle mutual interference)过大的情况，进而采用希尔伯特-黄转换法(Hilbert-Huang transform)中之经验模态分解法(empirical mode decomposition, EMD)，将EMG讯号分解成多个内建模态函数(instrinsic mode function, IMF)，萃取出主要执行运动肌肉之讯号。同时为有效地获得多个肌肉其上下临界值合适之归属函数，本论文应用适应性类神经模糊推论系统(adaptive neuro-fuzzy inference system, ANFIS)改善传统模糊系统要由人工调整的缺点。所提之方法既没有复杂之演算流程，也不须学习与训练过程，故即时之肌电波机器手臂运动控制得以实现。

关键词：肌電波機器手臂運動操控系統適應性類神經模糊推論系統經驗模態分解法

来源：评论

学校读者我要写书评

暂无评论

Prediciton of Student Academic Performance Using an ANFIS Approach

引用

International Journal of Information and Management Sciences 2014年第4期25卷 371-389页

作者：陳正芳 Quang Hung Do

入学管理是大学治校的重要课题。入学管理程序中的一个重要议题是判断入学申请者是否适合就读所申请的学系。为处理这个议题，我们需要一个能准确预测学生未来学术表现的模型。在本研究中，我们提出一个以适应性类神经模糊推论系统(ANF... 详细信息

入学管理是大学治校的重要课题。入学管理程序中的一个重要议题是判断入学申请者是否适合就读所申请的学系。为处理这个议题，我们需要一个能准确预测学生未来学术表现的模型。在本研究中，我们提出一个以适应性类神经模糊推论系统(ANFIS)为基的方法来预测学生未来的学术表现。我们以学生先前的不同测验成绩为输入变数，而由於输入变数太多，我们先辨识出较有影响的变数，然後ANFIS再以这些较有影响的变数来预测学生未来的学术表现。我们将本研究所提的方法和多元线性回归以及人工神经网路方法作比较，比较结果显示，本研究所提的方法优於多元线性回归以及人工神经网路方法，并且可获得相当稳定的结果。我们期望本研究的模型可提供一个有效的工具来支援入学管理程序。

关键词：適應性類神經模糊推論系統預測學生入學高等教育

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：