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 نقطع قدر أكبر في الموضوع اللي هو ال fuzzy

3
00:00:30,040 --> 00:00:33,100
express systems كنا في المحاضرة اللي فاتت دوبك

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

5
00:00:38,420 --> 00:00:43,020
express systems و حكينا عن ال fuzzy rules أنا 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 و الحين نقدر نجمله كله المحاضرة هذه إن شاء

8
00:00:50,460 --> 00:00:54,600
اللهالموضوع هذا بادي في ال slides عندكم من lecture

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

10
00:00:58,760 --> 00:01:02,220
بيكمل الموضوع، دا كال lecture رقم خمسة بتناول ال

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 ال fuzzy sets و بعدين عن ال

13
00:01:08,960 --> 00:01:12,440
linguistic variables ال edges و بعدين بيحكي

14
00:01:12,440 --> 00:01:15,720
operations of fuzzy sets و بعدين بيصل ال fuzzy

15
00:01:15,720 --> 00:01:22,350
rulesاحنا بدنا نحاول نخلص الحكي و نصل ل 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 ال inference

18
00:01:29,250 --> 00:01:32,350
ندخل على ال lecture رقم 5 و نحكي في ال inference

19
00:01:32,350 --> 00:01:37,890
فانا ال introduction او what is fuzzy thinking و

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

21
00:01:42,550 --> 00:01:49,110
hedges انا حابد اعمل ايه من ال fuzzy setsو هأحكي

22
00:01:49,110 --> 00:01:52,070
ال linguistic variables على طول على سرية و بعدين

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

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

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

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

27
00:02:11,970 --> 00:02:16,640
بنتركها بتكونهي مرت معانا أثناء الحكي ولي ما مرش

28
00:02:16,640 --> 00:02:21,480
هنرجعله تاني ال operations هنرجعلها تاني في الآخر

29
00:02:21,480 --> 00:02:28,920
الكلام هذا لو اقفزي سلسبب ده من slide الرقم تسعة

30
00:02:28,920 --> 00:02:35,320
تسعة عشرة

31
00:02:35,320 --> 00:02:41,000
عشرة تمام؟ بس قبل عشرة ربما تلقينا نقل عن تسعة

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

33
00:02:47,510 --> 00:02:54,230
الفاترة في ال boolean logic عشان احنا دلوقت بنفهم

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

35
00:02:56,590 --> 00:03:02,250
عادي بس بدل ما يبقى في عندي القيم ال truth يا اما

36
00:03:02,250 --> 00:03:06,530
ال zero one يا اما true يا اما false لأ في عندي

37
00:03:06,530 --> 00:03:12,490
تدرج في القيم ال boolean logicبقول 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 ال multivalue درجة اللي

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

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

42
00:03:31,740 --> 00:03:34,200
ممكن تبقى تسعين في الميتو ويمكن تبقى سبعين في

43
00:03:34,200 --> 00:03:40,720
الميتو ويمكن تبقى بنسب متفاوتة فهي المقصود بإنه أو

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

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

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

47
00:03:53,920 --> 00:03:58,260
لما أنا قلت هنا انه انا عندي الحقيقة يا اما بتكون

48
00:03:58,260 --> 00:04:01,760
true يا اما بتكون falseالمعنى ذلك انا مقدر اقول

49
00:04:01,760 --> 00:04:05,000
الحقائق او ال .. ال .. ال .. ال .. ال .. ال

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

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

52
00:04:13,660 --> 00:04:17,460
هنا معناه ان هو مش منتمي للطرف الآخر، اذا منتمي لل

53
00:04:17,460 --> 00:04:20,890
true هو حتما لاينتمي إلى ال false، صح؟بينما في

54
00:04:20,890 --> 00:04:25,750
الفظي لأ ممكن يكون هو ينتمي الى اكثر من مجموع يعني

55
00:04:25,750 --> 00:04:29,490
الحقيقة ممكن تبقى متمية الى هذه المجموعة ال

56
00:04:29,490 --> 00:04:34,210
assertion مجموعة ألف ومجموعة با و بدرجات متفاوتة

57
00:04:34,210 --> 00:04:37,910
ماشي فمفهوم ال set اصلا اللى احنا بنعرفه في

58
00:04:37,910 --> 00:04:42,930
الرياضيات بالاصل لكن الان بدل ما انا اجي اقول ان

59
00:04:42,930 --> 00:04:53,580
فلان ينتمي الى هاي مجموعة okayبدل ان نجيب بدل ما

60
00:04:53,580 --> 00:04:57,260
يكون انسى انسى الدائرة هذا ال grey اعتبر ان انا في

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

62
00:05:02,840 --> 00:05:10,540
اي نقطة قد اما بتكون جوا او برا صح فهي اما تنتمي

63
00:05:10,540 --> 00:05:14,160
إلى المجموعة او لا تنتمي اليها فعندما في الفاضي

64
00:05:14,160 --> 00:05:17,740
السادت احنا لما في عندنا انتماء و برضه في كمان

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

66
00:05:27,340 --> 00:05:30,640
ينتمي تماما لأن مثلا انا ممكن اضغط في end value

67
00:05:30,640 --> 00:05:37,280
يعبر انه قيمة على ال X-axis ال value هذا هنا هذا

68
00:05:37,280 --> 00:05:42,120
لا ينتمي إلى المجموعة اطلاق لا ينتمي إلى المجموعة

69
00:05:42,120 --> 00:05:47,280
الفاصلة P2 P2 صغيرة بقول مثلا تلاتة تجعله لا ينتمي

70
00:05:47,280 --> 00:05:50,840
بالمرة إلى المجموعةبينما ال value هذا و ال value

71
00:05:50,840 --> 00:05:54,840
هذا هذا ال value ينتمي تماما إلى المجموعة لأن واقع

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

73
00:06:00,240 --> 00:06:06,240
جزئيا إلى المجموعة نسميها مجموعة A هذا أيضا كذلك

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

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

76
00:06:18,140 --> 00:06:22,060
الكلام من بين هذا الكلام ان هنا بولين بولين ياما

77
00:06:22,060 --> 00:06:26,360
ينتمي ياما لا ينتمي قطع عنا عشان ذلك نسميهم 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 ال fuzzy set لأ مافي قطع فيها

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

81
00:06:42,860 --> 00:06:47,250
فيها بعض الاش بعض العناصروفي 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، جزءي، تمام؟ عشان أيه كلمة نسميه؟

84
00:06:57,650 --> 00:07:00,950
Fuzziness وهذا فظنس، عشان كلمة فظي أصلا من جاي من

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

86
00:07:04,810 --> 00:07:08,490
مغبش، ضبابي، يعني مافيش شيء وضوح للرؤية، ماهياش

87
00:07:08,490 --> 00:07:13,270
crispOkay فانا الآن بس تفزيتي لهذا ال slide بس

88
00:07:13,270 --> 00:07:19,930
عشان اوضح مفهوم ال fuzzy set و ال crisp set

89
00:07:19,930 --> 00:07:23,690
فاتفاقنا انه انه مفهوم ال set هو هو بس الان

90
00:07:23,690 --> 00:07:28,150
اختلفنا و اضافنا 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 انه انا في اندي مثالة طولمثلا الطول

93
00:07:40,080 --> 00:07:44,380
انا لدي اشخاص و كله راح اطوله بالصينتمتر اتنين و

94
00:07:44,380 --> 00:07:48,040
تمانين اتنين و خمسة هذا مائة اتنين و خمسين الان لو

95
00:07:48,040 --> 00:07:55,420
انا بدى اصنفهم الى two sets crisp sets باجى بحط خط

96
00:07:55,420 --> 00:07:59,580
معين دعيني اقول مثلا 180 اللى اعلى من 180 هذا

97
00:07:59,580 --> 00:08:07,380
بسميه او بقول عنه ايش طول و اللى اقل من 180 بقول

98
00:08:07,380 --> 00:08:12,520
عنه ايشnot tall ممكن أسميه short بس هو إذا ماكانش

99
00:08:12,520 --> 00:08:15,700
tall مش بضروري يبقى short ممكن يبقى وسط 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 أجسمه ملا إيش crisp two crisp sets أو بدي

102
00:08:25,520 --> 00:08:31,290
أتخيل ال tall على إن هو ال setماشي و حدوده من هند

103
00:08:31,290 --> 00:08:36,850
ال 80 من 180 فى المفهوق فأي او لهند مثلا اقول 250

104
00:08:36,850 --> 00:08:41,970
اي حد فى هذا ال range هو tall اي حد خارج هذا ال

105
00:08:41,970 --> 00:08:46,370
range هو مش tall ايش وصفه مش قضية الحين المهم انه

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

107
00:08:51,590 --> 00:08:55,590
دقيقة للمجموعة بينما فى الفظى لأ فى الفظى انا بقول

108
00:08:55,590 --> 00:09:03,440
tall كلهم tallولكن بالنسبة متفاوتة هذا الجاء

109
00:09:03,440 --> 00:09:10,100
الراجل 0% طول ال 152 هذه انا بتعتبرها انه لا تنتمي

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

111
00:09:14,720 --> 00:09:20,460
الشخص اه بزيد درجة انتمائه الى من؟ الى الطول اتخيل

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

113
00:09:25,010 --> 00:09:30,290
فواضح ال .. واضح الفكرة لإن هذا .. هذا بيسمي 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 ال fuzzy المجموعة الفuzzy

117
00:09:51,760 --> 00:09:54,760
المجموعة الفuzzy 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 بتعبر عنه بالشكل

121
00:10:11,600 --> 00:10:15,560
هذا أو بال notation هذا

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

123
00:10:28,570 --> 00:10:33,250
ايه و في عندي X capital هذه اللي هي كافة

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

125
00:10:43,070 --> 00:10:46,470
كده لكده اقول مثلا طول في انسان اطول و ممكن يكون

126
00:10:46,470 --> 00:10:52,460
اقل من مائة صنطيماعرفش اعتبر انه ال .. ال .. ال X

127
00:10:52,460 --> 00:10:58,460
قيم محددة تروح من مية الى تلت منين اقل فيه المهم

128
00:10:58,460 --> 00:11:03,760
احنا ال X capital خالبة capital يعني كأنه ايش؟

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 فال

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

132
00:11:19,220 --> 00:11:26,180
بهي أي المتغير في المجموعة a هتكون اما zero او one

133
00:11:26,180 --> 00:11:35,160
هذا اذا كان المجموعة a اياش 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 ال a فظي فالقيم

136
00:11:50,120 --> 00:11:56,200
ميو هذي هي عبارة عن الـ membership value تبع

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

138
00:12:02,480 --> 00:12:08,740
او زيرو او اشي ما بين الزيرو والواحد

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

140
00:12:15,760 --> 00:12:21,460
totally in Aإذا نتغير هذا إذا نتغير X قيمة واقعة

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

142
00:12:26,360 --> 00:12:32,540
بتبعته هي إيش one وإذا هو totally إذا totally not

143
00:12:32,540 --> 00:12:36,340
in A فال degree of membership بتبعته إيش Zero وإلا

144
00:12:36,340 --> 00:12:40,960
بيكون إيشالقيمة تتراوح من ال zero الواحد if it is

145
00:12:40,960 --> 00:12:46,460
partially in it القيمة تتراوح من ال zero الواحد 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 ال zero الواحد if it is partially in it

148
00:12:54,000 --> 00:12:55,080
القيمة تتراوح من ال zero الواحد if it is partially

149
00:12:55,080 --> 00:12:56,880
in it القيمة تتراوح من ال zero الواحد if it is

150
00:12:56,880 --> 00:12:59,700
partially in it القيمة تتراوح من ال zero الواحد if

151
00:12:59,700 --> 00:13:00,440
it is partially in it القيمة تتراوح من ال 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
ال zero الواحد if it is partially in it القيمة

154
00:13:03,440 --> 00:13:03,680
تتراوح من ال zero الواحد if it is partially in it

155
00:13:03,680 --> 00:13:04,820
in it القيمة تتراوح من ال zero الوافهذه ال

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

157
00:13:07,360 --> 00:13:09,780
ال membership والان فهمنا ايش membership وفهمنا

158
00:13:09,780 --> 00:13:13,640
ايش علاقتها بال .. بال sense بسميها degree of

159
00:13:13,640 --> 00:13:16,520
membership also called membership value انا

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

161
00:13:22,640 --> 00:13:27,940
عضويته في هذا المجموعة تمام عضويته ماهياش crisp يا

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

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

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

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

166
00:13:54,310 --> 00:13:59,150
اهم ذلك اللي هو ان احنابمفهوم الانتماء ممكن زي ما

167
00:13:59,150 --> 00:14:02,550
قلت قبل في البداية انه ممكن يكون انتماءه الى اكتر

168
00:14:02,550 --> 00:14:06,030
من المجموعة في انا الواحد هو نفس ال member ممكن

169
00:14:06,030 --> 00:14:09,730
يبدأ انتماءه في اكتر من المجموعة في انا الواحد لو

170
00:14:09,730 --> 00:14:15,110
crisp لو crisp set لأ لايمكن اي نقطة على هذا ال

171
00:14:15,110 --> 00:14:22,450
universe of discourse universe of discourse اتوقت

172
00:14:22,450 --> 00:14:25,270
كانت على واحدة من ال slides بس انا ماوجهتش عندها

173
00:14:25,270 --> 00:14:29,270
discourseما هو مقصود بيها؟ مقصود بيها ال range of

174
00:14:29,270 --> 00:14:33,610
values اللي هي ال X capital أي نقطة على هذا ال

175
00:14:33,610 --> 00:14:39,730
range هي إما في هذه المجموعة أو في هذه المجموعة أو

176
00:14:39,730 --> 00:14:43,850
في هذه المجموعة صح؟ يا هنا يا هنا يا هنا لأن

177
00:14:43,850 --> 00:14:47,830
مستحيل في ال crisp sets يكون نقطة وقع في هذا و في

178
00:14:47,830 --> 00:14:51,710
هذا في أى واحد بينما في ال fuzzy sets ال fuzzy

179
00:14:51,710 --> 00:14:55,470
sets مش بس أن حدودها ضبابية

180
00:14:57,460 --> 00:15:02,240
مش هال واضح الرسم هذا مش بس ان حدودها ضبابية الا

181
00:15:02,240 --> 00:15:07,160
انه ايضا ضبابية و متداخلة يعني هذا ال set A و هذا

182
00:15:07,160 --> 00:15:10,460
ال set B بحدودهم متداخلة زي هنا مثلا يعني ال

183
00:15:10,460 --> 00:15:18,460
average و ال short حدودهم متداخلة هذا المنطقة هذه

184
00:15:18,460 --> 00:15:23,300
القيم اللي فيها هي تابعة لها ال average و هي تابعة

185
00:15:23,300 --> 00:15:28,170
ايضا لل short و كدرجة الحالالنقاط اللي هنا او ال

186
00:15:28,170 --> 00:15:30,970
values اللي واقع على هذا الجزء من ال universe of

187
00:15:30,970 --> 00:15:35,890
this course واقع على 10 تمين إلى ال average و 10

188
00:15:35,890 --> 00:15:39,350
تمين إلى ال total في N واحد جميل هذا الكلام ممكن

189
00:15:39,350 --> 00:15:42,690
بحير اكتر من ما انه بيه بس الان بدنا نشوف كيف هذا

190
00:15:42,690 --> 00:15:47,450
الأمر بيوظف في ال express systems rule based

191
00:15:47,450 --> 00:15:52,350
express systems واضحة هذا ال slide اللي انا قفزت

192
00:15:52,350 --> 00:15:56,460
عليها وانصلنا لهاالان مفهوم ال linguistic

193
00:15:56,460 --> 00:15:59,340
variables مش جديد علينا بس التقاليد اللي نفهمه في

194
00:15:59,340 --> 00:16:03,700
ضل أو في إطار ال fuzzy sets ال .. ال .. ال .. ال

195
00:16:03,700 --> 00:16:08,780
variable اللي هو .. لما أنا بقول X أي شخص أو أي

196
00:16:08,780 --> 00:16:14,020
عينة أني sample في ال data .. في ال data set هي

197
00:16:14,020 --> 00:16:16,960
عبارة عن variable القيمة تبعتها هي ال variable

198
00:16:16,960 --> 00:16:21,700
تبعتها لما بقول أنا John is tall وين ال variable

199
00:16:22,970 --> 00:16:28,730
John صح؟ يعني John هذا اسم و ثابت مابتغيرش بس

200
00:16:28,730 --> 00:16:33,950
القيمة تبعته انتماءه إلى ال .. هذا هو المتغير شو

201
00:16:33,950 --> 00:16:37,410
.. شو هي المجموعة اللي ينتمي .. اللي ممكن ينتمي

202
00:16:37,410 --> 00:16:42,070
إليها John؟ طال .. طال .. طال هي المجموعة و درجة

203
00:16:42,070 --> 00:16:46,310
انتماءه متباينة ممكن يبقى طال بنسبة 100% ممكن طال

204
00:16:46,310 --> 00:16:51,370
بنسبة إيش؟ خمسين أو صفر، مظبوط؟ فJohnthe

205
00:16:51,370 --> 00:16:54,910
linguistic value of John takes the linguistic

206
00:16:54,910 --> 00:17:00,110
value of Toll بس برضه كمان بدنا بنقول انه Toll ب

207
00:17:00,110 --> 00:17:05,210
درجات الان

208
00:17:05,210 --> 00:17:12,210
ال rule ال fuzzy rule هكون اصبح شكل ال F طبعا هى F

209
00:17:12,210 --> 00:17:15,230
و في عند ال condition و في عند ال conclusion if

210
00:17:15,230 --> 00:17:19,150
wind is strong then sailing is good هنا هذا ال

211
00:17:19,150 --> 00:17:23,890
variableهذا الـ value بس برضه بلزمنا كمان اللي هو

212
00:17:23,890 --> 00:17:27,350
degree of membership sailing is good project

213
00:17:27,350 --> 00:17:30,510
duration is long then completion risk is high

214
00:17:30,510 --> 00:17:37,210
speed is slow shipping distance is short هذه ما

215
00:17:37,210 --> 00:17:41,050
هيش .. ما بتفرجش كتير عن اللي هيش ال rules تبعت

216
00:17:41,050 --> 00:17:45,470
اللي شفناها في ال certainty factor وشفناها في ال

217
00:17:45,470 --> 00:17:53,280
Bayesian reasoning اللي هيخلف اللي هوقالية ال

218
00:17:53,280 --> 00:17:59,800
reasoning قالية استنباط الاستنتاج وحساب وحساب

219
00:17:59,800 --> 00:18:04,040
النسبة تبعته ال probability تبعته لان من هنا ال

220
00:18:04,040 --> 00:18:08,300
slide ببدأ كمفروض الهتجز انا الهتجز بدي اخليها الى

221
00:18:08,300 --> 00:18:14,820
قدام وبدنا ننتقل الان الى اللي هو ال fuzzy rules

222
00:18:14,820 --> 00:18:18,540
مرة اخرى ال fuzzy rules زى ما شوفنا طوي في عندي

223
00:18:18,540 --> 00:18:25,340
بيكون variableالـ 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
style هذا يتميز بين ما هو الـ crisp و ما هو ال

226
00:18:37,100 --> 00:18:42,260
fuzzy اندي 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
variable fuzzyvalue مظبوط هذا ال variable stopping

229
00:18:51,410 --> 00:18:56,010
distance is long فظي variable ينتبه إلى فظي 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 مائمية يا إما مش أكبر من

232
00:19:03,370 --> 00:19:08,810
مائمية صح؟ okay ال variable speed can have any

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

234
00:19:11,450 --> 00:19:14,150
السيارة ممكن تطلعوا هنا من صغر إلى مائتين و عشرين

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

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

237
00:19:22,000 --> 00:19:31,180
فتقول هذه short صح okay long و short برضه crazy لأ

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

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

240
00:19:42,300 --> 00:19:45,860
لان احنا حكينا ان هذه sets ويلها درجة انتماء ال

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

242
00:20:00,880 --> 00:20:05,560
الان درجة ال intimate على اي اساس بتتحدث بتحدث على

243
00:20:05,560 --> 00:20:11,360
اساس 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 الهوي طول

247
00:20:31,300 --> 00:20:38,820
الشخص ناخد الاشخاص اللي بيبقى 160 إلى 200 هذا

248
00:20:38,820 --> 00:20:42,400
ال curve هو اللي بيعطيلي هذا ال curve هو اللي

249
00:20:42,400 --> 00:20:45,420
بيمثل ال function هذه ال function هي اللي بتعطيلي

250
00:20:45,420 --> 00:20:52,800
ال membership فانالو عندى شخص طوله 180 صنطي بالظبط

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

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

253
00:21:05,820 --> 00:21:15,800
بالمين واحد وزنه 80 أنا شوية اكتر من 80 يعني

254
00:21:15,800 --> 00:21:22,210
بقالجىفي جماعة ال .. ايش؟ في جماعة ال heavy اما مش

255
00:21:22,210 --> 00:21:26,210
يقول fat فات كلمة يعني negative اه فجأة ال heavy

256
00:21:26,210 --> 00:21:33,970
okay فجماعة ال heavy بيجي حوالي خمسين شويه خمسين

257
00:21:33,970 --> 00:21:39,130
في المية okay فببساطة شديدة ملخص الكلام انه درجة

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

259
00:21:43,510 --> 00:21:46,910
فعزي membership functionاللي شوفناه احنا هنا قبل

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

261
00:21:50,690 --> 00:21:57,630
رسمنا وميازنا ما بين ال .. ال crisp sets وما بين

262
00:21:57,630 --> 00:22:01,670
ال fuzzy sets مش هتقوله fuzzy sets تلاته هتقوله

263
00:22:01,670 --> 00:22:06,550
crisp هدوله برضه منبشر functions بناء على ال

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 واحدةبرضه عشان كان خطر صح هذه برضه

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

267
00:22:19,380 --> 00:22:23,720
الإنتمال مثلا هذا ال value هنا يعني لو عيدي أنا

268
00:22:23,720 --> 00:22:30,860
شخص الطوله تبع مية و خمسة و تمانية و أربعة و

269
00:22:30,860 --> 00:22:36,540
تمانين فهو بينتمي إلى ال average هيهانة نقطة تقاطع

270
00:22:36,540 --> 00:22:41,320
مع مين تقاطع مع ال function هذا المتلف عبارة عن

271
00:22:41,320 --> 00:22:45,620
function ال function تبع التنينالـ Average و أيضًا

272
00:22:45,620 --> 00:22:50,920
يتقاطر مع الـ Function تبع التطور 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 و هو أيضًا member في ال

275
00:23:02,740 --> 00:23:08,820
short في ليش؟ لأ في ال total، صح؟ في ال average

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

277
00:23:18,760 --> 00:23:23,240
هذا الكلام؟ انا رجعت لها ال slide هذا عشان ايش

278
00:23:23,240 --> 00:23:28,540
نوضح نوضح ان الخطوط اللينيار اشكالها الهندسية هي

279
00:23:28,540 --> 00:23:34,040
ايضا شكل من اشكال ال membership functions

280
00:23:34,040 --> 00:23:39,980
ال membership functions هدولة

281
00:23:39,980 --> 00:23:47,030
اللي شوفناها قبلOkay واحد كمان تعطيني ال

282
00:23:47,030 --> 00:23:52,010
membership ال degree of membership لو أنا بدأ أفكر

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

284
00:23:57,650 --> 00:24:02,970
في حساب يعني لو أنا بدي أعمل function و أصممها

285
00:24:02,970 --> 00:24:07,750
بحيث أنه اعطيها ال value هي تعطيني تعطيها الطول

286
00:24:07,750 --> 00:24:11,330
تبع الشخص و هي تعطيني ال membership تبعه لو ال

287
00:24:11,330 --> 00:24:17,140
function نفسها linearأسرع في الحساب من لو انها

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

289
00:24:22,940 --> 00:24:30,280
ال linear functions هاي برضه مثال يوضح ان لو انا

290
00:24:30,280 --> 00:24:34,000
عندي اكتر من value هذا بالنسبة لل height وهذا

291
00:24:34,000 --> 00:24:39,720
بالنسبة لل weight كون المزل كيف ال membership تبقى

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

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

294
00:24:58,130 --> 00:25:01,470
fuzzy ممكن تبقى multiple إيش ال 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 بال and أو بال or صح okay ال consequent إيش

297
00:25:11,230 --> 00:25:17,180
ممكن يكون في multiple برضه and a consequenceالـ

298
00:25:17,180 --> 00:25:22,140
fuzzy احنا ماشوفناش مثل هذا الكلام في ال .. مش

299
00:25:22,140 --> 00:25:27,460
fuzzy في ال rules الأخرى اللي قبله الان في ال

300
00:25:27,460 --> 00:25:31,860
fuzzy هل يسمح انه يكون ال condition ال conclusion

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

302
00:25:36,840 --> 00:25:42,960
بالظبط انه ال value الواحد ال input value الواحد

303
00:25:42,960 --> 00:25:46,830
ممكن يكون إليه انتماء فيه أكتر منفي ما اكتر من

304
00:25:46,830 --> 00:25:50,990
فزسر وبالتالي ممكن اناجي rule بتقولي إذا كان قيمته

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

306
00:25:58,230 --> 00:26:01,350
المجموع أو ينتمي إلى هذا المجموع اذا ال

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

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

309
00:26:09,690 --> 00:26:14,490
actions او two conclusions انا بنيتهم على التحقق

310
00:26:14,490 --> 00:26:22,210
شرط واحدهذا الان نهاية ال slides تابعة lecture 4

311
00:26:22,210 --> 00:26:28,290
سنكمل الان من lecture 5 اللى هى بتدخل على طول

312
00:26:28,290 --> 00:26:34,670
مباشرة فى موضوع ال inference موضوع ال inference

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

314
00:26:40,810 --> 00:26:45,980
express system على اساس fuzzy rulesالأمر هذا بيتم

315
00:26:45,980 --> 00:26:53,640
معالجة هذه ال rules معالجة هذه ال rules وصولا إلى

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

317
00:26:58,020 --> 00:27:01,960
ال inference في الممداني inference وفي السيجينو

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

319
00:27:07,040 --> 00:27:12,540
السيجينو مشابه له بس باختلاف عنه في حاجة بسيطةأحنا

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

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

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

323
00:27:29,940 --> 00:27:35,970
عامة الفاضي inference بصفة عامةوالسيستم هذا بياخد

324
00:27:35,970 --> 00:27:41,570
input وعلى أساسه بيطلع output ال output هذا غالبا

325
00:27:41,570 --> 00:27:44,770
نحن ننظر عليه على انه decision قرار اللي بيسوي

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

327
00:27:50,230 --> 00:27:55,010
معطيات رقمية crispأحنا بناء على الـ fuzzy

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

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

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

331
00:28:12,510 --> 00:28:16,280
الفلاني وقع في المجموعة الفلانيةيبقى ال rule

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

333
00:28:23,680 --> 00:28:27,720
يعمل fire لل rule جديدة و fire لل rule التانية لما

334
00:28:27,720 --> 00:28:32,500
نصل للاستنتاج اللي بدنا يعني و في كل مرة بنحسب ال

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

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

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

338
00:28:42,990 --> 00:28:47,030
الـ Fossification هو كما قلنا قبل كرسيب فاليو يدخل

339
00:28:47,030 --> 00:28:51,490
بناء 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 لرول Outputs لأن هذا سيكون أكتر من

342
00:29:00,530 --> 00:29:04,520
Ruleفايرز 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 فuzzy ونحوله الى

345
00:29:13,260 --> 00:29:16,940
استنتاج crisp خدنا ناخد مثال سريع لهذا الكلمة 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 اذا

348
00:29:28,040 --> 00:29:32,800
بتذكروا لما انا اول ما دخلت دخلت في ال rule في ال

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

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

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

352
00:29:50,880 --> 00:29:55,470
عبارة عن مجموعات fuzzy setsمهم 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 و المشاريع هذه بناء على الميزانية تبعتها

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

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

358
00:30:17,930 --> 00:30:21,350
منخفضة و لا وسط ال risk هذا هو ال output value

359
00:30:21,350 --> 00:30:26,100
اللي أنا أدور عليهOkay فالعملية هذه ان انا لازم

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

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

362
00:30:34,060 --> 00:30:39,320
اطلع ايه درجة انتمائه الى ال fuzzy sets فإذا كان

363
00:30:39,320 --> 00:30:44,020
انا X هذه هي عبارة عن ال project funding يعني جداش

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 و العشرة مليون و لا كده هقول العشرة مليون و

366
00:30:51,620 --> 00:30:56,090
لا مائة مليونأدقوت ولا مش ادقوت بدي أعرف بناء على

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

368
00:30:59,870 --> 00:31:07,150
functions هذه fuzzy function ل X وهذه fuzzy

369
00:31:07,150 --> 00:31:11,110
function ل Y ال Y اللي هو ايش قلنا هنا ورا ال Y

370
00:31:11,110 --> 00:31:15,490
اللي هو project staffing X اللي هي ايش 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
منصوب بيه حجم الموظفين اللي في المشروع الشغلين

375
00:31:32,960 --> 00:31:41,440
المشروع ال Z هنا اللي هو risk هقول Z ولا هقول Z

376
00:31:41,440 --> 00:31:45,540
انتوا متعودين علشان Z one ولا Z two

377
00:32:05,830 --> 00:32:14,390
فهو ينتمي الى مجموعة A2 بنسبة 20% و ينتمي الى

378
00:32:14,390 --> 00:32:16,850
مجموعة A1 بنسبة

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

380
00:32:34,720 --> 00:32:39,180
المتغير X هيكون تابع لواحد من هدولة التلاتة الـ A1

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

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

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
ally

387
00:33:32,660 --> 00:33:38,940
بالنسبة ل Y لأ

388
00:33:38,940 --> 00:33:46,160
Y لها مجموعتين بس اللي هو small و large هكون small

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

390
00:33:51,300 --> 00:33:57,560
medium و high فعندك ال NY هتكون لها مجموعتين بي

391
00:33:57,560 --> 00:34:07,240
واحد و بي اتنين بي واحدبمعنى ايش؟ small و هي

392
00:34:07,240 --> 00:34:12,540
بادنان مش هيك بتيجي بمعنى انها script مش هيك اذا

393
00:34:12,540 --> 00:34:16,180
small و large هتيجي بمعنى ذاتي انها script ايش

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

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

396
00:34:28,380 --> 00:34:34,950
small و large خط قارنمافيش فيه ضبابية هنا انت إيش

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

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

399
00:34:44,370 --> 00:34:50,090
إذا الحدود ما بينهم ضبابية و كله فاضية إذا الحدود

400
00:34:50,090 --> 00:34:54,650
قاطعة تكون crisp صح؟ احنا الأن خلاص خرجنا من ال

401
00:34:54,650 --> 00:34:59,300
crisp و الأن كل السلسة اللي هتشوفهابنفعش تكون في

402
00:34:59,300 --> 00:35:02,840
ال goal هجيب من ال fuzzy logic بنفع بس يعني مش

403
00:35:02,840 --> 00:35:06,260
هكون استفادنا من ال fuzzy logic ال fuzzy logic هو

404
00:35:06,260 --> 00:35:09,760
ميزته الأساسية انه يعمل هذا التداخل عشان ال system

405
00:35:09,760 --> 00:35:17,460
مش دائما ال rules بتبقى قاطع خدها لك لما فعندك انت

406
00:35:17,460 --> 00:35:21,560
الآن لاحظ

407
00:35:21,560 --> 00:35:26,220
ال notation هذه الدرجة

408
00:35:26,220 --> 00:35:26,620
الانتمائية

409
00:35:33,590 --> 00:35:39,150
بساوي 2 من 10 هنا ال y هي الواقع تعطيها انتما بي

410
00:35:39,150 --> 00:35:45,610
واحد بي واحد بالنسبة لجداش واحد او 10% بي اتنين

411
00:35:45,610 --> 00:35:47,390
اقلت عامة انتما بي اتنين اقلت عامة انتما بي اتنين

412
00:35:47,390 --> 00:35:47,750
اقلت عامة انتما بي اتنين اقلت عامة انتما بي اتنين

413
00:35:47,750 --> 00:35:48,790
اقلت عامة انتما بي اتنين اقلت عامة انتما بي اتنين

414
00:35:48,790 --> 00:35:51,390
اقلت عامة انتما بي اتنين اقلت عامة انتما بي اتنين

415
00:35:51,390 --> 00:35:57,890
اقلت عامة انتما بي اتنين اقلت عامة انتما بي اتنين

416
00:35:57,890 --> 00:36:06,240
اقلت عامة انتما بي اهي تعبّر عن مقدار ال project

417
00:36:06,240 --> 00:36:10,780
funding وهذه هي مقدار project staffing أخدت

418
00:36:10,780 --> 00:36:17,080
المقادير هذه وبناء على ال functions تبع ال budget

419
00:36:17,080 --> 00:36:22,180
و ال staffing طلعت القيمة هذه الأمر الآن اسمه

420
00:36:22,180 --> 00:36:25,740
classification the first step is to take the crisp

421
00:36:25,740 --> 00:36:30,960
inputsالـ X and الـ Y X واحد و Y واحد هنا بمعنى

422
00:36:30,960 --> 00:36:34,760
انه هيجي بعد هيك X اتنين و Y اتنين يعني ال system

423
00:36:34,760 --> 00:36:39,000
هيتعامل معه مجموعة من الأزواج هذه تبني project

424
00:36:39,000 --> 00:36:41,860
funding and project staffing and determine يعني

425
00:36:41,860 --> 00:36:45,120
ماشي determine يعني حدد ال degree to which هدولة

426
00:36:45,120 --> 00:36:51,740
inputs belong ينتموا to each one of ال sets تبعتهم

427
00:36:51,740 --> 00:36:55,840
appropriate fuzzy sets okay الان بعد هيك رول

428
00:36:55,840 --> 00:37:03,710
evaluationالخطوات التي رأيناها هي إذا X ينتمي إلى

429
00:37:03,710 --> 00:37:09,170
تلتة أو Y ينتمي إلى بي واحد ف Z ينتمي إلى C واحد C

430
00:37:09,170 --> 00:37:10,450
واحد و C تلتة و C تلتة و C تلتة و C تلتة و C تلتة

431
00:37:10,450 --> 00:37:11,250
و C تلتة و C تلتة و C تلتة و C تلتة و C تلتة و C

432
00:37:11,250 --> 00:37:15,190
تلتة و C تلتة و C تلتة و C تلتة و C تلتة و C تلتة

433
00:37:15,190 --> 00:37:20,530
و C تلتة و C تلتة

434
00:37:20,530 --> 00:37:23,210
و C تلتة و C تلتة و C تلتة و C تلتة و C تلتة و C

435
00:37:23,210 --> 00:37:24,910
تلتة و C تلتة و C تلتة و C تلتة و C تلتة و C تلتة

436
00:37:24,910 --> 00:37:25,070
و C

437
00:37:29,090 --> 00:37:36,790
low C2 بمعنى medium و C3 بمعنى high high if high

438
00:37:36,790 --> 00:37:43,350
risk low risk و medium risk ممكن نرجع بجوة بس على

439
00:37:43,350 --> 00:37:46,730
step number two اللي هي rule evaluation ال rule

440
00:37:46,730 --> 00:37:51,790
evaluation بدي أخد هذه ال values و أحسب حسابها في

441
00:37:51,790 --> 00:37:58,070
end تنفيذ ال rules ال rules برجع تاني X is A تلتة

442
00:37:58,340 --> 00:38:02,880
هل الآن بناء على الـ .. هل الآن بناء على الـ

443
00:38:02,880 --> 00:38:07,740
classification هذا ترى X اللي هي انتماء على A3؟

444
00:38:07,740 --> 00:38:11,140
يعني حتى الآن بناء على الـ function اللي عندي هنا

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 ال X من ناحية

447
00:38:24,800 --> 00:38:30,010
ال Y طبعا هنا X واحد و Y واحدعشان اختصر ال Y تنتمي

448
00:38:30,010 --> 00:38:39,150
الى مين الى V1 بالنسبة 0.1 وايضا تنتمي الى V2

449
00:38:39,150 --> 00:38:45,590
بالنسبة 0.7 ماشي؟ الان كيف انا بدي ال rules هذه

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

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

452
00:38:57,030 --> 00:39:02,630
اندي هادى ممكن صح لأنه انا من الناحية في عندي ال y

453
00:39:02,630 --> 00:39:10,630
تنتمي إلى a2 و ال x تنتمي إلى a2 انا 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 تلاتة هل تنطبق x is a ولا هدف اي نعم انتي

458
00:39:37,860 --> 00:39:42,740
x تنتمي إلى a واحد تعطيني ايش استنتاج ان z تنتمي

459
00:39:42,740 --> 00:39:47,820
إلى c تلاتة اللاحظ اللاحظ ان انا اتقابل ان انا على

460
00:39:47,820 --> 00:39:54,740
روتم هنا اقول تلاتةرول تلاتة باستنتج انه الان لحظة

461
00:39:54,740 --> 00:39:58,340
انا استنتجت ان Z تنتمي الى هذا و تنتمي الى هذا

462
00:39:58,340 --> 00:40:04,080
وهذا برجزه من ال fuzzyness ان المتغير واحد ينتمي

463
00:40:04,080 --> 00:40:08,560
الى مجموعتين فئان واحد ولكن جديش جديش درجة

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

465
00:40:17,440 --> 00:40:21,160
أحسن درجة الانتماء انا عرفت ان Zبنانة على ال rules

466
00:40:21,160 --> 00:40:27,460
تنتمي إلى C2 وC3 لكن لم تجد درجة الانتماء لاحظ أن

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

468
00:40:29,940 --> 00:40:33,320
لدينا و لأن احنا عمليا وصلنا للاستنتاج ان ال risk

469
00:40:33,320 --> 00:40:38,580
تبع ال z بس الاستنتاج هذا فظي ضبابي بيقول لي ان ال

470
00:40:38,580 --> 00:40:44,800
z normal و في نفس الوقت بيقول لي انها highأنا الأن

471
00:40:44,800 --> 00:40:48,660
بدي أفكها هذه الضبابية و أحولها لـD-Fossification

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 ال 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 و بينهم and في

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

477
00:41:13,020 --> 00:41:18,880
إيشالأقل و لما يكون or ناخد الأكتر و هنا نفس الشيء

478
00:41:18,880 --> 00:41:24,620
انا الآن z2 اجت من z انتمائها إلى z2 اجت بناء على

479
00:41:24,620 --> 00:41:29,360
ايه الرول؟ الرول هادي، صح؟ الرول هادي فيها and،

480
00:41:29,360 --> 00:41:39,520
أصبت؟ لأن ال x بتتمي إلى a2 ها يا طب 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 بالنسبة

484
00:42:11,580 --> 00:42:23,480
كماشي0.5 على نفس المنهج rule تلاتة خلاص rule تلاتة

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 0.5برضه الامور لسه ضبابية ضبابية يعني لسه انا

488
00:42:46,460 --> 00:42:56,040
بده اعرف ايه يعني هي تنتمي الى C3 لعند كداش النص

489
00:42:56,040 --> 00:43:05,120
هاي النص و في نفس الوقت ل C2 C2 عند ليش واحد من

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

491
00:43:08,820 --> 00:43:15,480
كيف؟ اتنى من عشرة يعني تقريبا فهي الانتباهها خلينا

492
00:43:15,480 --> 00:43:22,860
هيك و هيك الرسم هي هذه او الصورة هي هذه تشوف هنا

493
00:43:22,860 --> 00:43:28,840
الصورة هذه بتتعبر عن ايه اللي هو اتنى من عشرة اتنى

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 اسمة zero و y بواحد من اسمة one فأخذ ال one من

503
00:44:46,810 --> 00:44:51,630
عشره ل أكبر فهذه

504
00:44:51,630 --> 00:44:56,590
الكلام اللي أنا عارفه هو ال one فهذا الرسم بتمخص

505
00:44:56,590 --> 00:45:00,590
لكل اللي انا كنت افكر به طبعا هذي اللي انا عارفه

506
00:45:00,590 --> 00:45:02,190
هو ال two وهذا اللي انا عارفه هو ال three

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

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

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

510
00:45:22,450 --> 00:45:28,190
هو Z هي نفس ال function انما هنا انا عرفت انه بناء

511
00:45:28,190 --> 00:45:33,370
على رموز الرقم 1 ال output بيتقاطع هنابالنسبة لان

512
00:45:33,370 --> 00:45:35,430
انا اقول اتنين ال output بتقاطع في هذه المنطقة

513
00:45:35,430 --> 00:45:39,170
وبالنسبة لان انا اقول تلاتة ال output بتقاطع في

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

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

516
00:45:46,410 --> 00:45:52,870
الخط يعني ان ال output وقع في هذا الحيث وفي هذا

517
00:45:52,870 --> 00:45:58,150
الحيث وفي هذا الحيث لان دمج تلاتها دولة في ايش؟

518
00:46:02,590 --> 00:46:08,890
دمج التلاتة استنتاجات لأن Z ينتمي ل C1 نسبة واحد

519
00:46:08,890 --> 00:46:12,570
عشرة فمية و Z ينتمي ل C2 نسبة عشرين فمية و Z ينتمي

520
00:46:12,570 --> 00:46:20,210
ل C3 نسبة خمسين فمية دمجهم مع بعض في نفس ال region

521
00:46:20,210 --> 00:46:24,470
في نفس ال fuzzy set في fuzzy set واحد هرجع تاني

522
00:46:24,470 --> 00:46:34,540
مرة أخرى هذولة التلاتة functions أخذتهذا مع ال 20%

523
00:46:34,540 --> 00:46:41,940
مع ال 50% وطلع عنده ان هو الشكل هذا هذا

524
00:46:41,940 --> 00:46:48,820
الان الشكل هو ال summation تبع ال output تبع

525
00:46:48,820 --> 00:46:53,300
تلاتروزالكل rule اللي قلته متباحة عن fuzzy set هاي

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

527
00:46:56,240 --> 00:47:00,520
set مجموحه اللي هو ال fuzzy set هذا لإن ال 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 ال risk

530
00:47:12,320 --> 00:47:20,540
تبعها نسبة كده بمقدار كدههي تحدّث جدّاش بالظبط ال

531
00:47:20,540 --> 00:47:25,640
risk تبع الزيت الطريقة اللي هو ال defossification

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

533
00:47:30,020 --> 00:47:32,360
ال defossification ال last step اللي هو الفuzzy ال

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

535
00:47:36,260 --> 00:47:39,740
عن ال inference process أولا فوزفيكيشن ثم rule

536
00:47:39,740 --> 00:47:44,590
evaluation ثم aggregationالخطوة التالتة كانت

537
00:47:44,590 --> 00:47:47,770
aggregation وبعدها اربعة هو ال defossification ان

538
00:47:47,770 --> 00:47:52,350
الفظي ناس help us to evaluate their goals but the

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

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

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

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

543
00:48:06,650 --> 00:48:12,620
processو بيطلع منها a single number الان احدى

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

545
00:48:17,860 --> 00:48:22,520
لتحويل ال fuzzy سمباطل ال crisp value من ال fuzzy

546
00:48:22,520 --> 00:48:26,260
region احدها او ادخال ال processing اللي هى ال

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

548
00:48:30,460 --> 00:48:34,560
ان احنا لو ادي انا region هذا ال region تبعتنا صح

549
00:48:34,560 --> 00:48:36,840
تبعت ال fuzzy region او ال fuzzy circle تبعتنا

550
00:48:38,530 --> 00:48:43,590
بنتخيل هذا الكلام كأنه شكفة مجسم، اشي 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 ال range هذا ال range الان من zero إلى

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

554
00:48:57,530 --> 00:49:03,410
عليها افتكاز، هتعمل balanceو ال shape هدا عشان

555
00:49:03,410 --> 00:49:05,950
اسمها هي عشان هي كاسم ال center of gravity تذكروه

556
00:49:05,950 --> 00:49:10,730
في الفيزيا في الastrofthermia فأسرع طريقة لحساب او

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

558
00:49:14,350 --> 00:49:21,750
discrete عشان تبصير لإن احنا ناخد ال .. ال .. ال

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

560
00:49:27,310 --> 00:49:31,940
كده؟ point واحدبنجمع التلاتين والاربعين والخمسين

561
00:49:31,940 --> 00:49:37,200
والستين ضرب ايش point اتنين صح بعدين اللي هو

562
00:49:37,200 --> 00:49:41,680
السبعين كل التمانين والتسعين والمية ضرب اللي هو

563
00:49:41,680 --> 00:49:46,040
ايش ال zero point five بعدين هذه الكلام بنجمعه

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

565
00:49:49,480 --> 00:49:54,360
واحدة اتنين تلاتة صح zero point two واحدة اتنين

566
00:49:54,360 --> 00:50:00,940
تلاتة اربعة تمام0.5 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 ال 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 ال

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

578
00:50:48,850 --> 00:50:54,560
شرحنا الفظي inferenceبس على أساس اللي هو الممداني

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

580
00:50:56,660 --> 00:51:01,800
السوجينو method المحاضرة جاي بنكملها و بنشوف أيضا

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

582
00:51:06,900 --> 00:51:09,400
على الممداني method و على السوجينو method