XiaoMi-AI文件搜索系统
World File Search System模糊
大数据和模糊逻辑用于供应需求预测
需求预测是一项重要活动，它直接影响供应链的运作，为决策提供了坚实的基础。运营策略长期以来一直专注于需求预测，以更好地管理库存并最大限度地提高客户满意度。然而，大多数需求预测方法都无法向企业揭示任何信息，因为它们没有考虑到产品的季节性、当前的市场趋势，或者预测如何影响牛鞭效应。迫切需要建立能够智能、快速地检查供应链中大量数据的技术。大数据可以帮助企业解决他们的问题。同时，模糊逻辑模型有助于在缺乏历史数据、主观消费者偏好或不可预测的市场环境的情况下捕捉和管理不确定性。因此，本文提出了一种基于模糊逻辑的大数据驱动需求预测框架 (FL-BDDF)，该框架确定促销营销工作、过去的需求和其他变量在做出预测方面的作用，这些预测可以塑造、感知和响应实际消费者需求。借助大数据分析 (BDA)，企业可以提高需求预测的准确性。模糊逻辑让它们包括定性指标，如市场情绪、专家观点或主观风险评估以及典型的定量信息。运营和供应链管理 (OSCM) 与其他领域一样，提供了实时创建大量数据的机会。这项研究的结果可能有助于学术界和行业专业人士更好地掌握大数据为 SCM 和需求预测提供的可能性。实验结果表明，与其他现有模型相比，建议的 FL-BDDF 模型将准确率提高了 98.4%，供应链预测率提高了 97.3%，客户满意度提高了 95.4%，成本降低了 57%。关键词：供应链管理、模糊逻辑、大数据、需求预测、数据驱动。
通过自学习模糊强化学习实现燃料电池混合动力汽车的终身延长能源管理策略
摘要 — 建模困难、模型时变和外部输入不确定是燃料电池混合动力汽车能源管理面临的主要挑战。本文提出了一种基于模糊强化学习的燃料电池混合动力汽车能源管理策略，以降低燃料消耗、维持电池的长期运行并延长燃料电池系统的使用寿命。模糊 Q 学习是一种无模型强化学习，可以通过与环境交互进行自我学习，因此无需对燃料电池系统进行建模。此外，燃料电池的频繁启动会降低燃料电池系统的剩余使用寿命。所提出的方法通过在强化学习的奖励中考虑燃料电池启动次数的惩罚来抑制燃料电池的频繁启动。此外，在 Q 学习中应用模糊逻辑来近似值函数可以解决连续状态和动作空间问题。最后，基于 Python 的训练和测试平台验证了所提出方法在初始状态变化、模型变化和驾驶条件变化条件下的有效性和自学习改进。
将人工智能整合到模糊决策分析
防止刻板印象的威胁对于改善业务绩效至关重要。由于这种情况，企业必须采取必要的预防措施。但是，这些行动会影响企业的成本提高。对这些因素进行优先分析的文献研究数量非常有限。这种情况增加了对这些变量分析优先级的新研究的需求。因此，本研究旨在评估可持续商业环境中刻板印象威胁的因素。在第一阶段实施了一个人工智能模型来权衡专家。在以下阶段，在T-Spherical Fuzzy Dematel的帮助下评估了选定的标准。第三，使用不同的值进行了比较分析。最后，针对刻板印象的威胁，选定的行业被球形模糊的Ratgos对。可以在分析过程中确定专家的权重。这种情况对调查结果的有效性有很大的贡献。得出的结论是，培训活动对于最大程度地减少公司中刻板印象的威胁至关重要。
动态数据的自适应模糊启发式算法...
物联网（IoT）设备的爆炸爆炸创造了大量的实时数据，需要复杂的数据挖掘方法（DMT），这些方法可以快速提取有价值的见解。管理处理高数据量的计算复杂性，整合各种物联网数据格式，并确保系统可以扩展是最重要的问题之一。模糊动态自适应分类器优化分析（FDACOA）是一种方法，已被建议作为一种方法，以解决数据模式变化，实时处理和数据异质性引起的困难。通过合并自适应模糊逻辑（AFL）和启发式优化，FDACOA提高了数据分类的精度和效率，同时确保该算法可以适应数据流的变化。这种适应性在物联网应用中至关重要，在物联网应用中，数据波动可能会影响分析质量。FDACOA使用动态适应来根据实时反馈改变分类器参数，以提高预测准确性并降低计算成本。优化层微型模糊规则和成员资格功能，以优化跨数据情况的性能。仿真分析证明了该算法以高准确性和低计算成本进行分类的能力。智能医疗保健，工业物联网中的预测维护和智能运输系统使用FDACOA进行实时决策和数据驱动的见解。FDACOA是一种可行的方法，用于在IOT支持的大数据上下文中进行动态数据挖掘，因为它的速度更快，更准确且更适应性地适应性模拟结果。关键字：模糊启发式算法，动态数据挖掘，物联网，集成的大数据环境，分类优化。
模糊的驾驶员辅助系统设计具有纵向运动的自动驾驶汽车的主动干扰拒绝
在本文中，解决了一个具有两个控制器级别的实用自适应巡航控制系统（ACC）。上层控制方案由距离和速度控制器组成。该控制器生成所需的加速度轮廓，低级控制器必须尽可能紧密地遵循。具有很高精度的模糊自适应输出反馈控制器会产生这种所需的加速度。此外，自适应观察者估计无法测量的状态。较低级别的控制器调整节气门和制动执行器。在较低级别上，主动干扰排斥控制器（ADRC）消除了应用于汽车的所有内部和外部干扰。ADRC参数是通过粒子群遗传优化算法调整的。证明了所有信号的闭环稳定性和半全球均匀的界限。此外，还保险了ADRC控制器估计误差的渐近收敛性。为了显示所提出方法的有效性，将提出的算法与预测控制器进行了比较，并证明了该方法的性能优越性。
开发具有模糊逻辑的智能系统的室内微气候控制
摘要该论文介绍了为智能系统模拟模糊逻辑控制器的结果，以监视和管理室内微气候条件。在编程中使用模糊逻辑提供了某些优点，例如对控制系统的数据输入简单性以及减少经典微控制器固有的错误的能力。使用的微处理器系统基于Arduino Uno板型号Arduino Rev3，该型号具有Atmel Atmega328p微控制器，并且紧凑，成本效益且易于使用。在系统中使用模糊逻辑控制器进行有效的微气候调节。在智能系统的开发过程中，采用了LabView软件环境和Arduino IDE。研究将系统分解为几个组件，并在它们之间建立联系以提高软件的效率。决策 - 由系统的功能要求和用于实施的设备确定。
优化云资源分配：将复发性神经网络与模糊逻辑系统
收到的纸张日期：2024年11月15日纸张接受日期：2024年12月16日纸张出版日期：2024年12月22日摘要该研究重点是通过将经过的神经网络（RNN）与模糊逻辑相结合。该研究的主要目标是通过整合两种方法的最佳云资源预测模型的准确性和解释性。通过将RNN序列预测能力与模糊逻辑的多功能性相结合以更好地分类不确定性管理和持续输出的多功能性来实现目标。模糊成员资格功能，并将其分类为模糊集（低，中和高）。使用指标RMSE，MSE，MAE和R-Squared（R²）对经典RNN和LSTM模型进行了基准与经典的RNN和LSTM模型进行了基准测试。从获得的结果中可以清楚地看出，RNN模糊性能比其他两个模型RNN和LSTM更好，就预测的准确性。RNN模型模型的RMSE = 0.003377，MSE = 1.141，MAE = 0.0023，R²= 0.5308，而RNN模型的RMSE = 0.013437，MSE = 0.013437，MMSE = 1.941，MAE = 0.0123，和R²= 0.39908。RMSE为0.023897，MSE为2.843，MAE为0.0223，R²为0.4308，对于LSTM模型而言，所有这些相对较差。这表明使用RNN模型模型时，资源分配预测可显着改善，在减少误差指标并提高可解释性的同时更适合数据。这为云资源优化的模糊逻辑与RNN的集成增加了价值。这是可以得出结论，RNN中的模糊逻辑增强了其减轻歧义的能力，以获得更容易解释的输出，因此是在动态上下文中优化云资源的更好替代方法。关键字：复发性神经网络（RNN），模糊逻辑系统，RMSE，MAE，MSE。简介云计算技术已成为现代数字时代企业和组织的重要工具，以追求可扩展性，效率和灵活性（Khan等，2022）。随着云计算的日益增长，虚拟机的安装和维护在云环境中变得越来越困难。今天，云计算区域复杂环境中的主要问题包括虚拟机迁移优化和有效的资源提供。传统上，资源分配和VM迁移技术始终产生了资源浪费和性能降解的问题，因为它们主要使用静态规则或手动设置，而这些规则或手动设置实际上是根据云环境中不断变化的趋势（Lin等，2024）进行修改的。因此，涉及云计算的最具挑战性的问题之一是利用新颖的技术工具，因为机器学习优化了虚拟机器迁移和动态资源分配。虚拟机迁移是云计算中最重要的技术之一，遵循该领域的任何人都可以看到它的重要性。简而言之，虚拟机迁移促进了资源的动态变化，实现负载平衡并增强了云环境的一般使用和效率（Yousefi＆Babamir，2024）。虚拟机迁移的第二个优点是它可以在云环境中的缺陷中维护，成长或恢复而不会破坏用户服务。（Ghobaei -Arani等，2018）。这会改善系统的可用性。然而，虚拟机迁移并非没有挑战，包括在迁移过程中的绩效丧失，增加的迁移时间以及在迁移过程中引起的潜在数据一致性问题（Ruan等，2019）。传统的虚拟机迁移和资源分配优化通常取决于人类的设置或静态规则，这些规则和限制了许多缺点和限制。首先，静态规则通常无法对云环境中发生的动态变化做出反应。这意味着分配的资源要么不足或过多，影响
采用基于模糊逻辑的智能控制器的混合可再生能源生产系统
UDC 621.3 https://doi.org/10.20998/2074-272X.2022.3.07 M. Ali Moussa、A. Derrouazin、M. Latroch、M. Aillerie 使用基于模糊逻辑的智能控制器的混合可再生能源生产系统简介。本文提出了一种改进的能源管理和优化系统，该系统采用基于模糊逻辑技术的智能经济策略，具有多个输入和输出 (I/O)。它用于控制由光伏太阳能电池板、风力涡轮机和电网辅助的电能存储系统构建的混合电能源。这项工作的新颖之处在于，太阳能光伏、风力涡轮机和存储系统能源优先于电网，仅在恶劣天气条件下才会征用，以便为每天使用高达 4,000 Wh 的典型家庭供电。此外，在有利气候条件下产生的剩余可再生能源可用于电解系统生产氢气，适用于家庭取暖和烹饪。目的。开发基于模糊逻辑技术的智能经济策略的改进能源管理和优化系统。该系统嵌入在 Arduino 2560 mega 微控制器上，在该微控制器上，模糊逻辑的基本程序和所有可能场景的事件分配已根据流程图实现，从而允许管理混合系统。为了应用所提出的技术来确保家庭的连续住宿，我们进行了方法以及参数搜索和模拟以表征系统。结果。所提出的系统结果通过可视化电子开关的输出控制信号证实了其有效性。其实际值通过单相 DC/AC 转换器传输电力，为住宿的 AC 负载供电。参考文献 20，图 9。关键词：混合能源系统、可再生能源、电池存储、模糊逻辑、智能管理。Вступ。 У статі пропонується вдосконалена система керування та оптимізації енергоспоживання з інтелектуальною економічною стратегією，заснованою на методі нечіткої логіки з декількома входами та виходами。 Вона використовується для керування гібридними джерелами електричної енергії, побудованими на основі фотоелектричних сонячних панелей, вітрових турбін та системи зберігання електричної енергії за допомогою електричної мережі。 Новизна роботи полягає в тому, що сонячні фотоелектричні, вітряні турбіни та джерела енергії системи зберігання енергії мають пріоритет над електромережею, яка запитується лише за несприятливих погодних умов, щоб забезпечувати типове几天后，4000 Вт год на день。 Крім того、надлишки відновлюваної енергії、що виробляється у сприятливих кліматичних умовах， використовуються для виробництва водню, придатного для опалення та приготування їжі за допомогою електролізера.梅塔。开发基于模糊逻辑方法的智能经济策略的先进能源消耗管理和优化系统。该系统内置于Arduino 2560超级微控制器，它根据流程图实现模糊逻辑和事件分配的主程序以及所有可能的情况，让您可以控制混合系统。为了应用所提出的方法来确保房屋的持续居住，实施了指定的方法以及系统特性的参数搜索和建模。结果。所提系统的实施结果通过可视化电子开关的输出控制信号证实了其有效性。其实际意义在于通过单相直流-交流转换器传输电能，为住宅场所的交流负载供电。圣经。 20，图。 9. 关键词：混合能源系统、可再生能源、电池、模糊逻辑、智能控制。介绍。为了避免电力生产中的污染问题，替代解决方案可以是光伏 (PV)、风能甚至水力发电。此外，配电网络不足以向全世界人口供电：无论是在山区还是在岛屿上，在人迹罕至的地区还是在沙漠中部，由于缺乏技术解决方案或经济可行性，难以进入或非常偏远的地点无法总是连接到电网。然而，由于可再生能源能够适应家庭使用，因此特别适合生产称为孤立站点或微电网的电力。它们通常与电池相连，以确保在生产过剩时储存能量，或弥补高峰消费期间的短暂电力短缺[1-5]。混合能源系统 (HES) 结合了多种来源，例如可再生能源系统 (RES)、国家配电网络（历史网络）、传统能源和存储系统，通常被认为是未来的高效可靠解决方案，已经对单一来源的可再生能源进行了许多分析（规划和规模），主要目的是确定高效和安全运行的最佳系统配置。所提系统的实施结果通过可视化电子开关的输出控制信号证实了其有效性。其实际意义在于通过单相直流-交流转换器传输电能，为住宅场所的交流负载供电。圣经。 20，图。 9. 关键词：混合能源系统、可再生能源、电池、模糊逻辑、智能控制。介绍。为了避免电力生产中的污染问题，替代解决方案可以是光伏 (PV)、风能甚至水力发电。此外，配电网络不足以向全世界人口供电：无论是在山区还是在岛屿上，在人迹罕至的地区还是在沙漠中部，由于缺乏技术解决方案或经济可行性，难以进入或非常偏远的地点无法总是连接到电网。然而，由于可再生能源能够适应家庭使用，因此特别适合生产称为孤立站点或微电网的电力。它们通常与电池相连，以确保在生产过剩时储存能量，或弥补高峰消费期间的短暂电力短缺[1-5]。混合能源系统 (HES) 结合了多种来源，例如可再生能源系统 (RES)、国家配电网络（历史网络）、传统能源和存储系统，通常被认为是未来的高效可靠解决方案，已经对单一来源的可再生能源进行了许多分析（规划和规模），主要目的是确定高效和安全运行的最佳系统配置。所提系统的实施结果通过可视化电子开关的输出控制信号证实了其有效性。其实际意义在于通过单相直流-交流转换器传输电能，为住宅场所的交流负载供电。圣经。 20，图。 9. 关键词：混合能源系统、可再生能源、电池、模糊逻辑、智能控制。介绍。为了避免电力生产中的污染问题，替代解决方案可以是光伏 (PV)、风能甚至水力发电。此外，配电网络不足以向全世界人口供电：无论是在山区还是在岛屿上，在人迹罕至的地区还是在沙漠中部，由于缺乏技术解决方案或经济可行性，难以进入或非常偏远的地点无法总是连接到电网。然而，由于可再生能源能够适应家庭使用，因此特别适合生产称为孤立站点或微电网的电力。它们通常与电池相连，以确保在生产过剩时储存能量，或弥补高峰消费期间的短暂电力短缺[1-5]。混合能源系统 (HES) 结合了多种来源，例如可再生能源系统 (RES)、国家配电网络（历史网络）、传统能源和存储系统，通常被认为是未来的高效可靠解决方案，已经对单一来源的可再生能源进行了许多分析（规划和规模），主要目的是确定高效和安全运行的最佳系统配置。可再生能源特别适合用于发电，即所谓的孤立站点或微电网。它们通常与电池相连，以确保在生产过剩时储存能源，或弥补高峰消费期间的短暂电力短缺 [1-5]。混合能源系统 (HES) 结合了多种能源，例如可再生能源系统 (RES)、国家配电网 (历史网络)、传统能源和存储系统，通常被认为是未来的解决方案，它高效可靠，已经对单一来源的可再生能源进行了许多分析 (规划和规模)，主要目的是确定最佳系统配置以实现高效和安全的运行。可再生能源特别适合用于发电，即所谓的孤立站点或微电网。它们通常与电池相连，以确保在生产过剩时储存能源，或弥补高峰消费期间的短暂电力短缺 [1-5]。混合能源系统 (HES) 结合了多种能源，例如可再生能源系统 (RES)、国家配电网 (历史网络)、传统能源和存储系统，通常被认为是未来的解决方案，它高效可靠，已经对单一来源的可再生能源进行了许多分析 (规划和规模)，主要目的是确定最佳系统配置以实现高效和安全的运行。
基于基于弱模糊复数的部分有序环及其与部分有序的中粒粒子环的关系
建议引用推荐引用hatamleh，raed。“基于基于弱模糊复数的部分有序环及其与部分有序的中性粒细胞环的关系。”中性粒细胞和系统78，1（2025）。https://digitalrepository.unm.edu/nss_journal/vol78/iss1/31
间隔有价值的次级K范围对称Quadri分区的中性粒细胞模糊矩阵
间隔价值的二级K范围对称Quadri分区的中性粒细胞模糊矩阵是一个高级数学框架，它扩展了传统的矩阵理论，以处理复杂系统中的不确定性，不确定性和不一致性。该模型从中性粒子逻辑，间隔值模糊集和矩阵理论中整合了多个数学概念，以提供一种多功能工具，用于在不确定的环境中表示和处理数据。中性粒子逻辑是模糊逻辑的扩展，它引入了三个成员资格功能 - truth（t），虚假（f）和不确定性（i）。与传统的模糊逻辑不同，中性粒子逻辑可以同时在给定的命题或元素中在不同程度上同时存在真理，虚假和不确定性。中性粒细胞模糊基质代表一个基质，其元素是中性粒细胞模糊集。矩阵中的每个元素的特征是有序的三重（t，i，f），其中：