دانلود مقاله پیش بینی شناخته شدن آیات قرآن در آینده

لینک دانلود و خرید پایین توضیحات

فرمت فایل word  و قابل ویرایش و پرینت

تعداد صفحات: 24

فهرست

موضوعات صفحه

پیش بینی شناخته شدن آیات قرآن در آینده..................................................3

آسیب رساندن به گوش دامها و تغییر در خلق..............................................4

پیش بینی عدم توان انسان در ساخت پشه و پس گرفتن سالم غذائی که آن را خورده است..................................................................................................5

بدن فرعون..................................................................................................6

پیش بینی روشن شدن یگانگی در هستی......................................................7

فوت نمودن و کشته شدن محمد..................................................................8

پیش بینی سرنوشت ابو لهب و همسر وی....................................................8

پیش بینی آینده اسلام...............................................................................9

پیش بینی برگشتن محمد به مکه...............................................................10

پیش بینی نوع برخورد مخالفین قرآن با قرآن.............................................11

پیش بینی بد دهنی ها علیه مسلمانان........................................................13

فهرست

موضوعات صفحه

پیش بینی رفتن انسان به فضا................................................................14

پیش بینی آلوده شدن محیط..................................................................14

پیش بینی سطری نوشتن......................................................................16

پیش بینی پیروزی محمد و پیوستن مردم به اسلام...............................21

پیش بینی عدم آرزوی مرگ توسط یهودیان.......................................23

پیش بینی آینده ی دشمنان پیامبر........................................................23

پیش بینی های قرآن

پیش بینی شناخته شدن آیات قرآن در آینده

«آیات خـود را در دوردست هـا و در درون خـودشان به آنها نشان خواهیم داد تا جائـیکه بـرای آنـهـا روشن شود که این قرآن حق است.

آیه پیش بینی می کند که انـسـان بـه شـنـاخـت پـدیـده هـا در دوردسـت ها و در درون خود خواهد رسید. شناختی که بدست خواهد آورد نیز درستی حرفهای قرآن را ثابت خواهد کرد.

در عـصـر مـا انسان بـا دوربین نجومی(اختربین) وریزبین( میکروسکوپ) و انواع امکانات پیچیده ی دیگر خیلی از پدیده های دور دست فضای دور و نزدیک و هـمـیـن طـور در درون خودش را شناخته است. آن شناخت ها نیز چنان که دیدیم به نوبه ی خـود درسـتی آیات قـرآن را تأیید نموده است.

انعام 105: « وَکَذَلِکَ نُصَرِّفُ الْآیَاتِ وَلِیَقُولُوا دَرَسْتَ وَلِـنُـبَـیّـِنـَهُ لِقَوْمٍ یَعْلَمُونَ ».

« و به این شکل آیات را روشن می کنیم. بگذار بگویند که تو آنها را خوانده ای. ما آن را (قرآن را) برای کسانی که می دانند (دانش دارند) نشان خواهیم داد».

آیه پیش بینی می کند که در آینده کسانی خواهند آمد که دانش خواهند داشت و قرآن را به آن ها نشان خواهد داد. و این چیزی است که فعلاً اتفاق افتاده است.

آسیب رساندن به گوش دامها و تغییر در خلق

« و به آنها امر می کنم که گوش های دام ها را آسیب برسانند، و به آن ها امر می کنم که در خلق خدا دگرگونی هائی ایجاد کنند».

نکات آیه:

1ـــ به گوش دام ها آسیب رسانده خواهد شد:

جملات مزبور نقـل قول از حرف های شیطان است. چنان که در جهان واقع نیز کم و بیش دیده ایم،  شماره یا مشخصات دام ها را در نوشته ای به گوش آن ها منگـنه می کنند. در حالی که می توان آنرا در گردن آن ها نیز آویزان کرد.

2ـــ ایجاد تغییرات در خلق:

در قـرآن دو مـقـوله «تـبـدیـل» و «تـغـیـیـر» هـسـت. «تغـییر» به معنی ایجاد دگرگونی هائی در شئ، و «تبدیل» به معنی عوض کردن کلی شئ (یعنی عـوض نمودن ماهـیت و هـویت آن) است. قــرآن «تبدیل» پـدیـده ها را خارج از توان انسان دانسته (لا تبدیل لخلق الله) و تاکنون نیز کسی موفـق به تغییر "هـویت و ماهـیـت" چیزی نـشـده، ولی ایـجـاد «تـغـیـیـر» را پیش گوئی کرده است. و این چیزی است که در عصر ما فعلاً انسان به آن نقطه رسیده و دست به چنین کاری می زند. مثلا کسانی هستند که نمودهـای مردانگی خود را برمی دارند و نمودهای زنانگی می دهند و همین طور برعکس.

اهمیت رادیو گرافی ساده در تشخیص شکستگی های بینی نسبت به علائم بالینی(word)

موضوع تحقیق:اهمیت رادیو گرافی ساده در تشخیص شکستگی های بینی نسبت به علائم بالینیچکیده:

بینی یک ساختمان هرمی شکل است که رأس آن به سمت قدام آمده وقاعده آن به اسکلت صورت چسبیده است .قسمت فوقانی قاعده ، متشکل از استخوان های بینی بوده وبا تشکیل طاق استخوانی  بینی ، بیش از قسمت تحتانی بالاآمده وبرآمده است . در مقابل قسمت قدامی تر رأس از غضروف تشکیل شده وطاق غضروفی  نامیده می شود . مقایسه ساختمان بینی با هرم می تواند گمراه کننده باشد . زیرا هرم بر یک قاعده چهار ضلعی استوار است ؛ در صورتی که قاعده بینی در واقع به شکل گلابی بوده ودهانه پیریفورم نامیده می شود .

اهمیت رادیو گرافی ساده در تشخیص شکستگی های بینی نسبت به علائم بالینی

به علاوه هنگام تصویر یک هرم ، قاعده آن در پائین در نظر گرفته می شود ووقتی در ذهن این تصور به یک سمت چرخانده شود ، کمی سردرگمی حادث می گردد . با این وجود تصور هرم مفید بوده وبخصوص در متون بالینی برای سالهای متمادی به طور گسترده مورد استفاده قرار گرفته است هیندرر*هرم بینی را ساختمانی دارای چهار قسمت توصیف کرده است (هرم استخوانی ، طاق غضروفی ، لبول وسپتوم بینی .)(۲) (nasal pyramid)

مشخصاتفرمت فایل: wordحجم فایل: 170 کیلو بایتتعداد صفحات:106

مقاله درمورد... توسعه کامل سازی باد از طریق پیش بینی انرژی باد

لینک دانلود و خرید پایین توضیحات

فرمت فایل word  و قابل ویرایش و پرینت

تعداد صفحات: 30

توسعه کامل سازی باد از طریق پیش بینی انرژی باد

مقدمه

همانطور که سطوح نفوذ باد از لحاظ جهانی افزایش می یابد، نیاز به پیش بینی صحیح تغییرات در تولید انرژی باد- در انواع متفاوت پیش بینی افق های زمان- برای پایداری شبکة نیرو و همچنین کارآیی تولید روز به روز مهم می شود. پیش بینی های صحیح انرژی باد، از جمله اجزاء مهم و حیاتی برای بسیاری از چالش های عملیاتی و برنامه ریزی هستند که متغیر از پیگیری بار تا برنامه ریزی انتقال و اختصاص دادن سرمایه، تا بازاریابی سطح استراژی و برنامه ریزی عملیات است. وقتی برای تصمیم گیری بکار می رود، پیش بینی های صحیح انرژی باد، هزینه های فرعی خدمات را کاهش می دهند، قابلیت اعتبار شبکه از طریق برنامه ریزی مؤثرتر افزایش می یابد و اپراتورهای پروژه و شرکت های برق می توانند تصمیمات استراژی مهمی بگیرند که باعث افزایش کارآیی می گردد. پیش بینی هایی که تا سالها بعد امتداد می یابد ، به شناسایی صحیح تر مشخصات نسل بلند مدت کمک می کند و باعث فرمولاسیون های صحیح تر فاکتور ظرفیت و انتخاب پروژه های مؤثرتر می گردد. این مقاله طرح می کند که چگونه و چرا پیش بینی انرژی باد می پردازد. دومین بخش استراژی هایی را برای پیش بینی در افق های زمانی متفاوت طرح می کند. بخش3 نتایج حاصل از پیش بینی در موقعیت های متفاوت را در عرض ایالات متحده بررسی می کند. بخش آخر، خلاصه ای را فراهم کرده و مروری دارد بر آیندة پیش بینی.

سابقه

پایه های هواشناسی

همانطور که همه ما می دانیم، باد، سوختی برای انرژی باد است. مادامیکه دشواری بسیار زیاد ساده کردن باد، اساساً نتیجة اختلاف های در فشارها در فواصل افقی است، با این اختلاف، گرادیان فشار مطرح می شود. در ساده ترین سطح، حاصل عدم تعادل های گرمایی هستند و در اساسی ترین سطح، حرارت غیر یکنواخت زمین، باد را به حرکت در می آور. در مقیاس های دقیقه، ساعت و روزانه، تغییرات در شرایطهای جوی در توپوسفر- پائین ترین سطح جو – آب و هوا نامیده می شوند . از سوی دیگر، شرایط آب وهوایی یا آب و هوا بر اساس یک مقیاس زمانی فرق می کند: شرایط آب و هوا، الزاماً توده و تراکم آب و هوا روی یک قسمت طولانی زمانی است و بنابراین ایده ای دربارة مشخصات متوسط آب و هوا فراهم می کند ( در مورد خاص ما، باد است) آب و هوا در تعدادی از مقیاس های هوایی فرق می کند از مقیاس های روزمره گرفته تا سال به سال و دامنة این تغییرات از لحاظ جغرافیایی وابسته است.

پیش بینی افق های زمان

یک استراژی کامل و جامع پیش بینی باید به این نکته توجه داشته باشد که تاکتیک های متفاوت باید برای فلق پیش بینی هایی به کار روند که از ساعت ها گرفته تا ماهها در آینده امتداد می یابند. شکل1، پیش بینی افق های متفاوت زمانی را نشان می دهد، اینکه چه اطلاعاتی و یا تاکتیک هایی برای پیش بینی بکار رفتند و دلایل استراژیکی و یا عملیاتی متفاوت برای پیش بینی چه چیزهایی هستند. در کوتاهترین افق زمان پیش بینی- افق کاربردی برای زمینه های عملیاتی چون پیگیری بار و پایداری باد- صحیح ترین استراژی های پیش بینی به مشاهداتی چون ورودی بستگی دارند. اساساً اطلاعات حاصل از پروژة باد و در ناحیة پیرامون، پروژه باد به صورت ورودی ها در استراژی های پیش بینی آماری متفاوت بکار برده شده است. متودهای سازشی اغلب شبکه های خنثی را بکار می گیرند و اساساً برای خلق این پیش بینی ها، کاربردی می باشند. بعد از چند ساعت، متودهای پیش بینی که بر اساس مشاهدات هستند، بهترین پیش بینی را فراهم نمی کنند. بنابراین، ما به استفاده از مدل های پیش گویی آب وهوا در افق زمان پیش گویی قطعی می پردازیم که تا چند روز طول می کشد. کلمة پیش بینی قطعی برای شرح، پیش بینی رویدادهای آب وهوای خاص در پیش بینی یک سیستم آب وهوای وارده بکار میرود. موضوع های عملیاتی در این افق پیش بینی از برنامه ریزی انتقال تا اختصاص دادن سرمایة تولید متغیر است. این اطلاعات برای تجارت نیرو روز نیز مهم است البته اگر این بازارها وجود داشته باشند. در هر کجا از چند روز گرفته تا بیش از یک هفته، جو بی نظم می شود و پیش گویی های قطعی دیگر نمی توانند با هر گونه درجة مهارت صورت گیرند. در این مقیاس ها، ما باید به انواع متفاوتی از شرایطهای خارجی- یا نیروها- تکیه کنیم، شرایطهایی که می توانند الگوهای بلند مدت را تحت تاثیر قرار دهند.

این نیروها از زمینه های مطرح شده از زیر مثل تغییرات دماهای اقیانوس ناشی از نوسان جنوب El Nino ، تا زمینه های مطرح شده از بالا مثل تغییرات در دماهای استراتوسفری و تغییرات حاصله در الگوهای آب وهوا متغیرند.

متاسفانه، یا توانایی محدود شده ای برای پیش بینی این پدیده وجود دارد و یا بطور کلی این توانایی وجود ندارد و به این ترتیب به عدم اطمینان در پیش گویی بلند مدت اضافه می شود. در بلندترین افق های زمانی، که چندین دهه در آینده امتداد می یابد، تغییرات در اجزاء سازنده اتمسفر، مثل دی اکسید کربن و یا ازن می توانند پاسخ جوی را تحت تاثیر قرار دهند. موضوعات مهم در این افق زمانی به مشخصه های تولید بلند مدت پروژه توام می شوند. مشخه هایی مثل فاکتور ظرفیت پروژه.

همانطور که از شکل1 میتوان مشاهده کرد، درستی نسبی پیش بینی ها با افق پیش گویی کاهش می یابد، اما درجه ای از قابلیت پیش گویی در همة افق های پیش بینی وجود دارد.

افق های پیش گویی، نوع نیرو و موضوع های عملکردی برای پیش بینی انرژی باد.

تحقیق؛. پیش بینی سطح آب در مخزن با استفاده از سیستم استنتاج فازی عصبی تطبیقی

لینک دانلود و خرید پایین توضیحات

فرمت فایل word  و قابل ویرایش و پرینت

تعداد صفحات: 79

پیش بینی سطح آب در مخزن با استفاده از سیستم استنتاج فازی – عصبی تطبیقی

(ANFIS)

مقدمه:

سدها و مخازن مهمترین و موثرترین سیستم ذخیره آب می باشند که توزیع نابرابر مکانی و زمانی آب را تغییر می دهند. آنها نه تنها در تامین آب شرب، تولید انرژی برقابی و آبیاری زمین های پایین دست کاربرد داشته، بلکه در به حداقل رسانی خسارات ناشی از سیلاب و خشکسالی نیز نقش موثری را ایفا می کنند. بدون شک به منظور استفاده کامل از آب موجود، مدیریت بهینه مخازن بسیار با اهمیت می باشد. مدیریت مخزن مجموعه ای از تصمیم ها را در بر می گیرد که جمع آوری و رهاسازی آب در طول زمان را مشخص می کنند. با توجه به کارکردهای مختلف مخازن، پیش بینی دقیق دبی ورودی و سطح آب می تواند در بهینه سازی مدیریت منابع آب، بسیار موثر باشد. با توجه به وجود روابط غیرخطی، عدم قطعیت زیاد و ویژگی های متغیر زمانی در سیستم های آبی، هیچ یک از مدل های آماری و مفهومی پیشنهاد شده به منظور پیش بینی دقیق سطح آب نتوانسته به عنوان یک مدل برتر و توانا شناخته شوند[1]. امروزه سیستم های هوشمند به منظور پیش بینی یک چنین پدیده های پیچیده و غیرخطی، بسیار مورد استفاده قرار می گیرند. روش بدیع سیستم استنتاج فازی – عصبی تطبیقی (ANFIS) یکی از این روشهاست که یک شبکه پس خور چند لایه می باشد و از الگوریتمهای یادگیری شبکه عصبی و منطق فازی به منظور طراحی نگاشت غیرخطی بین فضای ورودی و خروجی استفاده می کند. ANFIS با توجه به توانایی در ترکیب قدرت زبانی یک سیستم فازی با قدرت عددی یک شبکه عصبی، نشان داده است که در مدل سازی فرایندهای همچون مدیریت مخازن [2،3]، سری های زمانی هیدرولوژیکی [4] و برآورد رسوب [5] بسیار قدرتمند می باشند.

هدف اصلی این تحقیق بررسی توانایی سیستم استنتاج فازی – عصبی تطبیقی جهت پیش بینی سطح آب در مواقع سیلابی و به صورت ساعتی می باشد. به این منظور از اطلاعات اشل پنج ایستگاه بالادست سد دز، جهت پیش بینی سطح آب در مخزن این سد استفاده شد. همچنین به منظور بررسی توانایی شبکه های فازی – عصبی در تقابل با تصمیمات بشری، دو الگوی متفاوت یکی با در نظر گرفتن خروجی مخزن به عنوان متغیر ورودی و دیگری بدون این متغیر به کار گرفته شد.

مواد و روشها

سیستم استنتاجی فازی – عصبی تطبیقی (ANFIS)

از زمانی که پروفسور عسگرزاده تئوری منطق فازی را به منظور توصیف سیستم های پیچیده پیشنهاد داد، این منطق بسیار مشهور شده است و به طور موفقیت آمیزی در مسائل مختلف، به ویژه کنترل کننده هایی مثل راکتور شیمیایی، قطارهای خودکار و راکتورهای هسته ای به کار گرفته شده است. اخیرا منطق فازی برای مدل کردن مدیریت مخازن و حل ویژگیهای مبهم آنها پیشنهاد شده است. با وجود این، مشکل اصلی منطق فازی این است که روند سینماتیکی برای طراحی یک کنترل کننده فازی وجود ندارد. به عبارت دیگر، یک شبکه عصبی این توانایی را دارد که از محیط آموزش ببیند (جفت های ورودی – خروجی)، ساختارش را خود مرتب کند و با شیوه ای، تعامل خود را تطبیق دهد. بدین منظور پروفسور جنگ در سال 1993 مدل ANFIS را ارائه کرد که قابلیت ترکیب توانایی دو روش مذکور را داشت[6].

ساختار و الگوریتم: [1]

ANFIS قابلیت خوبی در آموزش، ساخت و طبقه بندی دارد و همچنین دارای این مزیت است که اجازه استخراج قوانین فازی را از اطلاعات عددی یا دانش متخصص می دهد و به طور تطبیقی یک قاعده – بنیاد می سازد. علاوه بر این، می تواند تبدیل پیچیده هوش بشری به سیستم های فازی را تنظیم کند. مشکل اصلی مدل پیش بینی ANFIS، احتیاج نسبتا زیاد به زمان برای آموزش ساختار و تعیین پارامترها می باشد.

به منظور ساده سازی، فرض می شود که سیستم استنتاجی مورد نظر دو ورودی x و y و یک خروجی z دارد. برای یک مدل فازی تاکاگی – سوگنو درجه اول، می توان یک مجموعه قانون نمونه را با دو قانون اگر – آنگاه فازی به صورت زیر بیان کرد:

قانون اول: اگر x برابر A1 و y برابر B1 باشد آنگاه

قانون دوم: اگر x برابر A2 و y برابر B2 باشد آنگاه

که Pi، qi و ri (i=1,2) پارامترهای خطی در بخش تالی مدل فازی تاکاگی – سوگنو درجه اول هستند. ساختار ANFIS شامل پنج لایه می شود (شکل 1) که معرفی خلاصه ای از مدل در پی می آید:

لایه اول، گره های ورودی: هر گره از این لایه، مقادیر عضویتی که به هر یک از مجموعه های فازی مناسب تعلق دارند، با استفاده از تابع عضویت تولید می کنند.

که x و y ورودی های غیرفازی به گره I و Ai و Bi (کوچک، بزرگ و ...)، برچسب های زبانی هستند که به ترتیب با توابع عضویت مناسب Aiμ و Biμ مشخص می شوند. در اینجا معمولا از فازی سازهای گوسی و زنگی شکل استفاده می شود. باید پارامترهای این توابع عضویت که به عنوان پارامترهای مقدماتی در این لایه شناخته می شوند، مشخص شوند.

لایه دوم، گره های قاعده: در لایه دوم، عملگر " و" (AND) به کار برده می شود تا خروجی (قوه اشتعال) که نمایانگر بخش مقدم آن قانون است، بدست می آید. قوه اشتغال به مقدار درجه ای که بخش مقدم یک قانون فازی برآورده شده، گفته می شود و به تابع خروجی آن قانون شکل می دهد. از این رو، خروجی های O2,k این لایه، حاصل ضرب درجات مربوط به لایه اول هستند.

تحقیق درباره؛ پیش بینی سطح آب در مخزن با استفاده از سیستم استنتاج فازی عصبی تطبیقی

لینک دانلود و خرید پایین توضیحات

فرمت فایل word  و قابل ویرایش و پرینت

تعداد صفحات: 79

پیش بینی سطح آب در مخزن با استفاده از سیستم استنتاج فازی – عصبی تطبیقی

(ANFIS)

مقدمه:

سدها و مخازن مهمترین و موثرترین سیستم ذخیره آب می باشند که توزیع نابرابر مکانی و زمانی آب را تغییر می دهند. آنها نه تنها در تامین آب شرب، تولید انرژی برقابی و آبیاری زمین های پایین دست کاربرد داشته، بلکه در به حداقل رسانی خسارات ناشی از سیلاب و خشکسالی نیز نقش موثری را ایفا می کنند. بدون شک به منظور استفاده کامل از آب موجود، مدیریت بهینه مخازن بسیار با اهمیت می باشد. مدیریت مخزن مجموعه ای از تصمیم ها را در بر می گیرد که جمع آوری و رهاسازی آب در طول زمان را مشخص می کنند. با توجه به کارکردهای مختلف مخازن، پیش بینی دقیق دبی ورودی و سطح آب می تواند در بهینه سازی مدیریت منابع آب، بسیار موثر باشد. با توجه به وجود روابط غیرخطی، عدم قطعیت زیاد و ویژگی های متغیر زمانی در سیستم های آبی، هیچ یک از مدل های آماری و مفهومی پیشنهاد شده به منظور پیش بینی دقیق سطح آب نتوانسته به عنوان یک مدل برتر و توانا شناخته شوند[1]. امروزه سیستم های هوشمند به منظور پیش بینی یک چنین پدیده های پیچیده و غیرخطی، بسیار مورد استفاده قرار می گیرند. روش بدیع سیستم استنتاج فازی – عصبی تطبیقی (ANFIS) یکی از این روشهاست که یک شبکه پس خور چند لایه می باشد و از الگوریتمهای یادگیری شبکه عصبی و منطق فازی به منظور طراحی نگاشت غیرخطی بین فضای ورودی و خروجی استفاده می کند. ANFIS با توجه به توانایی در ترکیب قدرت زبانی یک سیستم فازی با قدرت عددی یک شبکه عصبی، نشان داده است که در مدل سازی فرایندهای همچون مدیریت مخازن [2،3]، سری های زمانی هیدرولوژیکی [4] و برآورد رسوب [5] بسیار قدرتمند می باشند.

هدف اصلی این تحقیق بررسی توانایی سیستم استنتاج فازی – عصبی تطبیقی جهت پیش بینی سطح آب در مواقع سیلابی و به صورت ساعتی می باشد. به این منظور از اطلاعات اشل پنج ایستگاه بالادست سد دز، جهت پیش بینی سطح آب در مخزن این سد استفاده شد. همچنین به منظور بررسی توانایی شبکه های فازی – عصبی در تقابل با تصمیمات بشری، دو الگوی متفاوت یکی با در نظر گرفتن خروجی مخزن به عنوان متغیر ورودی و دیگری بدون این متغیر به کار گرفته شد.

مواد و روشها

سیستم استنتاجی فازی – عصبی تطبیقی (ANFIS)

از زمانی که پروفسور عسگرزاده تئوری منطق فازی را به منظور توصیف سیستم های پیچیده پیشنهاد داد، این منطق بسیار مشهور شده است و به طور موفقیت آمیزی در مسائل مختلف، به ویژه کنترل کننده هایی مثل راکتور شیمیایی، قطارهای خودکار و راکتورهای هسته ای به کار گرفته شده است. اخیرا منطق فازی برای مدل کردن مدیریت مخازن و حل ویژگیهای مبهم آنها پیشنهاد شده است. با وجود این، مشکل اصلی منطق فازی این است که روند سینماتیکی برای طراحی یک کنترل کننده فازی وجود ندارد. به عبارت دیگر، یک شبکه عصبی این توانایی را دارد که از محیط آموزش ببیند (جفت های ورودی – خروجی)، ساختارش را خود مرتب کند و با شیوه ای، تعامل خود را تطبیق دهد. بدین منظور پروفسور جنگ در سال 1993 مدل ANFIS را ارائه کرد که قابلیت ترکیب توانایی دو روش مذکور را داشت[6].

ساختار و الگوریتم: [1]

ANFIS قابلیت خوبی در آموزش، ساخت و طبقه بندی دارد و همچنین دارای این مزیت است که اجازه استخراج قوانین فازی را از اطلاعات عددی یا دانش متخصص می دهد و به طور تطبیقی یک قاعده – بنیاد می سازد. علاوه بر این، می تواند تبدیل پیچیده هوش بشری به سیستم های فازی را تنظیم کند. مشکل اصلی مدل پیش بینی ANFIS، احتیاج نسبتا زیاد به زمان برای آموزش ساختار و تعیین پارامترها می باشد.

به منظور ساده سازی، فرض می شود که سیستم استنتاجی مورد نظر دو ورودی x و y و یک خروجی z دارد. برای یک مدل فازی تاکاگی – سوگنو درجه اول، می توان یک مجموعه قانون نمونه را با دو قانون اگر – آنگاه فازی به صورت زیر بیان کرد:

قانون اول: اگر x برابر A1 و y برابر B1 باشد آنگاه

قانون دوم: اگر x برابر A2 و y برابر B2 باشد آنگاه

که Pi، qi و ri (i=1,2) پارامترهای خطی در بخش تالی مدل فازی تاکاگی – سوگنو درجه اول هستند. ساختار ANFIS شامل پنج لایه می شود (شکل 1) که معرفی خلاصه ای از مدل در پی می آید:

لایه اول، گره های ورودی: هر گره از این لایه، مقادیر عضویتی که به هر یک از مجموعه های فازی مناسب تعلق دارند، با استفاده از تابع عضویت تولید می کنند.

که x و y ورودی های غیرفازی به گره I و Ai و Bi (کوچک، بزرگ و ...)، برچسب های زبانی هستند که به ترتیب با توابع عضویت مناسب Aiμ و Biμ مشخص می شوند. در اینجا معمولا از فازی سازهای گوسی و زنگی شکل استفاده می شود. باید پارامترهای این توابع عضویت که به عنوان پارامترهای مقدماتی در این لایه شناخته می شوند، مشخص شوند.

لایه دوم، گره های قاعده: در لایه دوم، عملگر " و" (AND) به کار برده می شود تا خروجی (قوه اشتعال) که نمایانگر بخش مقدم آن قانون است، بدست می آید. قوه اشتغال به مقدار درجه ای که بخش مقدم یک قانون فازی برآورده شده، گفته می شود و به تابع خروجی آن قانون شکل می دهد. از این رو، خروجی های O2,k این لایه، حاصل ضرب درجات مربوط به لایه اول هستند.