1
00:00:20,860 --> 00:00:23,240
طيب ماشي، بسم الله الرحمن الرحيم، اليوم إن شاء الله

2
00:00:23,240 --> 00:00:30,040
بدنا نكمل قدر أكبر في الموضوع اللي هو الـ fuzzy

3
00:00:30,040 --> 00:00:33,100
expert systems، كنا في المحاضرة اللي فاتت دوبنا

4
00:00:33,100 --> 00:00:38,420
بدينا نحكي عن اللي هو المفاهيم الأولى لـ الـ fuzzy

5
00:00:38,420 --> 00:00:43,020
expert systems، وحكينا عن الـ fuzzy rules. الآن

6
00:00:43,020 --> 00:00:46,020
بدي أرجع شوية على ثبت أنه أبدأ في الموضوع من

7
00:00:46,020 --> 00:00:50,460
البداية، والحين نقدر نجمّع كله، المحاضرة هذه إن شاء

8
00:00:50,460 --> 00:00:54,600
الله. الموضوع هذا موجود في الـ slides عندكم من lecture

9
00:00:54,600 --> 00:00:58,760
رقم أربعة، وفي file ثاني اللي هو lecture رقم خمسة

10
00:00:58,760 --> 00:01:02,220
بيكمل الموضوع، دا كالـ lecture رقم خمسة، بيتناول الـ

11
00:01:02,220 --> 00:01:06,160
inference. هنا في أربعة، مقدمة بيحكي فيها عن

12
00:01:06,160 --> 00:01:08,960
introduction عن الـ fuzzy sets، وبعدين عن الـ

13
00:01:08,960 --> 00:01:12,440
linguistic variables، والـ hedges، وبعدين بيحكي

14
00:01:12,440 --> 00:01:15,720
operations of fuzzy sets، وبعدين بيصل لـ fuzzy

15
00:01:15,720 --> 00:01:22,350
rules. احنا بدنا نحاول نخلص الحكي ونصل لـ fuzzy

16
00:01:22,350 --> 00:01:25,170
rules، اللي هو already احنا حكينا في المحاضرة

17
00:01:25,170 --> 00:01:29,250
السابقة، علشان نقدر نكمل بعد هيك على الـ inference.

18
00:01:29,250 --> 00:01:32,350
ندخل على الـ lecture رقم 5 ونحكي في الـ inference.

19
00:01:32,350 --> 00:01:37,890
فأنا الـ introduction أو what is fuzzy thinking، و

20
00:01:37,890 --> 00:01:42,550
fuzzy sets، وحتى كمان الـ linguistic values and

21
00:01:42,550 --> 00:01:49,110
hedges. أنا حأبدأ من الـ fuzzy sets، وهأحكي

22
00:01:49,110 --> 00:01:52,070
الـ linguistic variables على طول، بسرعة، وبعدين

23
00:01:52,070 --> 00:01:58,690
الأوّراج الزرقية، هنفلتها، الهجز برا، هنفلتها، ماشي.

24
00:01:58,690 --> 00:02:03,190
هنتقل على طول، يعني واحد، اتنين، بعدين تلاتة، وبعدين

25
00:02:03,190 --> 00:02:07,730
نكمل على اللي هو الـ slide رقم خمسة، الـ lecture رقم

26
00:02:07,730 --> 00:02:11,970
خمسة. كل المفاهيم اللي، آخر كل المفاهيم اللي احنا

27
00:02:11,970 --> 00:02:16,640
بنتركها بتكون هي مرت معنا أثناء الحكي، واللي ما مرّش

28
00:02:16,640 --> 00:02:21,480
هنرجع له تاني، الـ operations هنرجع لها تاني في الآخر.

29
00:02:21,480 --> 00:02:28,920
الكلام هذا، لو قفزنا لسبب ما من slide رقم تسعة

30
00:02:28,920 --> 00:02:35,320
إلى تسعة عشر.

31
00:02:35,320 --> 00:02:41,000
عشرة، تمام؟ بس قبل عشرة، ربما نلقي نظرة على تسعة.

32
00:02:43,770 --> 00:02:47,510
تسعة، تسعة هي دي برضه كمان أنا حكيت فيها في المحاضرة

33
00:02:47,510 --> 00:02:54,230
الماضية في الـ boolean logic، عشان احنا دلوقت بنفهم

34
00:02:54,230 --> 00:02:56,590
مصطلح الـ fuzzy logic. الـ fuzzy logic هو الـ logic

35
00:02:56,590 --> 00:03:02,250
العادي، بس بدل ما يبقى في عندي القيم الـ truth يا إما

36
00:03:02,250 --> 00:03:06,530
الـ zero أو one، يا إما true يا إما false، لأ، في عندي

37
00:03:06,530 --> 00:03:12,490
تدرج في القيم. الـ boolean logic بقول إما true أو

38
00:03:12,490 --> 00:03:17,710
false، إما true أو false، إما ينتمي إلى truth أو

39
00:03:17,710 --> 00:03:21,350
ينتمي إلى false. بينما في الـ multivalue، درجة اللي

40
00:03:21,350 --> 00:03:26,810
هو اسم آخر للـ fuzzy، بيبدأ في أنه يتدرج في درجة

41
00:03:26,810 --> 00:03:31,740
الحقيقة، يعني هي true ممكن مش يا true يا false، يا

42
00:03:31,740 --> 00:03:34,200
ممكن تبقى تسعين في المئة، وممكن تبقى سبعين في

43
00:03:34,200 --> 00:03:40,720
المئة، وممكن تبقى بنسب متفاوتة. فهي المقصود بإنّه، أو

44
00:03:40,720 --> 00:03:44,000
التمييز ما بين الـ boolean logic وما بين الـ

45
00:03:44,000 --> 00:03:49,780
multivalued أو الـ fuzzy logic، هذا

46
00:03:49,780 --> 00:03:53,920
الكلام بيدخلنا على مفهوم الـ fuzzy set. الـ fuzzy set

47
00:03:53,920 --> 00:03:58,260
لما أنا قلت هنا إنّه أنا عندي الحقيقة يا إما بتكون

48
00:03:58,260 --> 00:04:01,760
true يا إما بتكون false، معنى ذلك أنا ما أقدر أقول

49
00:04:01,760 --> 00:04:05,000
الحقائق، أو الـ...الـ...الـ...الـ...الـ...الـ

50
00:04:05,000 --> 00:04:08,720
assertions، يعني الإدعاء، يا ما بكون ينتمي إلى مجموعة

51
00:04:08,720 --> 00:04:13,660
الـ true، يا ما بينتمي إلى مجموعة الـ false. وانتماؤه

52
00:04:13,660 --> 00:04:17,460
هنا معناه إن هو مش منتمي للطرف الآخر، إذًا منتمي للـ

53
00:04:17,460 --> 00:04:20,890
true، هو حتمًا لا ينتمي إلى الـ false، صح؟ بينما في

54
00:04:20,890 --> 00:04:25,750
الـ fuzzy، لأ، ممكن يكون هو ينتمي لأكثر من مجموعة، يعني

55
00:04:25,750 --> 00:04:29,490
الحقيقة ممكن تبقى منتمية لهذه المجموعة الـ

56
00:04:29,490 --> 00:04:34,210
assertions، مجموعة ألف، ومجموعة باء، بدرجات متفاوتة.

57
00:04:34,210 --> 00:04:37,910
ماشي. فمفهوم الـ set أصلاً اللي احنا بنعرفه في

58
00:04:37,910 --> 00:04:42,930
الرياضيات أصلاً، لكن الآن بدل ما أنا آجي أقول إن

59
00:04:42,930 --> 00:04:53,580
فلان ينتمي إلى هاي المجموعة، okay. بدل أن نجيب، بدل ما

60
00:04:53,580 --> 00:04:57,260
يكون، أنسى، أنسى الدائرة هذا الـ grey، اعتبر إن أنا في

61
00:04:57,260 --> 00:05:02,840
عندك الدائرة السوداء، والخارج اللي هو الأبيض، لأن

62
00:05:02,840 --> 00:05:10,540
أي نقطة إما بتكون جوا أو برا، صح؟ فهي إما تنتمي

63
00:05:10,540 --> 00:05:14,160
إلى المجموعة أو لا تنتمي إليها. فعندما في الـ fuzzy

64
00:05:14,160 --> 00:05:17,740
السادة، احنا لما في عندنا انتماء، وبرضه في كمان

65
00:05:20,420 --> 00:05:27,340
على الأطراف في درجات متفاوتة من الانتماء، ولا

66
00:05:27,340 --> 00:05:30,640
ينتمي تماماً. لأن مثلاً أنا ممكن أضع في end value

67
00:05:30,640 --> 00:05:37,280
يعبر عنّه قيمة على الـ X-axis، الـ value هذا هنا، هذا

68
00:05:37,280 --> 00:05:42,120
لا ينتمي إلى المجموعة إطلاقاً، لا ينتمي إلى المجموعة.

69
00:05:42,120 --> 00:05:47,280
الفاصلة P2، P2 صغيرة، بقول مثلاً تلاتة، يجعله لا ينتمي

70
00:05:47,280 --> 00:05:50,840
بالمرة إلى المجموعة. بينما الـ value هذا، والـ value

71
00:05:50,840 --> 00:05:54,840
هذا، هذا الـ value ينتمي تماماً إلى المجموعة، لأن واقِع

72
00:05:54,840 --> 00:06:00,240
في الـ range هذا. هذا الـ value هنا ينتمي partially

73
00:06:00,240 --> 00:06:06,240
جزئياً إلى المجموعة، نسمّيها مجموعة A. هذا أيضاً كذلك

74
00:06:06,240 --> 00:06:11,540
الحالة. أي value هنا ينتمي جزئياً إلى مجموعة A، بينما

75
00:06:11,540 --> 00:06:18,140
بعد ذلك الانتماء صفر. فإيش الاختلاف الأهم بين هذا

76
00:06:18,140 --> 00:06:22,060
الكلام؟ من بين هذا الكلام، إن هنا boolean، boolean، يا إما

77
00:06:22,060 --> 00:06:26,360
ينتمي، يا إما لا ينتمي، قطع، عشان ذلك نسمّيهم crisp

78
00:06:26,360 --> 00:06:33,740
...crisp...crisp set، يعني في قطع ثابت بين

79
00:06:33,740 --> 00:06:38,180
الناحيتين. بينما في الـ fuzzy set، لأ، ما في قطع فيها،

80
00:06:38,180 --> 00:06:42,860
دي نوع من الضبابية، هذه منطقة ضبابية اللي ممكن تقع

81
00:06:42,860 --> 00:06:47,250
فيها بعض الـ...بعض العناصر. وفي المنطقة الضبابية،

82
00:06:47,250 --> 00:06:50,910
انتماء العنصر اللي واقع في المنطقة الضبابية بيبقى

83
00:06:50,910 --> 00:06:57,650
نسبي، partial، جزئي، تمام؟ عشان أيه كلمة نسميه؟

84
00:06:57,650 --> 00:07:00,950
Fuzziness. وهذا fuzziness، عشان كلمة fuzzy أصلاً جايه من

85
00:07:00,950 --> 00:07:04,810
...لما أنا أشرح بالنظر، أنا بشوفكوا fuzzy، بشوفكوا

86
00:07:04,810 --> 00:07:08,490
مغبّش، ضبابي، يعني ما فيش شيء وضوح للرؤية، ماهيش

87
00:07:08,490 --> 00:07:13,270
crisp. Okay، فأنا الآن بس فزّعت لهذا الـ slide بس

88
00:07:13,270 --> 00:07:19,930
عشان أوضح مفهوم الـ fuzzy set والـ crisp set.

89
00:07:19,930 --> 00:07:23,690
واتفقنا إنّه، إنّه مفهوم الـ set هو هو، بس الآن

90
00:07:23,690 --> 00:07:28,150
اختلفنا، وأضفنا عليه مفهوم الضبابية، عشان يكون صار

91
00:07:28,150 --> 00:07:34,890
fuzzy set. فهو

92
00:07:34,890 --> 00:07:40,080
مثال على ذلك، إنّه أنا عندي مثال، طول، مثلاً الطول.

93
00:07:40,080 --> 00:07:44,380
أنا لدي أشخاص، وكلّهم راح أقول طولهم بالسنتيمتر، 180،

94
00:07:44,380 --> 00:07:48,040
و185، هذا 190، 192، الآن لو

95
00:07:48,040 --> 00:07:55,420
أنا بدي أصرّفهم إلى two sets، crisp sets، باجي بحط خط

96
00:07:55,420 --> 00:07:59,580
معين، دعيني أقول مثلاً 180، اللي أعلى من 180 هذا

97
00:07:59,580 --> 00:08:07,380
بسمّيه أو بقول عنه إيش؟ طويل، واللي أقل من 180 بقول

98
00:08:07,380 --> 00:08:12,520
عنه إيش؟ not tall، ممكن أسمّيه short، بس هو إذا ما كانش

99
00:08:12,520 --> 00:08:15,700
tall، مش ضروري يبقى short، ممكن يبقى متوسط، بس أنا بدي

100
00:08:15,700 --> 00:08:20,020
أقول tall و not tall. هذا إيش؟ هذا لو أنا بانظر لو

101
00:08:20,020 --> 00:08:25,520
أنا بدي أرسمها، ملا إيش؟ two crisp sets، أو بدي

102
00:08:25,520 --> 00:08:31,290
أتخيّل الـ tall على إن هو الـ set، ماشي، وحدوده من 180

103
00:08:31,290 --> 00:08:36,850
إلى 250، في المفهوم. فأي أو لهند، مثلاً أقول 250.

104
00:08:36,850 --> 00:08:41,970
أي حد في هذا الـ range هو tall، أي حد خارج هذا الـ

105
00:08:41,970 --> 00:08:46,370
range هو مش tall، إيش وصِفه، مش قضية الحين. المهم إنّه

106
00:08:46,370 --> 00:08:51,590
أنا حاطط حدود crisp للمجموعة، حدود واضحة

107
00:08:51,590 --> 00:08:55,590
دقيقة للمجموعة. بينما في الـ fuzzy، لأ، في الـ fuzzy أنا بقول

108
00:08:55,590 --> 00:09:03,440
tall، كلهم tall، ولكن بنسب متفاوتة. هذا الـ range،

109
00:09:03,440 --> 00:09:10,100
الراجل 0% طول، الـ 152 هذه أنا بأعتبرها إنّه لا تنتمي

110
00:09:10,100 --> 00:09:14,720
إلى الطول، بينما هذا 1%، هذا كل ما زاد، كل ما زاد طول

111
00:09:14,720 --> 00:09:20,460
الشخص، آه، بيزيد درجة انتمائه إلى من؟ إلى الطول. أتخيّل

112
00:09:20,460 --> 00:09:24,460
برضه كمان الأكتر من 208 هيبقى برضه كمان 100% طول.

113
00:09:25,010 --> 00:09:30,290
فواضح الـ...واضح الفكرة، لأن هذا...هذا بيسمّى إيه؟

114
00:09:30,290 --> 00:09:38,590
إيش؟ degree of...إيه؟ إيش؟ of...إيه؟ of membership.

115
00:09:38,590 --> 00:09:46,110
درجة عضويته أو انتمائه إلى إيش؟

116
00:09:48,960 --> 00:09:51,760
للمجموعة اللي هي الـ fuzzy، المجموعة الـ fuzzy.

117
00:09:51,760 --> 00:09:54,760
المجموعة الـ fuzzy بنعطيها اسم، اللي هو هنا في هذا

118
00:09:54,760 --> 00:09:58,100
المثال اللي هو tall. tall هذا هو اسم المجموعة، وهذا

119
00:09:58,100 --> 00:10:05,140
الشخص، درجة انتمائه إلى هذا...ده مجموعة الطول، 98%.

120
00:10:05,140 --> 00:10:11,600
فهذا الكلام بتعبّر عنه بالشكل

121
00:10:11,600 --> 00:10:15,560
هذا، أو بالـ notation هذا.

122
00:10:18,790 --> 00:10:28,570
أنا في عندي set، الـ

123
00:10:28,570 --> 00:10:33,250
A، وفي عندي X capital، هذه اللي هي كافة

124
00:10:33,250 --> 00:10:43,070
الاحتمالات الممكنة، لـ X small، اللي هي، ليش من

125
00:10:43,070 --> 00:10:46,470
كده لكده، أقول مثلاً طول الإنسان، أطول، وممكن يكون

126
00:10:46,470 --> 00:10:52,460
أقل من مئة سنتيمتر، ما أعرفش. أعتبر إنّه الـ...الـ...الـ X

127
00:10:52,460 --> 00:10:58,460
قيم محددة، تروح من مئة إلى ثلاثمئة، أقل فيه، المهم

128
00:10:58,460 --> 00:11:03,760
احنا الـ X capital، capital، يعني كإنّه إيش؟

129
00:11:03,760 --> 00:11:06,880
بنتحكي عن set، هي في حد ذاتها set، مجموعة القيم

130
00:11:06,880 --> 00:11:14,500
الممكنة للمتغير X، اسمه لهذا، فالـ

131
00:11:14,500 --> 00:11:16,240
membership بتاعت X

132
00:11:19,220 --> 00:11:26,180
بهذه، أي المتغير في المجموعة A هتكون إما zero أو one.

133
00:11:26,180 --> 00:11:35,160
هذا إذا كان المجموعة A إيش؟ crisp، صح؟ بينما في حالة

134
00:11:35,160 --> 00:11:41,780
ما يكون في

135
00:11:41,780 --> 00:11:48,140
حالة ما يكون الـ A fuzzy، فالقيم

136
00:11:50,120 --> 00:11:56,200
μ هذه هي عبارة عن الـ membership value بتاع

137
00:11:56,200 --> 00:12:02,480
المتغير X في المجموعة A. هذا الكلام هيكون إما واحد

138
00:12:02,480 --> 00:12:08,740
أو زيرو، أو شيء ما بين الزيرو والواحد،

139
00:12:08,740 --> 00:12:15,760
أكبر من زيرو و less than one، صح؟ فإذا كانت if X is

140
00:12:15,760 --> 00:12:21,460
totally in A، إذا متغير هذا، إذا متغير X، قيمة واقعة

141
00:12:21,460 --> 00:12:26,360
جوا المجموعة A، فبكون الـ degree of membership

142
00:12:26,360 --> 00:12:32,540
بتاعته هي إيش؟ one. وإذا هو totally، إذا totally not

143
00:12:32,540 --> 00:12:36,340
in A، فالـ degree of membership بتاعته إيش؟ Zero. وإلّا

144
00:12:36,340 --> 00:12:40,960
بيكون إيش؟ القيمة تتراوح من الـ zero للواحد، if it is

145
00:12:40,960 --> 00:12:46,460
partially in it. القيمة تتراوح من الـ zero للواحد، if

146
00:12:46,460 --> 00:12:51,440
it is partially in it. القيمة

147
00:12:51,440 --> 00:12:54,000
تتراوح من الـ zero للواحد، if it is partially in it.

148
00:12:54,000 --> 00:12:55,080
القيمة تتراوح من الـ zero للواحد، if it is partially

149
00:12:55,080 --> 00:12:56,880
in it. القيمة تتراوح من الـ zero للواحد، if it is

150
00:12:56,880 --> 00:12:59,700
partially in it. القيمة تتراوح من الـ zero للواحد، if

151
00:12:59,700 --> 00:13:00,440
it is partially in it. القيمة تتراوح من الـ zero

152
00:13:00,440 --> 00:13:01,880
الواحد، if it is partially in it. القيمة تتراوح من

153
00:13:01,880 --> 00:13:03,440
الـ zero للواحد، if it is partially in it. القيمة

154
00:13:03,440 --> 00:13:03,680
تتراوح من الـ zero للواحد، if it is partially in it.

155
00:13:03,680 --> 00:13:04,820
in it. القيمة تتراوح من الـ zero للواحد. هذه الـ

156
00:13:04,820 --> 00:13:07,360
notation هي الصيغة اللي احنا بنستخدمها للتعبير عن

157
00:13:07,360 --> 00:13:09,780
الـ membership. والآن فهمنا إيش membership، وفهمنا

158
00:13:09,780 --> 00:13:13,640
إيش علاقتها بالـ...بالـ sense، بسمّيها degree of

159
00:13:13,640 --> 00:13:16,520
membership، also called membership value. أنا

160
00:13:16,520 --> 00:13:22,640
بالعربي هسمّيها درجة انتماء، degree، درجة انتماء، يعني

161
00:13:22,640 --> 00:13:27,940
عضويته في هذه المجموعة، تمام. عضويته ماهيش crisp، يا

162
00:13:27,940 --> 00:13:31,220
إما هو عضو يا ما مش عضو، لأ، هو عضو ولكن بنسبة

163
00:13:33,890 --> 00:13:37,290
الآن طبعاً هذا الكلام بنعمل عمله في الكمبيوتر على

164
00:13:37,290 --> 00:13:45,130
شكل values، آه،

165
00:13:45,130 --> 00:13:54,310
real values، بس.

166
00:13:54,310 --> 00:13:59,150
أهم من ذلك اللي هو إنّ احنا، مفهوم الانتماء، ممكن زي ما

167
00:13:59,150 --> 00:14:02,550
قلت قبل في البداية، إنّه ممكن يكون انتمائه لأكثر

168
00:14:02,550 --> 00:14:06,030
من المجموعة، في أنا الواحد هو نفس الـ member، ممكن

169
00:14:06,030 --> 00:14:09,730
يبدأ انتماؤه في أكثر من المجموعة. في أنا الواحد، لو

170
00:14:09,730 --> 00:14:15,110
crisp، لو crisp set، لأ، لا يمكن أي نقطة على هذا الـ

171
00

223
00:18:18,540 --> 00:18:25,340
بيكون الـ variable value هو set يعني x ينتمي إلى a

224
00:18:25,340 --> 00:18:31,440
و y ينتمي إلى b فالـ

225
00:18:31,440 --> 00:18:37,100
هذا الـ style يتميز بين ما هو الـ crisp و ما هو الـ

226
00:18:37,100 --> 00:18:42,260
fuzzy  أعني هذا if speed is greater than 100 then

227
00:18:42,260 --> 00:18:45,960
stopping distance is long هنا هذه عبارة عن

228
00:18:45,960 --> 00:18:51,410
fuzzy variable value مظبوط هذا الـ variable stopping

229
00:18:51,410 --> 00:18:56,010
distance is long  فالـ variable ينتبه إلى fuzzy set

230
00:18:56,010 --> 00:18:59,550
بينما هنا speed is greater than one hundred هذا

231
00:18:59,550 --> 00:19:03,370
crisp هو يا إما أكبر من مائة يا إما مش أكبر من

232
00:19:03,370 --> 00:19:08,810
مائة، صح؟ okay الـ variable speed can have any

233
00:19:08,810 --> 00:19:11,450
numerical value between zero و مائتين وعشرين سرعة

234
00:19:11,450 --> 00:19:14,150
السيارة ممكن تطلع من صفر إلى مائتين وعشرين

235
00:19:14,150 --> 00:19:18,620
but the linguistic variable stopping distance can

236
00:19:18,620 --> 00:19:22,000
take either value long أو short long أو short

237
00:19:22,000 --> 00:19:31,180
فتقول هذه short صح، okay long و short برضه،  هذا غريب

238
00:19:31,180 --> 00:19:35,240
هدول هدول sets long و short هدول عبارة عن sets

239
00:19:35,240 --> 00:19:42,300
هذه long و هذه short هذه set  قدام أو يعني حتى حتى

240
00:19:42,300 --> 00:19:45,860
لأن إحنا حكينا أن هذه sets و لها درجة انتماء

241
00:19:45,860 --> 00:19:47,460
الـ variables بتاخد درجة انتماء في هذه

242
00:20:00,880 --> 00:20:05,560
الآن درجة الـ intimacy على أي أساس بتحدد؟ بتحدث على

243
00:20:05,560 --> 00:20:11,360
أساس fuzzy membership functions fuzzy membership

244
00:20:11,360 --> 00:20:12,120
functions

245
00:20:18,560 --> 00:20:26,120
الـ two sets tall و heavy هذه الآن مجموعة الطول

246
00:20:26,120 --> 00:20:31,300
وهذه مجموعة الوزن طول

247
00:20:31,300 --> 00:20:38,820
الشخص، ناخد الأشخاص اللي بيبقى طولهم من 160 إلى 200 هذا

248
00:20:38,820 --> 00:20:42,400
الـ curve هو اللي بيعطيني هذا الـ curve هو اللي

249
00:20:42,400 --> 00:20:45,420
بمثل الـ function هذه الـ function هي اللي بتعطيني

250
00:20:45,420 --> 00:20:52,800
الـ membership  فأنا عندي شخص طوله 180 سم بالظبط

251
00:20:52,800 --> 00:21:02,180
إيش درجة انتمائه لمجموعة الطول؟ حوالي

252
00:21:02,180 --> 00:21:05,820
واحد

253
00:21:05,820 --> 00:21:15,800
وزنه 80، أنا شوية أكتر من 80 يعني

254
00:21:15,800 --> 00:21:22,210
بيقع في جماعة الـ... إيش؟ في جماعة الـ heavy  أما مش

255
00:21:22,210 --> 00:21:26,210
يقول fat، كلمة يعني negative، آه فجأة الـ heavy

256
00:21:26,210 --> 00:21:33,970
okay فجماعة الـ heavy بيجي حوالي خمسين، شوية خمسين

257
00:21:33,970 --> 00:21:39,130
في المئة، okay فببساطة شديدة، ملخص الكلام أنه درجة

258
00:21:39,130 --> 00:21:43,510
الانتماء بيعبر عنها بـ membership function تمام

259
00:21:43,510 --> 00:21:46,910
فالـ fuzzy membership function اللي شفناه إحنا هنا قبل

260
00:21:46,910 --> 00:21:50,690
شوية لما

261
00:21:50,690 --> 00:21:57,630
رسمناه و ميّزنا ما بين الـ... الـ crisp sets و ما بين

262
00:21:57,630 --> 00:22:01,670
الـ fuzzy sets مش هتقول fuzzy sets ثلاثة، هتقول

263
00:22:01,670 --> 00:22:06,550
crisp، هدول برضه منحنى functions بناءً على الـ

264
00:22:06,550 --> 00:22:12,010
function هذه، هتساعد زي هيك مرة واحدة بشكل خطي

265
00:22:12,010 --> 00:22:16,780
وبعدين تنزل مرة واحدة برضه، عشان كان خطر، صح؟ هذه برضه

266
00:22:16,780 --> 00:22:19,380
عبارة عن function، الـ function بتحدد درجة

267
00:22:19,380 --> 00:22:23,720
الانتماء، مثلاً هذا الـ value هنا، يعني لو عندي أنا

268
00:22:23,720 --> 00:22:30,860
شخص طوله 184 سم

269
00:22:30,860 --> 00:22:36,540
فهو بينتمي إلى الـ average، هذه نقطة تقاطع

270
00:22:36,540 --> 00:22:41,320
مع مين؟ تقاطع مع الـ function هذا، المتغير عبارة عن

271
00:22:41,320 --> 00:22:45,620
function، الـ function بتاع الـ Average، و أيضًا

272
00:22:45,620 --> 00:22:50,920
يتقاطع مع الـ function بتاع الـ tall، ماشي، شو معنى

273
00:22:50,920 --> 00:22:54,860
هذا الكلام؟ معنى هذا الكلام أن الشخص اللي طوله 184

274
00:22:54,860 --> 00:23:02,740
هو member في الـ Average وهو أيضًا member في الـ

275
00:23:02,740 --> 00:23:08,820
tall، ليش؟ لأ، في الـ tall، صح؟ في الـ average

276
00:23:08,820 --> 00:23:18,760
بنسبة كذا؟ عالية، 10%، و بالنسبة للهندسة 40%، صح؟

277
00:23:18,760 --> 00:23:23,240
هذا الكلام؟ أنا رجعت لها الـ slide هذا عشان إيش

278
00:23:23,240 --> 00:23:28,540
نوضح نوضح أن الخطوط اللينيار، أشكالها الهندسية هي

279
00:23:28,540 --> 00:23:34,040
أيضاً شكل من أشكال الـ membership functions

280
00:23:34,040 --> 00:23:39,980
الـ membership functions هدول

281
00:23:39,980 --> 00:23:47,030
اللي شفناها قبل، okay واحد كمان، تعطيني الـ

282
00:23:47,030 --> 00:23:52,010
membership، الـ degree of membership لو أنا بدأت أفكر

283
00:23:52,010 --> 00:23:57,650
فيها من ناحية عملية computational، الـ linear أسرع

284
00:23:57,650 --> 00:24:02,970
في الحساب، يعني لو أنا بدي أعمل function وأصممها

285
00:24:02,970 --> 00:24:07,750
بحيث أنه أعطيها الـ value هي تعطيني، تعطيني الطول

286
00:24:07,750 --> 00:24:11,330
بتاع الشخص وهي تعطيني الـ membership بتاعه، لو الـ

287
00:24:11,330 --> 00:24:17,140
function نفسها linear أسرع في الحساب من لو أنها

288
00:24:17,140 --> 00:24:22,940
curve، عشان هي كذلك يفضل عشان تسريع الـوجد اللي هو

289
00:24:22,940 --> 00:24:30,280
الـ linear functions، هذه برضه مثال يوضح أن لو أنا

290
00:24:30,280 --> 00:24:34,000
عندي أكتر من value، هذا بالنسبة للـ height وهذا

291
00:24:34,000 --> 00:24:39,720
بالنسبة للـ weight،  يكون المزيج كيف الـ membership تبقى

292
00:24:39,720 --> 00:24:41,400
في كل واحد من الـ functions

293
00:24:55,330 --> 00:24:58,130
الـ rule طبعاً في الـ fuzzy زي الـ rule في اللي مش

294
00:24:58,130 --> 00:25:01,470
fuzzy، ممكن تبقى multiple، إيش الـ condition تبعها؟

295
00:25:01,470 --> 00:25:04,550
multiple antecedents يعني multiple يعني أكتر من

296
00:25:04,550 --> 00:25:11,230
الشرط بـ and أو بـ or، صح؟ okay الـ consequent إيش

297
00:25:11,230 --> 00:25:17,180
ممكن يكون في multiple برضه،  و الـ consequent

298
00:25:17,180 --> 00:25:22,140
fuzzy إحنا ما شفناش مثل هذا الكلام في الـ... مش

299
00:25:22,140 --> 00:25:27,460
fuzzy، في الـ rules الأخرى اللي قبلها، الآن في الـ

300
00:25:27,460 --> 00:25:31,860
fuzzy هل يسمح أن يكون الـ condition، الـ conclusion

301
00:25:31,860 --> 00:25:36,840
تبع الـ rule يكون فيها multiple conclusions؟ بالظبط

302
00:25:36,840 --> 00:25:42,960
بالظبط، أنه الـ value الواحد، الـ input value الواحد

303
00:25:42,960 --> 00:25:46,830
ممكن يكون له انتماء في أكتر من، في ما أكتر من

304
00:25:46,830 --> 00:25:50,990
fuzzy sets، وبالتالي ممكن أن تكون rule بتقول لي إذا كان قيمته

305
00:25:50,990 --> 00:25:58,230
كذا، قيمة المتغير الفلاني كذا فهو ينتمي إلى هذا

306
00:25:58,230 --> 00:26:01,350
المجموعة أو ينتمي إلى هذا المجموعة، إذا الـ

307
00:26:01,350 --> 00:26:06,090
temperature is hot فـ hot water is reduced and برضه

308
00:26:06,090 --> 00:26:09,690
كمان الـ cold water is increased هذه عبارة عن two

309
00:26:09,690 --> 00:26:14,490
actions أو two conclusions أنا بنيتها على تحقق

310
00:26:14,490 --> 00:26:22,210
شرط واحد، هذا الآن نهاية الـ slides تبع lecture 4

311
00:26:22,210 --> 00:26:28,290
سنكمل الآن من lecture 5 اللي هي بتدخل على طول

312
00:26:28,290 --> 00:26:34,670
مباشرة في موضوع الـ inference، موضوع الـ inference

313
00:26:34,670 --> 00:26:40,810
بمعنى كيف fuzzy rules بدي أعمل منها أو بدي أعمل

314
00:26:40,810 --> 00:26:45,980
expert system على أساس fuzzy rules، الأمر هذا يتم

315
00:26:45,980 --> 00:26:53,640
بمعالجة هذه الـ rules، معالجة هذه الـ rules وصولاً إلى

316
00:26:53,640 --> 00:26:58,020
الاستنتاج اللي إحنا بندور عليه، في هذا النوعين من

317
00:26:58,020 --> 00:27:01,960
الـ inference، في الـ Mamdani inference وفي الـ Sugeno

318
00:27:01,960 --> 00:27:07,040
inference، هنطلع على الـ Mamdani بشكل أساسي، وبعدين

319
00:27:07,040 --> 00:27:12,540
الـ Sugeno مشابه له بس باختلاف عنه في حاجة بسيطة، إحنا

320
00:27:12,540 --> 00:27:16,580
نفهم الـ inference على أساس الـ method  الـ Mamdani و

321
00:27:16,580 --> 00:27:20,300
بعدين نطلع على الـ inference على أساس الـ method

322
00:27:20,300 --> 00:27:29,940
الـ Mamdani بصفة

323
00:27:29,940 --> 00:27:35,970
عامة، fuzzy inference بصفة عامة، والسيستم هذا بياخد

324
00:27:35,970 --> 00:27:41,570
input وعلى أساسه بيطلع output، الـ output هذا غالباً

325
00:27:41,570 --> 00:27:44,770
إحنا بننظر عليه على أنه decision، قرار اللي بيسوي

326
00:27:44,770 --> 00:27:50,230
action معين، فالـ input هذا اللي بيدخل هو عبارة عن

327
00:27:50,230 --> 00:27:55,010
معطيات رقمية crisp، إحنا بناءً على الـ fuzzy

328
00:27:55,010 --> 00:28:00,670
functions بنحول الـ crisp هذا وبنعطيه membership

329
00:28:00,670 --> 00:28:07,710
في الـ fuzzy sets، لأن بناءً على الـ fuzzy sets الآن

330
00:28:07,710 --> 00:28:12,510
الـ rules بتتم معالجتها، استنتجنا أنه بما أن المدير

331
00:28:12,510 --> 00:28:16,280
الفلاني وقع في المجموعة الفلانية يبقى الـ rule

332
00:28:16,280 --> 00:28:23,680
استنتاج تبع حاجة كذا، هذا الأمر يصبح في الـ data set

333
00:28:23,680 --> 00:28:27,720
بيعمل fire للـ rule الجديدة و fire للـ rule التانية لما

334
00:28:27,720 --> 00:28:32,500
نصل للاستنتاج اللي بدنا إياه، يعني، وفي كل مرة بنحسب الـ

335
00:28:32,500 --> 00:28:36,740
what، الـ fuzzy memberships تبع كل استنتاج اللي

336
00:28:36,740 --> 00:28:37,680
بنطلعه

337
00:28:40,090 --> 00:28:42,990
مناخ العملية، أول شيء يحدث في الـ fuzzification

338
00:28:42,990 --> 00:28:47,030
الـ fuzzification هو كما قلنا قبل، crisp value يدخل

339
00:28:47,030 --> 00:28:51,490
بناءً على الـ Fuzzy Function، نأخذ درجة انتمائه في

340
00:28:51,490 --> 00:28:57,110
الـ Fuzzy Sets، بعد ذلك نشغل Rules، بعد ذلك نعمل

341
00:28:57,110 --> 00:29:00,530
Aggregation لـ Rule Outputs لأن هذا سيكون أكتر من

342
00:29:00,530 --> 00:29:04,520
Rule fires وكل واحد بتعطينا استنتاج مختلف، ونعمل لهم

343
00:29:04,520 --> 00:29:08,700
تجميع عشان نطلع باستنتاج نهائي، هذا الاستنتاج

344
00:29:08,700 --> 00:29:13,260
ونعمله de-fuzzification، استنتاج fuzzy ونحوله إلى

345
00:29:13,260 --> 00:29:16,940
استنتاج crisp، خذنا ناخذ مثال سريع لهذا الكلام، لأن

346
00:29:16,940 --> 00:29:21,800
لو أنا في عندي system

347
00:29:25,360 --> 00:29:28,040
هذا الكلام اللي بدأنا فيه المحاضرة الفاترة، إذا

348
00:29:28,040 --> 00:29:32,800
بتذكروا لما أنا أول ما دخلت، دخلت في الـ rule في الـ

349
00:29:32,800 --> 00:29:39,240
fuzzy rules، في عندي أنا rule رقم واحد، rules

350
00:29:39,240 --> 00:29:44,500
مكتوبين بالاختصار، وهنا مكتوبين بعبارة أوضح، if x is

351
00:29:44,500 --> 00:29:50,880
a3 if y is b1 if z is c1 لأن a3 و b1 و c1 هدول

352
00:29:50,880 --> 00:29:55,470
عبارة عن مجموعات fuzzy sets،  a3 ترمز أنه

353
00:29:55,470 --> 00:29:59,370
adequate و x نفسه عبارة عن project funding يعني لو

354
00:29:59,370 --> 00:30:02,470
أنا عندي المثال هذا كله على أساس أن أنا فيه عندي

355
00:30:02,470 --> 00:30:07,110
مشاريع والمشاريع هذه بناءً على الميزانية تبعها

356
00:30:07,110 --> 00:30:13,670
وعدد الـ staff اللي فيها ومتغيرات أخرى بأقدر ما إذا

357
00:30:13,670 --> 00:30:17,930
كان المشروع هذا فيه مخاطرة عالية ولا مخاطرة تبعته

358
00:30:17,930 --> 00:30:21,350
منخفضة ولا وسط، الـ risk هذا هو الـ output value

359
00:30:21,350 --> 00:30:26,100
اللي أنا أدور عليه، okay فالعملية هذه أن أنا لازم

360
00:30:26,100 --> 00:30:29,940
يكون في عندي اللي هو الـ fuzzy functions، الـ fuzzy

361
00:30:29,940 --> 00:30:34,060
functions اللي على أساسها قيمة المتغير بدي

362
00:30:34,060 --> 00:30:39,320
أطلع إيش درجة انتمائه إلى الـ fuzzy sets، فإذا كان

363
00:30:39,320 --> 00:30:44,020
أنا x هذه هي عبارة عن الـ project funding يعني قديش

364
00:30:44,020 --> 00:30:48,040
ميزانية المشروع، إذا والله الميزانية كانت مائة

365
00:30:48,040 --> 00:30:51,620
مليون ولا عشرة مليون ولا كذا، هقول عشرة مليون و

366
00:30:51,620 --> 00:30:56,090
لا مائة مليون، أدقوت ولا مش أدقوت بدي أعرف بناءً على

367
00:30:56,090 --> 00:30:59,870
مين؟ على fuzzy functions، فهنا هدول، أقول عن fuzzy

368
00:30:59,870 --> 00:31:07,150
functions هذه، fuzzy function لـ x وهذه fuzzy

369
00:31:07,150 --> 00:31:11,110
function لـ y، الـ y اللي هو إيش قلنا هنا؟ وراء الـ y

370
00:31:11,110 --> 00:31:15,490
اللي هو project staffing، x اللي هي إيش؟ project

371
00:31:15,490 --> 00:31:18,470
funding

372
00:31:20,260 --> 00:31:25,820
و y هو project staffing يعني إيش staffing؟ staffing

373
00:31:25,820 --> 00:31:29,020
يعني staff، staff اللي هم العاملين، staffing يعني

374
00:31:29,020 --> 00:31:32,960
منسوب بيه حجم الموظفين اللي في المشروع الشغالين

375
00:31:32,960 --> 00:31:41,440
المشروع، الـ z هنا اللي هو risk هقول z ولا هقول z

376
00:31:41,440 --> 00:31:45,540
إنتوا متعودين، علشان z one ولا z two

377
00:32:05,830 --> 00:32:14,390
فهو ينتمي إلى مجموعة a2 بنسبة 20% وينتمي إلى

378
00:32:14,390 --> 00:32:16,850
مجموعة a1 بنسبة

379
00:32:21,520 --> 00:32:34,720
خلّيني أسمّيهم لهم، الـ Funding A1 يعني

380
00:32:34,720 --> 00:32:39,180
المتغير x هيكون تابع لواحد من هدول الثلاثة، الـ A1

381
00:32:39,180 --> 00:32:47,900
اللي هي أن يكون low و A2 يكون adequate

382
00:32:58,910 --> 00:33:11,270
sorry بس نشوف الـ...

383
00:33:11,270 --> 00:33:15,410
okay inadequate

384
00:33:15,410 --> 00:33:19,590
و

385
00:33:19,590 --> 00:33:24,730
marginal و

386
00:33:24,730 --> 00:33:24,950
A3

387
00:33:32,660 --> 00:33:38,940
بالنسبة لـ y لأ

388
00:33:38,940 --> 00:33:46,160
y لها مجموعتين بس اللي هو small و large، هيكون small

389
00:33:46,160 --> 00:33:51,300
و large، الـ high هذا الـ risk، الـ risk اللي لها low و

390
00:33:51,300 --> 00:33:57,560
medium و high، فعندك الـ y هتكون لها مجموعتين، b1

391
00:33:57,560 --> 00:34:07,240
و b2، b1 بمعنى إيش؟ small وهي

392
00:34:07,240 --> 00:34:12,540
بأعداد، مش هيك، بتيجي بمعنى أنها crisp مش هيك، إذا

393
00:34:12,540 --> 00:34:16,180
small و large هتيجي بمعنى ذاتي أنها crisp، إيش

394
00:34:16,180 --> 00:34:23,460
لازم crisp؟  تيجي

395
00:34:23,460 --> 00:34:28,380
ده crisp، if crisp، إذا كان الخط الفاصل ما بين

396
00:34:28,380 --> 00:34:34,950
small و large خط قاطع، مافي فيه ضبابية، هنا أنت إيش

397
00:34:34,950 --> 00:34:39,530
شايف؟ في ضبابية ولا قاطع؟ مافي ضبابية، تمام، فهو

398
00:34:39,530 --> 00:34:44,370
كامل small و large، هذا يعني أنه مجموعتين crisp

399
00:34:44,370 --> 00:34:50,090
إذا الحدود ما بينهم ضبابية، وكله fuzzy، إذا الحدود

400
00:34:50,090 --> 00:34:54,650
قاطعة تكون crisp

445
00:38:11,140 --> 00:38:19,140
A .. أسف، X بتنتمي إلى A1، صح؟ وبنسبة كده؟ و X أيضا

446
00:38:19,140 --> 00:38:24,800
تنتمي إلى A2 بنسبة 0.2. هذا من ناحية الـ X، من ناحية

447
00:38:24,800 --> 00:38:30,010
الـ Y، طبعا هنا X واحد و Y واحد عشان اختصر، الـ Y تنتمي

448
00:38:30,010 --> 00:38:39,150
إلى مين؟ إلى V1 بنسبة 0.1، وايضا تنتمي إلى V2

449
00:38:39,150 --> 00:38:45,590
بنسبة 0.7، ماشي؟ الآن، كيف أنا بدي الـ rules هذه؟

450
00:38:45,590 --> 00:38:49,950
أطلع على مين منهم تنطبق؟ لأن هذه أمور لا تنطبق

451
00:38:49,950 --> 00:38:54,710
تماما، صح؟ لأن مافي عندي أيش؟ X تساوي ايه؟  تلو تساوي

452
00:38:57,030 --> 00:39:02,630
أندي هادي ممكن، صح؟ لأنه أنا من ناحية، في عندي الـ Y

453
00:39:02,630 --> 00:39:10,630
تنتمي إلى A2، والـ X تنتمي إلى A2، أنا بقدر fire هذا

454
00:39:10,630 --> 00:39:16,930
rule، بناء على هذا rule، based on rule 2، أصبح Z

455
00:39:16,930 --> 00:39:25,510
تنتمي إلى C2، اللي هي normal، احنا اسمه يكون million

456
00:39:25,510 --> 00:39:26,310
normal

457
00:39:29,400 --> 00:39:37,860
طيب، رقم ثلاثة، هل تنطبق؟ X is A، ولا هدف؟ أي نعم، انتهى

458
00:39:37,860 --> 00:39:42,740
X تنتمي إلى A واحد، تعطيني أيش؟ استنتاج أن Z تنتمي

459
00:39:42,740 --> 00:39:47,820
إلى C ثلاثة. اللاحظ، اللاحظ أن أنا أتقابل، أن أنا على

460
00:39:47,820 --> 00:39:54,740
رولز هنا، أقول ثلاثة رولز، ثلاثة، باستنتج أنه الآن لحظة

461
00:39:54,740 --> 00:39:58,340
أنا استنتجت أن Z تنتمي إلى هذا، و تنتمي إلى هذا

462
00:39:58,340 --> 00:40:04,080
وهذا برهان من الـ fuzzyness، أن المتغير واحد ينتمي

463
00:40:04,080 --> 00:40:08,560
إلى مجموعتين، فئتين، واحد، ولكن بجدّيش؟ بجدّيش درجة

464
00:40:08,560 --> 00:40:17,440
الانتماء؟ كيف؟

465
00:40:17,440 --> 00:40:21,160
أحسن درجة الانتماء، أنا عرفت أن Z بناء على الـ rules

466
00:40:21,160 --> 00:40:27,460
تنتمي إلى C2 و C3، لكن لم أجد درجة الانتماء. لاحظ أن

467
00:40:27,460 --> 00:40:29,940
الـ system تبعنا صغير جدا، لأن الـ three rules اللي

468
00:40:29,940 --> 00:40:33,320
لدينا، ولأن احنا عمليا وصلنا للاستنتاج أن الـ risk

469
00:40:33,320 --> 00:40:38,580
تبع الـ Z، بس الاستنتاج هذا فظّي، ضبابي، بيقول لي أن الـ

470
00:40:38,580 --> 00:40:44,800
Z normal، وفي نفس الوقت بيقول لي أنها high. أنا الآن

471
00:40:44,800 --> 00:40:48,660
بدي أفكها هذه الضبابية، وأحولها لـ De-fuzzification

472
00:40:48,660 --> 00:40:53,860
بس عشان أفكها، بدي أعرف النسب، اللي هو degree of

473
00:40:53,860 --> 00:40:57,380
membership تبع Z في كل واحد من هدولة الـ two sets

474
00:40:57,380 --> 00:41:05,520
C2 و C3. بسيطة الحكاية، مش معقدة. تذكروا اللي هو لما

475
00:41:05,520 --> 00:41:09,660
يكون في عندي multiple antecedents، وبينهم and، في

476
00:41:09,660 --> 00:41:13,020
certainty factor، كنا بناخد الـ certainty factor الـ

477
00:41:13,020 --> 00:41:18,880
أيش؟ الأقل، ولما يكون or، ناخد الأكثر، وهنا نفس الشيء

478
00:41:18,880 --> 00:41:24,620
أنا الآن، Z2 اجت من Z، انتمائها إلى Z2 اجت بناء على

479
00:41:24,620 --> 00:41:29,360
أيه الـ rule؟ الـ rule هادي، صح؟ الـ rule هادي فيها and،

480
00:41:29,360 --> 00:41:39,520
أصبت؟ لأن الـ X بتنتمي إلى A2، ها يا طيب، X is

481
00:41:39,520 --> 00:41:50,680
A2 بنسبة كده؟ 0.2، صح؟ and Y

482
00:41:50,680 --> 00:42:03,480
is D2، 0.7، صح؟ وينها؟ وينها تحت؟ يبقى

483
00:42:03,480 --> 00:42:11,580
Z is C2 بنسبة

484
00:42:11,580 --> 00:42:23,480
كم؟ ماشي، 0.2. على نفس المنهج، rule ثلاثة، خلاص، rule ثلاثة

485
00:42:23,480 --> 00:42:26,480
أصلا مافيش فيها multiple antecedents، كله هو one

486
00:42:26,480 --> 00:42:33,880
antecedent، فعلى طول هذه بترتب على هذه تلقائيا، Z is

487
00:42:33,880 --> 00:42:46,460
C3، 0.5. برضه الأمور لسه ضبابية، ضبابية، يعني لسه أنا

488
00:42:46,460 --> 00:42:56,040
بدي أعرف ايه؟ يعني هي تنتمي إلى C3 لعند كداش؟ النص

489
00:42:56,040 --> 00:43:05,120
النص، وفي نفس الوقت لـ C2، C2 عندها ايش؟ واحد من

490
00:43:05,120 --> 00:43:07,080
عشرة، هنا، تمام

491
00:43:08,820 --> 00:43:15,480
كيف؟ اثنين من عشرة، يعني تقريبا، فهي انتمائها، خلينا

492
00:43:15,480 --> 00:43:22,860
هيك وهيك، الرسم هي هذه، أو الصورة هي هذه. تشوف هنا

493
00:43:22,860 --> 00:43:28,840
الصورة هذه بتعبر عن ايه؟ اللي هو اثنين من عشرة، اثنين

494
00:43:28,840 --> 00:43:32,840
من عشرة، يقطع

495
00:43:32,840 --> 00:43:33,420
غلطة هنا

496
00:43:58,290 --> 00:44:00,770
مش مشكلة، بقى، عشان ..

497
00:44:06,490 --> 00:44:14,310
هو هنا، بناء على رول واحد، إذا X هو A ثلاثة، ودخل

498
00:44:14,310 --> 00:44:18,590
A ثلاثة في الموضوع، لماذا؟ هذا ضرر من أن X لا

499
00:44:18,590 --> 00:44:21,790
تنتمي إلى A ثلاثة، فهو، ولكنه اعتبر أنه تنتمي

500
00:44:21,790 --> 00:44:29,110
بالنسبة للزيرو، ماشي؟ فالكلام هذا لو بدأ أخده على

501
00:44:29,110 --> 00:44:37,710
رول واحد، رول رقم واحد، أرجع لورا، طبعا هنا A ثلاثة

502
00:44:37,710 --> 00:44:46,810
من اسمه zero، و Y بواحد، من اسمه one، فأخذ الـ one من

503
00:44:46,810 --> 00:44:51,630
عشرة، لأكبر، فهذه

504
00:44:51,630 --> 00:44:56,590
الكلام اللي أنا عارفه هو الـ one، فهذا الرسم بيمثل

505
00:44:56,590 --> 00:45:00,590
لكل اللي أنا كنت أفكر به، طبعا، هذه اللي أنا عارفه

506
00:45:00,590 --> 00:45:02,190
هو الـ two، وهذا اللي أنا عارفه هو الـ three

507
00:45:05,670 --> 00:45:10,370
C1، منصف الـ 0.4، هنا الـ 0.2 زي ما احنا حسبنا، وهنا

508
00:45:10,370 --> 00:45:14,570
الـ 0.4 زي ما احنا حسبنا، إذا هو عبّر عن كل واحد من

509
00:45:14,570 --> 00:45:22,450
هدولة بالخط تبع هذه الـ function تبع الـ output اللي

510
00:45:22,450 --> 00:45:28,190
هو Z، هي نفس الـ function، إنما هنا أنا عرفت أنه بناء

511
00:45:28,190 --> 00:45:33,370
على رموز، الرقم واحد، الـ output بيتقاطع هنا. بالنسبة لأن

512
00:45:33,370 --> 00:45:35,430
أنا أقول اثنين، الـ output بتقاطع في هذه المنطقة

513
00:45:35,430 --> 00:45:39,170
وبالنسبة لأن أنا أقول ثلاثة، الـ output بتقاطع في

514
00:45:39,170 --> 00:45:43,370
هذه المنطقة. الآن، هذول المناطق مظللة، يعني هم

515
00:45:43,370 --> 00:45:46,410
ما تطلعش هذا الخط، بتطلع على كل المنطقة اللي تحت

516
00:45:46,410 --> 00:45:52,870
الخط، يعني أن الـ output وقع في هذا الحيث، وفي هذا

517
00:45:52,870 --> 00:45:58,150
الحيث، وفي هذا الحيث، لأن دمج ثلاثة هدولة في أيش؟

518
00:46:02,590 --> 00:46:08,890
دمج الثلاثة استنتاجات، لأن Z ينتمي لـ C1 بنسبة واحد

519
00:46:08,890 --> 00:46:12,570
عشرة فمية، و Z ينتمي لـ C2 بنسبة عشرين فمية، و Z ينتمي

520
00:46:12,570 --> 00:46:20,210
لـ C3 بنسبة خمسين فمية. دمجهم مع بعض في نفس الـ region

521
00:46:20,210 --> 00:46:24,470
في نفس الـ fuzzy set، في fuzzy set واحد. هرجع ثاني

522
00:46:24,470 --> 00:46:34,540
مرة أخرى، هذول الثلاثة functions، أخذ هذا مع الـ 20%

523
00:46:34,540 --> 00:46:41,940
مع الـ 50%، وطلع عنده أن هو الشكل هذا، هذا

524
00:46:41,940 --> 00:46:48,820
الآن، الشكل هو الـ summation تبع الـ output تبع

525
00:46:48,820 --> 00:46:53,300
الثلاثة رولز، الكل rule اللي قلته، متباحة عن fuzzy set، هاي

526
00:46:53,300 --> 00:46:56,240
الـ fuzzy set هذا، مع هذا الـ fuzzy set، هذا الـ fuzzy

527
00:46:56,240 --> 00:47:00,520
set، مجموعة، اللي هو الـ fuzzy set هذا، لأن الـ fuzzy

528
00:47:00,520 --> 00:47:05,300
set هذا، بدي أعمله de-fuzzification، أخد منه crisp

529
00:47:05,300 --> 00:47:12,320
value، عشان أقول إن Z is risky، أو قيمة الـ risk

530
00:47:12,320 --> 00:47:20,540
تبعها، بنسبة كده، بمقدار كده. هي تحدد جدّيش بالظبط الـ

531
00:47:20,540 --> 00:47:25,640
risk تبع الـ Z. الطريقة اللي هو الـ defuzzification

532
00:47:25,640 --> 00:47:30,020
تحويل من الـ fuzzy set إلى crisp value، أنه احنا هنا

533
00:47:30,020 --> 00:47:32,360
الـ defuzzification، الـ last step، اللي هو الـ fuzzy الـ

534
00:47:32,360 --> 00:47:36,260
inference process. كل الكلام، الأربع خطوات هدول، يبقى

535
00:47:36,260 --> 00:47:39,740
عن الـ inference process: أولا، fuzzification، ثم rule

536
00:47:39,740 --> 00:47:44,590
evaluation، ثم aggregation. الخطوة الثالثة كانت

537
00:47:44,590 --> 00:47:47,770
aggregation، وبعدها، أربعة، هو الـ defuzzification. أن

538
00:47:47,770 --> 00:47:52,350
الـ fuzzy systems help us to evaluate their goals, but the

539
00:47:52,350 --> 00:47:55,090
final output of a fuzzy system has to be a crisp

540
00:47:55,090 --> 00:48:00,230
number. الـ final output بتعرف

541
00:48:00,230 --> 00:48:04,270
درجة المخاطرات بالظبط، جدّيش. has to be a crisp

542
00:48:04,270 --> 00:48:06,650
number, and the input of the defuzzification

543
00:48:06,650 --> 00:48:12,620
process، وبيطلع منها a single number. الآن، إحدى

544
00:48:12,620 --> 00:48:17,860
الطرق لديه fuzzy، فيه يمكن 15 طريقة أو 20 طريقة

545
00:48:17,860 --> 00:48:22,520
لتحويل الـ fuzzy outputs إلى crisp value، من الـ fuzzy

546
00:48:22,520 --> 00:48:26,260
region. أحدها، أو أسهل processing، اللي هي الـ

547
00:48:26,260 --> 00:48:30,460
center of gravity. الـ center of gravity بيختصر شديد

548
00:48:30,460 --> 00:48:34,560
أن احنا لو أدي أنا region هذا، الـ region تبعنا، صح؟

549
00:48:34,560 --> 00:48:36,840
تبع الـ fuzzy region، أو الـ fuzzy circle تبعنا

550
00:48:38,530 --> 00:48:43,590
بنتخيل هذا الكلام كأنه شريحة مجسم، شيء مجسم، معدن

551
00:48:43,590 --> 00:48:48,650
أو قشب وكده، وبنتخيل لو .. وين النقطة؟ .. وين النقطة

552
00:48:48,650 --> 00:48:51,950
على هذا الـ range؟ هذا الـ range الآن، من zero إلى

553
00:48:51,950 --> 00:48:57,530
مين؟ اللي هو درجة المخاطرة، وين النقطة؟ لو أنا حطيت

554
00:48:57,530 --> 00:49:03,410
عليها إفتراض، هتعمل balance، والـ shape هذا، عشان

555
00:49:03,410 --> 00:49:05,950
اسمه، هي عشان هي اسمها الـ center of gravity، تذكروه

556
00:49:05,950 --> 00:49:10,730
في الفيزياء، في الـ astrofthermia، فأسرع طريقة لحساب، أو

557
00:49:10,730 --> 00:49:14,350
يعني طريقة discrete، بدل ما نعملها continuous، نعملها

558
00:49:14,350 --> 00:49:21,750
discrete، عشان تبسيط، لأن احنا ناخد الـ .. الـ .. الـ

559
00:49:21,750 --> 00:49:27,310
.. بالظبط، العشرة، الـ zero، والعشرة، والعشرين، درجة

560
00:49:27,310 --> 00:49:31,940
كده؟ point واحد. بنجمع العشرين، والثلاثين، والأربعين، والخمسين

561
00:49:31,940 --> 00:49:37,200
والستين، ضرب أيش؟ point اثنين، صح؟ بعدين، اللي هو

562
00:49:37,200 --> 00:49:41,680
السبعين، كل الثمانين، والتسعين، والمئة، ضرب اللي هو

563
00:49:41,680 --> 00:49:46,040
أيش؟ الـ zero point five، بعدين، هذا الكلام بنجمعه،

564
00:49:46,040 --> 00:49:49,480
بنجمعه على عددهم، يعني عندي zero point one، يعني

565
00:49:49,480 --> 00:49:54,360
واحدة، اثنين، ثلاثة، صح؟ zero point اثنين، واحدة، اثنين

566
00:49:54,360 --> 00:50:00,940
ثلاثة، أربعة، تمام. 0.5 و 0.5 و 0.5 و 0.5 و 0.5 و 0.5

567
00:50:00,940 --> 00:50:08,300
و 0.5 و 0.5 و 0.5 و 0.5 و 0.5 و 0.5 و 0.5 و 0.5 و

568
00:50:08,300 --> 00:50:09,480
0.5 و 0.5 و 0.5 و 0.5 و 0.5 و 0.5 و 0.5 و 0.5 و 0

569
00:50:09,480 --> 00:50:09,920
.5 و 0.5 و 0.5 و 0.5 و 0.5 و 0.5 و 0.5 و 0.5 و 0.5

570
00:50:09,920 --> 00:50:10,300
و 0.5 و 0.5 و 0.5 و 0.5 و 0.5 و 0.5 و 0.5 و 0.5 و

571
00:50:10,300 --> 00:50:11,660
0.5 و 0.5 و 0.5 و 0.5 و 0.5 و 0.5 و 0.5 و 0.5 و 0

572
00:50:11,660 --> 00:50:21,240
.5 و 0.5 و 0.5 و 0.5 و 0.5 و 0.5 و 0.5 و 0.5 و 0.5

573
00:50:21,240 --> 00:50:22,280
و

574
00:50:26,230 --> 00:50:34,790
درجة المخاطرة بالمئوية، 67.4%. طبعا، الـ system زي هذا

575
00:50:34,790 --> 00:50:39,170
صغير، احنا ممكن نعمله if statement، إذا كان كده، فإنه

576
00:50:39,170 --> 00:50:44,050
كده، بس هذا الغرض منه كان بس مجرد توضيح آلية الـ

577
00:50:44,050 --> 00:50:48,850
inference. طيب، ماشي، احنا الآن عند هذه النقطة، بنكون

578
00:50:48,850 --> 00:50:54,560
شرحنا الـ fuzzy inference، بس على أساس اللي هو الممداني

579
00:50:54,560 --> 00:50:56,660
method، الممداني method، اللي هي الـ method الأولى

580
00:50:56,660 --> 00:51:01,800
السوجينو method. المحاضرة الجاية، بنكملها، وبنشوف أيضا

581
00:51:01,800 --> 00:51:06,900
مثال، example، بواسطة expert system، على الطريقتين،

582
00:51:06,900 --> 00:51:09,400
على الممداني method، وعلى السوجينو method.