Wyniki wyszukiwania - Biblioteka Nauki

Nowa wersja platformy, zawierająca wyłącznie zasoby pełnotekstowe, jest już dostępna.
Przejdź na https://bibliotekanauki.pl

Ograniczanie wyników

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: adaptive neuro fuzzy inference system

Sortuj według:

Ogranicz wyniki do:

Intelligent Retail Forecasting System for New Clothing Products Considering Stock-out

100%

Huang H. , Liu Q.

Fibres & Textiles in Eastern Europe

2017

tom Vol. 25, no. 1 (121)

10--16

Improving the accuracy of forecasting is crucial but complex in the clothing industry, especially for new products, with the lack of historical data and a wide range of factors affecting demand. Previous studies more concentrate on sales forecasting rather than demand forecasting, and the variables affecting demand remained to be optimized. In this study, a two-stage intelligent retail forecasting system is designed for new clothing products. In the first stage, demand is estimated with original sales data considering stock-out. The adaptive neuro fuzzy inference system (ANFIS) is introduced into the second stage to forecast demand. Meanwhile a data selection process is presented due to the limited data of new products. The empirical data are from a Canadian fast-fashion company. The results reveal the relationship between demand and sales, demonstrate the necessity of integrating the demand estimation process into a forecasting system, and show that the ANFIS-based forecasting system outperforms the traditional ANN technique.

Poprawa dokładności prognozowania jest bardzo istotna, ale skomplikowana w przypadku przemysłu odzieżowego, zwłaszcza dla nowych produktów oraz szerokiego zakresu czynników wpływających na popyt. Wcześniejsze badania bardziej koncentrowały się na prognozowaniu sprzedaży, niż prognozowaniu popytu. Zmienne wpływające na popyt powinny zostać zoptymalizowane. W tym badaniu opracowano dwustopniowy inteligentny system prognozowania sprzedaży detalicznej przeznaczony dla nowych produktów odzieżowych. W pierwszym etapie, popyt jest określony za pośrednictwem oryginalnych danych dotyczących sprzedaży. Adaptacyjny neuronowy system danych rozproszonych (ANFIS) jest wprowadzony w drugim etapie do prognozowania popytu. Jednocześnie prezentowany jest proces selekcji danych. Dane empiryczne pochodzą z kanadyjskiej firmy.

An efficient fuel cell maximum power point tracker based on an adaptive neural fuzzy inference system

80%

Zouggaret A. , Azzeddine H. A. , Berka M. , Chaouch D. E. , Hebali M. , Bellil M. , Djilani Kobibi Y. I.

Przegląd Elektrotechniczny

2023

tom R. 99, nr 2

135--139

In this article, we develop a Maximum Power Point Tracker (MPPT) for a fuel cell system based on an Adaptive Neural Fuzzy Inference System (ANFIS). The system considered consists of a Proton Exchange Membrane fuel cell (PEMFC) connected to a resistive load via a boost converter, an ANFIS giving the reference signals (the voltage and the current values of the maximum power point whatever the operating conditions of the fuel cell), and a PI (Proportional integrator) controller with a Pulse Width Modulation (PWM) signal generator to tuning the duty cycle of the DC-DC boost converter. The ANFIS training database uses samples calculated using a validate fuel cell electrochemical model. The simulation results obtained using Matlab-Simulink package demonstrate the effectiveness of the proposed MPPT compared to conventional MPPT techniques in terms of static and dynamic performance.

W tym artykule opracowujemy śledzenie punktu maksymalnej mocy (MPPT) dla systemu ogniw paliwowych opartego na Adaptive Neural Fuzzy Inference System (ANFIS). Rozważany system składa się z ogniwa paliwowego z membraną do wymiany protonów (PEMFC) połączonego z obciążeniem rezystancyjnym poprzez konwerter doładowania, ANFIS dający sygnały odniesienia (napięcie i wartości prądu maksymalnego punktu mocy, niezależnie od warunków pracy ogniwa paliwowego ) oraz sterownik PI (proporcjonalny integrator) z generatorem sygnału z modulacją szerokości impulsu (PWM) do dostrajania cyklu pracy przetwornicy podwyższającej DC-DC. Baza danych szkoleniowych ANFIS wykorzystuje próbki obliczone przy użyciu walidacyjnego modelu elektrochemicznego ogniw paliwowych. Wyniki symulacji uzyskane przy użyciu pakietu MATLAB-Simulink pokazują skuteczność proponowanego MPPT w porównaniu z konwencjonalnymi technikami MPPT pod względem wydajności statycznej i dynamicznej.