Scopus İndeksli Yayınlar Koleksiyonu / Scopus Indexed Publications Collection

Permanent URI for this collectionhttps://hdl.handle.net/11147/7148

Browse

Filters

2012 - 20174

Settings

Scopus Q: search.filters.scopusQuartile.Q3Subject: search.filters.subject.Fuzzy logic

Search Results

Now showing 1 - 4 of 4
  • Conference Object
    Citation - Scopus: 1
    Fuzzy-Syllogistic Systems: a Generic Model for Approximate Reasoning
    (Springer, 2016) Kumova, Bora İsmail
    The well known Aristotelian syllogistic system S consists of 256 moods. We have found earlier that 136 moods are distinct in terms of equal truth ratios that range in tau = [ 0,1]. The truth ratio of a particular mood is calculated by relating the number of true and false syllogistic cases that the mood matches. The introduction of (n -1) fuzzy existential quantifiers, extends the system to fuzzy-syllogistic systems S-n, 1 < n, of which every fuzzy-syllogistic mood can be interpreted as a vague inference with a generic truth ratio, which is determined by its syllogistic structure. Here we introduce two new concepts, the relative truth ratio (r)tau = [ 0,1] that is calculated from the cardinalities of the syllogistic cases of the mood and fuzzy-syllogistic ontology (FSO). We experimentally apply the fuzzy-syllogistic systems S-2 and S-6 as underlying logic of a FSO reasoner (FSR) and discuss sample cases for approximate reasoning.y
  • Article
    Citation - WoS: 7
    Citation - Scopus: 8
    Performance Indices of Soft Computing Models To Predict the Heat Load of Buildings in Terms of Architectural Indicators
    (Yıldız Teknik Üniversitesi, 2017) Turhan, Cihan; Kazanasmaz, Zehra Tuğçe; Gökçen Akkurt, Gülden
    This study estimates the heat load of buildings in Izmir/Turkey by three soft computing (SC) methods; Artificial Neural Networks (ANNs), Fuzzy Logic (FL) and Adaptive Neuro-based Fuzzy Inference System (ANFIS) and compares their prediction indices. Obtaining knowledge about what the heat load of buildings would be in architectural design stage is necessary to forecast the building performance and take precautions against any possible failure. The best accuracy and prediction power of novel soft computing techniques would assist the practical way of this process. For this purpose, four inputs, namely, wall overall heat transfer coefficient, building area/ volume ratio, total external surface area and total window area/total external surface area ratio were employed in each model of this study. The predicted heat load is evaluated comparatively using simulation outputs. The ANN model estimated the heat load of the case apartments with a rate of 97.7% and the MAPE of 5.06%; while these ratios are 98.6% and 3.56% in Mamdani fuzzy inference systems (FL); 99.0% and 2.43% in ANFIS. When these values were compared, it was found that the ANFIS model has become the best learning technique among the others and can be applicable in building energy performance studies.
  • Article
    Citation - WoS: 3
    Citation - Scopus: 5
    Classifications for Planimetric Efficiency of Nursing Unit Floors
    (Middle East Technical University, 2012) Kazanasmaz, Zehra Tuğçe; Tayfur, Gökmen
    Bu çalışma, Türkiye’deki 15 Devlet Hastanesine ait ‘Hasta Bakım Üniteleri’ verilerini kullanarak, mimarlık alanında oldukça yeni olan Bulanık Mantık metodu ile verimlilik tahmini yapmakta; bu çerçevede bulanık mantık algoritması geliştirerek, Türkiye’de örnek olarak seçilen kamu hastanelerinin plan (planimetric) tasarım verimliliği için sınıflandırmalar geliştirmeye çalışmaktadır. Hasta bakım ve tedavi ünitelerinin kat planlarından hasta kullanım alanları ve dolaşım alanları elde edilerek bulanık mantık modeli alt kümeleri için üyelik fonksiyonları oluşturulmuştur. ‘Mamdanni’ kural sistemi, kuralların ağırlıklarını hesaplamada ‘min’ fonksiyonu, ve ‘max’ kompozisyonu ve ‘centroid’ metodu da bulanık işlemcisi için kullanılmıştır. Girdi değişkenleri olarak hasta kullanım alanları ve dolaşım alanları modellenmiştir. Girdi değişkenleri ile çıktı değişkeni olan tasarım verimliliği arasındaki ilişkiler bulanık mantık kuralları ile ortaya çıkarılmıştır. Varolan hasta bakım ünitelerini incelemek için, verimlilik çıktı değerleri modelden elde edilmiştir. Genel tasarım normları, tasarım ölçütleri ve önceki çalışmalar ışığında ve de bu model aracılığıyla verimlilik sınıfları oluşturulmuştur. Modelde test edilen 15 hastane kat planından altısının düşük verimli sınıf içinde, dokuzunun ise orta verimli sınıf içinde olduğu görülmüştür. Hiçbiri güncel standartlara ve gereksinimlere uygun değildir. Bu çalışmada elde edilen modelin faydası, verimlilik sınıflarının sınır değerlerini belirleme yeteneğinde olmasıdır. Hastanelerin karşılaştırılarak incelenmesi için oluşturulan verimlilik sınıflandırılması başarı ile sonuçlanmıştır. Hastane tasarımcıları ve yöneticileri, mevcut hastanelerin değerlendirmesini ve karşılaştırmaları yapabilmek için bu çalışmadan geribildirim yoluyla bilgi edinebilir. Sonuç olarak, ilgili binalar hakkında karar verme aşmasında(örneğin binanın iyileştirme ihtiyacının olup olmadığı, yeni mekanlara gerek duyulup duyulmadığı gibi) bu modelden faydalanabilirler.
  • Article
    Citation - WoS: 9
    Citation - Scopus: 10
    Modelling Trip Distribution With Fuzzy and Genetic Fuzzy Systems
    (Taylor and Francis Ltd., 2013) Kompil, Mert; Çelik, Hüseyin Murat
    This paper explores the potential capabilities of fuzzy and genetic fuzzy system approaches in urban trip distribution modelling with some new features. First, a simple fuzzy rule-based system (FRBS) and a novel genetic fuzzy rule-based system [GFRBS: a fuzzy system improved by a knowledge base learning process with genetic algorithms (GAs)] are designed to model intra-city passenger flows for Istanbul. Subsequently, their accuracy, applicability and generalizability characteristics are evaluated against the well-known gravity- and neural network (NN)-based trip distribution models. The overall results show that: traditional doubly constrained gravity models are still simple and efficient; NNs may not show expected performance when they are forced to satisfy trip constraints; simply-designed FRBSs, learning from observations and expertise, are both efficient and interpretable even if the data are large and noisy; and use of GAs in fuzzy rule-based learning considerably increases modelling performance, although it brings additional computation cost.