hh.sePublikationer
Ändra sökning
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
Neuro-fuzzy Models for Geomagnetic Storms Prediction: Using the Auroral Electrojet Index
Högskolan i Halmstad, Akademin för informationsteknologi, Halmstad Embedded and Intelligent Systems Research (EIS), Centrum för forskning om inbyggda system (CERES). School of Computer Science, Faculty of Engineering & Physical Science, The University of Manchester, Manchester, United Kingdom.
Högskolan i Halmstad, Akademin för informationsteknologi, Halmstad Embedded and Intelligent Systems Research (EIS), Centrum för forskning om inbyggda system (CERES).
Högskolan i Halmstad, Akademin för informationsteknologi, Halmstad Embedded and Intelligent Systems Research (EIS), Centrum för forskning om inbyggda system (CERES).ORCID-id: 0000-0001-6625-6533
2014 (Engelska)Ingår i: 2014 10th International Conference on Natural Computation (ICNC), Piscataway, NJ: IEEE Press, 2014, s. 12-17, artikel-id 6975802Konferensbidrag, Publicerat paper (Refereegranskat)
Abstract [en]

This study presents comparative results obtained from employing four different neuro-fuzzy models to predict geomagnetic storms. Two of these neuro-fuzzy models can be classified as Brain Emotional Learning Inspired Models (BELIMs). These two models are BELFIS (Brain Emotional Learning Based Fuzzy Inference System) and BELRFS (Brain Emotional Learning Recurrent Fuzzy System). The two other models are Adaptive Neuro-Fuzzy Inference System (ANFIS) and Locally Linear Model Tree (LoLiMoT) learning algorithm, two powerful neuro-fuzzy models to accurately predict a nonlinear system. These models are compared for their ability to predict geomagnetic storms using the AE index.

Ort, förlag, år, upplaga, sidor
Piscataway, NJ: IEEE Press, 2014. s. 12-17, artikel-id 6975802
Nyckelord [en]
Adaptive Neuro-fuzzy Inference System, Auroral Electrojet, Brain Emotional Learning-inspired Model, Locally linear model tree learning algorithm
Nationell ämneskategori
Teknik och teknologier
Identifikatorer
URN: urn:nbn:se:hh:diva-26904DOI: 10.1109/ICNC.2014.6975802ISI: 000393406200003Scopus ID: 2-s2.0-84926663387ISBN: 978-1-4799-5151-2 (digital)OAI: oai:DiVA.org:hh-26904DiVA, id: diva2:759979
Konferens
11th International Conference on Fuzzy Systems and Knowledge Discovery (FSKD 2014), Xiamen, China, 19–21 August, 2014
Tillgänglig från: 2014-11-02 Skapad: 2014-11-02 Senast uppdaterad: 2018-03-22Bibliografiskt granskad

Open Access i DiVA

fulltext(419 kB)243 nedladdningar
Filinformation
Filnamn FULLTEXT01.pdfFilstorlek 419 kBChecksumma SHA-512
8a30eb9feb650f51c533ed4de8f1f3ef1e7fb66a661c0537e035122ae930d633643267dc8710d33e25f45d292996a67d2aead5850a707601b825f928534a6d24
Typ fulltextMimetyp application/pdf

Övriga länkar

Förlagets fulltextScopus

Personposter BETA

Parsapoor, MahboobehBilstrup, UrbanSvensson, Bertil

Sök vidare i DiVA

Av författaren/redaktören
Parsapoor, MahboobehBilstrup, UrbanSvensson, Bertil
Av organisationen
Centrum för forskning om inbyggda system (CERES)
Teknik och teknologier

Sök vidare utanför DiVA

GoogleGoogle Scholar
Totalt: 243 nedladdningar
Antalet nedladdningar är summan av nedladdningar för alla fulltexter. Det kan inkludera t.ex tidigare versioner som nu inte längre är tillgängliga.

doi
isbn
urn-nbn

Altmetricpoäng

doi
isbn
urn-nbn
Totalt: 218 träffar
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf