1
00:00:21,310 --> 00:00:23,570
ماشى بسم الله الرحمن الرحيم اليوم احنا ان شاء الله

2
00:00:23,570 --> 00:00:28,510
بنكمل الموضوع اللى كنا فيه و نبقى معانا و نبدأ ال

3
00:00:28,510 --> 00:00:33,510
chapter الجديد الموضوع الجديد اللى كنا احنا وصلنا

4
00:00:33,510 --> 00:00:37,390
اليه المحاضرة الماضية طبعا حسب الترتيب اللى لنا

5
00:00:37,390 --> 00:00:42,510
هنا احنا كنا وصلنا لل forecast example اه ده هو

6
00:00:42,510 --> 00:00:46,950
عبارة عن rule based express system بيتمد على ال

7
00:00:46,950 --> 00:00:52,810
Bayesian reasoningالان احنا وقفنا المحاضرة هذه

8
00:00:53,940 --> 00:00:57,260
المفتوحين هدولة اللي هم الملاحظات على أداء ال

9
00:00:57,260 --> 00:01:01,120
Bayesian method وعلى أيضا مقارنة ما بينهم وبين ال

10
00:01:01,120 --> 00:01:04,620
certainty factor method يعني لإن اللي هو bias of

11
00:01:04,620 --> 00:01:07,680
the system of the Bayesian method لإنه تاني

12
00:01:07,680 --> 00:01:11,320
comparison مقارنة ما بين ال Bayesian reasoning and

13
00:01:11,320 --> 00:01:15,900
ال certainty factor فبدأ أنطق لهذا الكلام بس مش من

14
00:01:15,900 --> 00:01:22,570
هذه ال slides مش من هذه ال power pointsPower point

15
00:01:22,570 --> 00:01:28,670
file أو slides مختلفة اللي هي slides اللي أصلا

16
00:01:28,670 --> 00:01:33,070
موجودة عندكم مع الكتاب تمام فهننتقل على طول على ال

17
00:01:33,070 --> 00:01:35,790
bias of the Bayesian method و certain factors

18
00:01:35,790 --> 00:01:41,410
theory and evidential reasoning ال comparison طيب

19
00:01:41,410 --> 00:01:42,010
ال bias

20
00:01:50,970 --> 00:01:56,570
أحنا كل الكلام احنا شوفناه خلاصنا منه ال bias ده

21
00:01:56,570 --> 00:02:00,110
Bayesian method المقصود بيه؟ إيش يعني كلمة bias؟

22
00:02:00,110 --> 00:02:05,550
ال bias يعني انحياز ولا لأ يعني لما نقول إنسان

23
00:02:05,550 --> 00:02:10,810
biased يعني منحاز فهنا ال bias المقصود بيه انحياز

24
00:02:10,810 --> 00:02:17,410
أو حيوطما هو المنصوب بالظبط بالـ bias هذا؟ إنه لو

25
00:02:17,410 --> 00:02:23,230
أنا جيت قرنت ما بين الأرقام اللي باخدها من خلال ال

26
00:02:23,230 --> 00:02:27,370
statistics حاجاتيها مش مطابقة تماما للي بيعطينيها

27
00:02:27,370 --> 00:02:30,480
ال human expertThe human expert ممكن يعطينا

28
00:02:30,480 --> 00:02:35,040
تقديرات مختلفة عن تقديرات اللي باخدها من ال ..

29
00:02:35,040 --> 00:02:37,940
بناء على ال statistics تتذكر لو احنا قلنا كل ال

30
00:02:37,940 --> 00:02:41,860
probabilities بتيجي في ال Bayesian reasoning بتيجي

31
00:02:41,860 --> 00:02:45,200
بناء على ال statistics أحيانا انت بيجي فيه نقص في

32
00:02:45,200 --> 00:02:50,780
هذا في هذه ال probabilities فبيجي ال human expert

33
00:02:50,780 --> 00:02:56,040
هو اللي يوفي هذا النقص بناء على خبرته لو احنا

34
00:02:56,040 --> 00:03:01,090
طلعنا علىالبيانات اللي بيعطينا إياها ال human

35
00:03:01,090 --> 00:03:06,550
expert ممكن نلاقيها مش مطابقة لما نستنتجه من خلال

36
00:03:06,550 --> 00:03:10,250
ال statistics على سبيل المثال انا في عندي هنا rule

37
00:03:10,250 --> 00:03:14,210
بتقول the symptom is odd noises then the starter

38
00:03:14,210 --> 00:03:18,810
is bad يعني افضل ان في سيارة عطلانة و العرض اللي

39
00:03:18,810 --> 00:03:22,910
أمامي ان السيارة هذي بتطلع صوت غريبة لما اجي

40
00:03:22,910 --> 00:03:27,150
اشتغلها هي بتشتغلش تمام لما اجي اشتغلها تطلع صوت

41
00:03:27,660 --> 00:03:33,780
أسواق غريبة ف ال rule هنا بتقول إذا ال symptom اض

42
00:03:33,780 --> 00:03:36,680
noises then the starter is bad المشكلة بتكون في

43
00:03:36,680 --> 00:03:39,760
الاش في ال starter اش ال starter زي نوع ما ايه ال

44
00:03:39,760 --> 00:03:43,140
starter برضه ال motor تبع السيارة فيه و ال starter

45
00:03:43,140 --> 00:03:48,320
motor بيحرك البسطونات علشان تبدأ دورة ال cycle

46
00:03:48,320 --> 00:03:53,360
تماما فال probability هنا او العلاقة السببية بين

47
00:03:53,360 --> 00:04:00,250
موجود ال odd noisesوما بين ان ال starter هو bad 70

48
00:04:00,250 --> 00:04:08,790
% صح 70% انه اذا العرض هو bad noises فبيكون السبب

49
00:04:08,790 --> 00:04:15,770
bad starter لان بناء على هذا الكلام ال 70% هذه

50
00:04:15,770 --> 00:04:23,870
بقدر ايضا استنتج انه ال 30% الأخرى ممكن تبقى في في

51
00:04:23,870 --> 00:04:28,080
bad noises او في odd noisesو يبقى ال starter مش

52
00:04:28,080 --> 00:04:32,360
bad و لا لأ مظبوطة الكلام و لا لأ؟ اه يعني اذا كان

53
00:04:32,360 --> 00:04:36,620
70% من الحالات اللي بيكون فيها bad noises بيكون ال

54
00:04:36,620 --> 00:04:39,880
starter أطلع يبقى في حالات بيبقى فيها bad noises و

55
00:04:39,880 --> 00:04:43,700
يبقى ال starter مش أطلع اللي هي ال 30% الأخرى okay

56
00:04:43,700 --> 00:04:50,000
تمام فانا انا هذا الكلام ال probability of starter

57
00:04:50,000 --> 00:04:55,460
is good good يعني not bad عكس الوحتى على الرغم من

58
00:04:55,460 --> 00:04:58,940
وجود ال event أو ال evidence اللي هو bad noises

59
00:04:58,940 --> 00:05:04,020
فكيف حسبنا ال probability هذه فرحنا ل probability

60
00:05:04,020 --> 00:05:12,400
تبع ال bad من الواحد فطلع اللي هو 0.3 صح؟

61
00:05:12,400 --> 00:05:15,220
الآن افترض الآن اذكر هذا الكلام

62
00:05:18,490 --> 00:05:23,090
النقطة الأخرى هي هنا ال rule هذه if the starter is

63
00:05:23,090 --> 00:05:29,030
bad, the symptom is انجلب هنا الموضوع في الأول كنا

64
00:05:29,030 --> 00:05:34,690
بيقول ال symptom كذا فالاستنتاج

65
00:05:34,690 --> 00:05:38,910
ان ال starter is bad هنا العكس لما بيكون ال

66
00:05:38,910 --> 00:05:44,790
starter badفبيكون بيصاحب هذا الأمر بيصاحب هذا

67
00:05:44,790 --> 00:05:49,750
الخلل اللي هو starter bad بيصاحبه أصوات أشهر أصوات

68
00:05:49,750 --> 00:05:56,550
غريبة أو أصوات مش طبيعية في 85% من الحالات و ال 15

69
00:05:56,550 --> 00:06:05,210
% أنه ممكن تصدر يمكن يكون starter bad و مايطلعش

70
00:06:05,210 --> 00:06:08,930
أصوات ممكن ما تطلعش أصوات حتى وين كان starter bad

71
00:06:09,970 --> 00:06:15,490
هذا الكلام منطقي جدا ان ال starter is bad وفي 85%

72
00:06:15,490 --> 00:06:19,550
من الحالات ال starter بيكون مصاحبة بأصوات غريبة و

73
00:06:19,550 --> 00:06:26,270
بالتالي ال 15% اللي ماجين ميجاش فيه طلع الأرقام

74
00:06:26,270 --> 00:06:30,290
منها ال 15% و ال 85% لان لو انا جيت بدي احسب

75
00:06:30,290 --> 00:06:34,170
probability of ان ال starter is bad هاي ال event

76
00:06:34,170 --> 00:06:37,970
ايش ال hypothesis ان ال starter is bad

77
00:06:41,000 --> 00:06:46,420
والـ evidence الان دي اللي هو الاش الـ odd noises

78
00:06:46,420 --> 00:06:51,000
لأن لو أنا بتحسب ايش ال probability ان ال starter

79
00:06:51,000 --> 00:06:59,800
is bad في ضل ال odd noises ايش بسوي ال probability

80
00:06:59,800 --> 00:07:04,580
of odd noises لما بيكون ال starter bad ضارب ال

81
00:07:04,580 --> 00:07:09,500
probability of ان ال starter is bad على ايش

82
00:07:12,440 --> 00:07:17,820
أيش تحت في المقام ده اجمع؟

83
00:07:17,820 --> 00:07:23,940
هذا معناه قلوب ده لأ the probability of

84
00:07:47,410 --> 00:07:51,710
طبعا هذا الكلام ايش هو ايش بيقولك انه probability

85
00:07:51,710 --> 00:07:58,810
of انه بيكون ال starter bad ومصحوب بيش اد noises و

86
00:07:58,810 --> 00:08:02,430
هذه ال probability of ال starter not bad ومصحوب

87
00:08:02,430 --> 00:08:09,550
باد noises okay starter is not bad مش هي هذه ال

88
00:08:09,550 --> 00:08:11,170
rules بتعطيني الكلام هذا

89
00:08:15,240 --> 00:08:19,040
Stutter is bad مصحوب بـ Odd noises و Stutter is

90
00:08:19,040 --> 00:08:25,720
bad مصحوب بـ Not odd noises فايش معناته معناته ال

91
00:08:25,720 --> 00:08:39,440
85 ضرب P of H زائد التانية التي هي 15 ضرب P of not

92
00:08:39,440 --> 00:08:49,640
H هذا المقام بالظبط فوقthe probability of 85 ضرب P

93
00:08:49,640 --> 00:08:55,220
of H طب P of H هذه من وين بتجيبها من وين بتجيبها

94
00:08:55,220 --> 00:09:04,920
ال rule هذه التنتين مابيعطونيش صح P of H ال rule

95
00:09:04,920 --> 00:09:12,620
اللي قبل برضه كمان هذه مابتعطيني P of H صح صح هذي

96
00:09:12,620 --> 00:09:21,450
بتعطيني إذاوهو الـ evidence الـ P

97
00:09:21,450 --> 00:09:27,830
of H هو

98
00:09:27,830 --> 00:09:32,000
الـ P of Eو كمان ال P of not H يعني إذا جبت ال P

99
00:09:32,000 --> 00:09:38,200
of H بجيب ال P of not H هنا إذا ال statistics مش

100
00:09:38,200 --> 00:09:41,620
معطياني الكلام هذا إيش هو الكلام هذا إيش start

101
00:09:41,620 --> 00:09:45,860
الرزباد ايش احتمالية أن يكون start الرزباد يعني

102
00:09:45,860 --> 00:09:51,360
عندي سيارة عطلانة في كل حالة السيارات سيارة بتكون

103
00:09:51,360 --> 00:09:57,230
عطلانة كدهش نسبة أن عطلانة بسبب ال starterمش هو

104
00:09:57,230 --> 00:10:01,530
هذا ال P of H مش هي ده معناه ال P of H بيجي لأنا

105
00:10:01,530 --> 00:10:04,870
human expert هو اللي ممكن إذا ال statistic هذه مش

106
00:10:04,870 --> 00:10:09,310
متوفرة بيجي ال human expert بيعطيني إياها فممكن ال

107
00:10:09,310 --> 00:10:14,050
human expert يجي يقولي 5% 5% من حالة إنه السيارة

108
00:10:14,050 --> 00:10:20,390
مابتشتغلش بيكون بسبب ال إيش بسبب ال starter ف5%

109
00:10:20,390 --> 00:10:26,800
فبعدين أنا بحط إيش هنا إيش بحط هنابحط ال 5% وهنا

110
00:10:26,800 --> 00:10:33,400
إيش بحط؟ العكس منها .. لأ العكس منها .. هنا بحط ال

111
00:10:33,400 --> 00:10:38,700
5% وهنا ال not edge عليها تقدر و تسير أطلالها مش

112
00:10:38,700 --> 00:10:50,360
بالسبب ال starter 95% الباجي ولا لأ؟ أنا حاطس .. 5

113
00:10:50,360 --> 00:10:51,480
صحيح صحيح

114
00:10:56,420 --> 00:11:01,700
هذا الكلام ماذا يعطيني بيعطيني ال parameter of H

115
00:11:01,700 --> 00:11:11,700
given E بيساوي ماهي الحسبة النهائية Zero

116
00:11:11,700 --> 00:11:19,880
point مظبوط 23% بس هذا الكلام أجابناه على ايش مش

117
00:11:19,880 --> 00:11:25,380
كله statistics أجابناه على statistics مع تقديرطيب

118
00:11:25,380 --> 00:11:31,160
ايش رأيك ان هذا الكلام بيتعارض مع ال rules اللي

119
00:11:31,160 --> 00:11:37,980
موجودة في ال system هذه ال rules مش

120
00:11:37,980 --> 00:11:44,580
تفسيرها هي probability of H given E probability ال

121
00:11:44,580 --> 00:11:51,480
70% هذه هي احتمالية انه ال hypothesis هذا ال

122
00:11:51,480 --> 00:11:57,780
starter bad بسببأو إذا صدر في حالة ال event هدا up

123
00:11:57,780 --> 00:12:01,700
noises بيكون ال hypothesis هدا true اللي هو إيش

124
00:12:01,700 --> 00:12:05,720
starter is bad وهي اللي أنا كتبتها هنا طب هي مش هي

125
00:12:05,720 --> 00:12:10,480
برضه هادى اللي حسرناها هنا بس هنا هي السبعة وهنا

126
00:12:10,480 --> 00:12:18,300
عشرين اختلاف هذا اختلاف كبير هنا ال rule هادى ال

127
00:12:18,300 --> 00:12:21,770
rule هادىجاي بنان على ال Bayesian reasoning جاي

128
00:12:21,770 --> 00:12:27,250
بنان على ال statistics قدرتلي ال probability of ال

129
00:12:27,250 --> 00:12:31,530
hypothesis هذا في ظل ال evidence هذا بينها 70%

130
00:12:31,530 --> 00:12:36,610
بينما لما جينا حسبنا من ال rules الأخرى اللي هو ال

131
00:12:36,610 --> 00:12:41,070
rules الأخرى اللي برضه سليمة بس دخل فيها ايش؟ دخل

132
00:12:41,070 --> 00:12:45,290
في حسابها تقدير ال human expert لجزئية واحدة وهي

133
00:12:45,290 --> 00:12:51,210
ال P of Hطلع عندي نتائج مختلفة من هنا هذا اللي هو

134
00:12:51,210 --> 00:12:55,930
اللي بنقول عنه ال bias تبع ال .. ال .. ال Bayesian

135
00:12:55,930 --> 00:13:01,150
reasoning ال Bayesian reasoning ممكن يختلف يكون

136
00:13:01,150 --> 00:13:04,870
فيه فرق ما بينه و ما بين تقدير ال .. تقدير ال

137
00:13:04,870 --> 00:13:09,850
human expert ال human expert قدر هذا بناء على

138
00:13:09,850 --> 00:13:13,770
خبرته المفروض هو يفحص شوية المفروض هي تبقى أكتر من

139
00:13:13,770 --> 00:13:18,450
ذلك عشان تقترب من ال 70%اللي هي German statistics

140
00:13:18,450 --> 00:13:27,650
فهذه النقطة الأولى اللي هي ال bias of the number

141
00:13:27,650 --> 00:13:32,610
obtained الرقم هذا is significantly lower than the

142
00:13:32,610 --> 00:13:38,610
express estimate of 7 given at the beginning of في

143
00:13:38,610 --> 00:13:39,730
المثال السابق

144
00:13:45,190 --> 00:13:48,090
فهذه هي النقطة الأولى اللى هى اختلاف ما بين

145
00:13:48,090 --> 00:13:52,270
التقديرات اللى جاية من ال based reasoning وما بين

146
00:13:52,270 --> 00:13:59,750
الخبرة ال expert وممكن

147
00:13:59,750 --> 00:14:04,150
تكون على فكرة وممكن تكون اشي العكس بمعنى انه هذا

148
00:14:04,150 --> 00:14:07,870
ال rule هو اصلا ال human expert هو اللى حط نسبه دى

149
00:14:07,870 --> 00:14:12,130
وحطها برضه بالان على تقديره وكانت عالى كتير اعلى

150
00:14:12,130 --> 00:14:20,440
من تقديره نفسه في هذا النقطةالخمسة في المئة مخفضة

151
00:14:20,440 --> 00:14:28,420
كثيرا عن تقريره للسبعين في المائة طيب

152
00:14:28,420 --> 00:14:31,660
ماشي هذه هي النقطة الأولى النقطة التانية اللي هي

153
00:14:31,660 --> 00:14:38,820
احنا الآن بدنا نبص على مقارنة سريعة ما بين ال ال

154
00:14:41,380 --> 00:14:43,680
الـ Bayesian Reasoning هو الـ Certainty Factor

155
00:14:43,680 --> 00:14:46,520
Reasoning تذكروا الـ Certainty Factors؟ احنا كنا

156
00:14:46,520 --> 00:14:54,700
بنحط Certainty Factors مع ال rules ال

157
00:14:54,700 --> 00:14:57,620
Bayesian Reasoning احنا بنعتمد على ال statistical

158
00:14:57,620 --> 00:15:05,020
data اللي جمعناها وعلى أساسها بنحسب ال hypothesis

159
00:15:05,020 --> 00:15:10,280
المختلفة كل hypothesis ايش ال probability تبعتها

160
00:15:10,830 --> 00:15:17,210
فال probability theory هي الأساس لمين؟ لـ Bayesian

161
00:15:17,210 --> 00:15:23,690
reasoning وبالتالي ال Bayesian reasoning بيظبط أو

162
00:15:23,690 --> 00:15:29,390
works well في المجالات اللي بيكون زي مثلا ال

163
00:15:29,390 --> 00:15:33,450
forecasting و ال planningاللي بيكون في عنا

164
00:15:33,450 --> 00:15:36,910
statistical data usually available ايش معنى بيكون

165
00:15:36,910 --> 00:15:40,110
في ال forecasting و ال planning بيبقى فيه

166
00:15:40,110 --> 00:15:42,970
statistical data available لأنه احنا كل سنة في ال

167
00:15:42,970 --> 00:15:46,510
forecasting يعني التنقل بالليش بالتوقع حد الجو كل

168
00:15:46,510 --> 00:15:49,850
سنة احنا بنجمع البيانات فبنسجر قداش المطار وبنسجر

169
00:15:49,850 --> 00:15:53,730
قداش سرعة الرياح وبنسجر الداطق كلها فبيكون في عنا

170
00:15:53,730 --> 00:15:58,650
historical data available عشان نقدر نتوقع اللي هو

171
00:15:58,650 --> 00:16:06,370
ال ..بكرا او الأيام اللي بعد كده كيف

172
00:16:06,370 --> 00:16:11,610
حدكون حالتي الجامعة فبالتالي لما يكون فيه هندي ال

173
00:16:11,610 --> 00:16:15,790
statistical data بقدر اعتمد على ال Bayesian لكن

174
00:16:15,790 --> 00:16:20,850
هذا الكلام مش متوفر دايما قلت النقطة هدا قبل ايه

175
00:16:20,850 --> 00:16:24,110
كأنه مش دايما بتكون متوفر عندنا statistical data

176
00:16:24,110 --> 00:16:24,970
يعني زي مثلا

177
00:16:29,110 --> 00:16:34,690
زي مثلا ايش؟

178
00:16:34,690 --> 00:16:41,530
خليني اشوف هنا في ال slide هنا هذا

179
00:16:41,530 --> 00:16:46,070
بالذكر example مابظبط مابظبطش في ال ال Bayesian

180
00:16:46,070 --> 00:16:49,930
reasoning او نقدرش نعتمد فيه على ال Bayesian

181
00:16:49,930 --> 00:16:58,400
reasoning في التشخيص مثلا تشخيص الأمراض في الطبمش

182
00:16:58,400 --> 00:17:02,900
دايما الطبيب عنده statistical data لكل عرض و كل

183
00:17:02,900 --> 00:17:09,560
مرض علشان لما انت تعطيله عراضك يقدر يحسب او يدخلها

184
00:17:09,560 --> 00:17:13,320
في ال system و ال system يحسبله ايش الاحتمالية كل

185
00:17:13,320 --> 00:17:18,660
واحد من ال .. جداش ال probability تبع كل واحد من

186
00:17:18,660 --> 00:17:25,540
الاحتمالات اللي ممكن ان يكون سبب المرض طبعا ماشي

187
00:17:28,980 --> 00:17:33,640
ومرة تانية، ماتما توفرت statistical data بيكون الـ

188
00:17:33,640 --> 00:17:36,820
Bayesian reasoning مناسب، ماتوافرتش ال statistical

189
00:17:36,820 --> 00:17:42,200
data بيكون الأنسب الاعتماد على تقديرات ال human

190
00:17:42,200 --> 00:17:47,900
expert على الرغم من ان تقديرات ال human expert

191
00:17:47,900 --> 00:17:51,640
ممكن تبقى مش دقيقة يعني احنا في ال certainty

192
00:17:51,640 --> 00:17:55,020
factors ما بنبقاش .. ما بنبقاش عندنا ال

193
00:17:55,020 --> 00:17:56,680
mathematical correctness

194
00:17:58,510 --> 00:18:03,970
يعني ما تطلعش معانا أرقام احنا دقيقة جدا مثل ما ..

195
00:18:03,970 --> 00:18:08,990
ليش؟ لأنها مبنية على .. على تخمينات و تقديرات ما

196
00:18:08,990 --> 00:18:11,970
بنقدرش نتأكد .. مش متأكدين أنها دقيقة وبالتالي

197
00:18:11,970 --> 00:18:15,810
انتاج ماتطلع مش دقيقة ولكن و مع ذلك .. و مع ذلك مع

198
00:18:15,810 --> 00:18:20,470
غضب من إيه أن ال certainty factors تفتقر إلى ال

199
00:18:20,470 --> 00:18:26,630
mathematical correctness إلا إنها بتبقى هي الأنسب

200
00:18:26,860 --> 00:18:30,120
في كثير من الأمور زي ما قلت انا في كثير من

201
00:18:30,120 --> 00:18:32,500
المجالات زي ما قلت انا بتاعتوي اللي هو ال

202
00:18:32,500 --> 00:18:36,920
diagnosis ال diagnostics التشخيص خاصة ال medical

203
00:18:36,920 --> 00:18:44,680
diagnostics فبالتالي

204
00:18:44,680 --> 00:18:49,140
يكون ال certainty factor مستخدمة في المجالات اللي

205
00:18:49,140 --> 00:18:52,600
ال probabilities are not known الحصائيات بتبقى مش

206
00:18:52,600 --> 00:18:59,270
متوفرة او صعب جداأو مكلفة جدا ان انا اعمل احصائيات

207
00:18:59,270 --> 00:19:03,210
عشان اطلع الـ posterior و ال prior probabilities

208
00:19:03,210 --> 00:19:08,170
النقطة

209
00:19:08,170 --> 00:19:14,510
التانية انه زي ما شوفنا احنا ال base in reasoning

210
00:19:14,510 --> 00:19:19,050
انا بعمل حسبة و بعمل معادلات و بطلع بالاخر بأن ال

211
00:19:19,050 --> 00:19:23,990
H1 و ال H2 و ال H3 ال hypothesis المختلفة تبعتي كل

212
00:19:23,990 --> 00:19:28,000
واحد قدش ال probability تبعتههذا الكلام مابتنسى مش

213
00:19:28,000 --> 00:19:32,500
كتير مع ال rule-based express system اللي محتاج

214
00:19:32,500 --> 00:19:36,740
يعمل explanation يعني إذا ال user إذا ال system

215
00:19:36,740 --> 00:19:40,460
جلّى ال user فيه تلت احتمالات واحد اتنين تلتة و

216
00:19:40,460 --> 00:19:43,280
اعلى واحد هو كده بالنسبة له الجد أو التاني بالنسبة

217
00:19:43,280 --> 00:19:47,140
له هذا أو ال user طلب explanationماذا سيعطيه ال

218
00:19:47,140 --> 00:19:50,540
system؟ سيعطيه المعادلات الرياضية والحسبة والأرقام

219
00:19:50,540 --> 00:19:55,820
بينما لو أنا استخدم ال certainty factor مع ال

220
00:19:55,820 --> 00:20:01,160
rules فانا ال system و ال user طلب explanation ال

221
00:20:01,160 --> 00:20:05,040
system يعطيه ال rules واحد ورا التاني ويقول له انه

222
00:20:05,040 --> 00:20:11,830
احنا تسلسلنا في استنتاجالقرار اللي اعطاناكيا

223
00:20:11,830 --> 00:20:15,670
بالكيفية هذه ال اولة ثم ال rule التاني ثم ال rule

224
00:20:15,670 --> 00:20:18,110
التالته وبالتالي ال approach of certain factors

225
00:20:18,110 --> 00:20:24,350
بيقدر بيعطي better explanation of the control flow

226
00:20:24,350 --> 00:20:28,690
ال control flow يعني اللي هو تسلسل ال rules اللي

227
00:20:28,690 --> 00:20:33,130
على أساسها وصلنا لاستنتاجة

228
00:20:37,290 --> 00:20:41,230
فخلص هذا الكلب أصبح بديه جدا أن ال method is

229
00:20:41,230 --> 00:20:47,010
likely to be most appropriate if ال method more

230
00:20:47,010 --> 00:20:52,530
appropriate إذا ال data exist و ال knowledge

231
00:20:52,530 --> 00:20:55,230
engineer اللي هو الشخص اللي بصمم ال express system

232
00:20:55,230 --> 00:21:01,830
بستطيع أنه ياخد هذه ال statistical و يصمم على

233
00:21:01,830 --> 00:21:07,470
أساسهاالصمم على أساسها ال system بينما in the

234
00:21:07,470 --> 00:21:14,370
absence of في حالة غياب من ال statistical data

235
00:21:14,370 --> 00:21:21,750
فبيكون الأفضل اللي هو ال certainty

236
00:21:21,750 --> 00:21:26,870
factor method أضافة على هذا كله أن ال Bayesian

237
00:21:26,870 --> 00:21:32,810
reasoning بحتاج إلىcalculations أكتر بكتير من اللي

238
00:21:32,810 --> 00:21:36,430
بتعمل في ال certainty factor method صح الكلام ولا

239
00:21:36,430 --> 00:21:42,170
غلط ك true or false question Bayesian reasoning

240
00:21:42,170 --> 00:21:49,710
requires أو has a very high computational cost

241
00:21:49,710 --> 00:21:53,810
compared to بالمقارنة مع ال certainty factor

242
00:21:53,810 --> 00:22:00,140
method صح ولا غلط صحأنه في كتير .. يعني شوفتي احنا

243
00:22:00,140 --> 00:22:04,020
كنا بنضرب ال bus و المقام و الأمور هذه عملية

244
00:22:04,020 --> 00:22:08,380
calculations كتيرةبالتم هذا و احنا كنا بنحكي على

245
00:22:08,380 --> 00:22:12,000
تلاتة hypotheses و تلاتة evidences تخيل انت

246
00:22:12,000 --> 00:22:18,620
knowledge base فيها statistics كتيرة و انا ب .. ب

247
00:22:18,620 --> 00:22:22,560
.. بدي اختبر عشرة ولا عشرين hypotheses اشوف مين

248
00:22:22,560 --> 00:22:26,880
اكتر واحد فيهم اعلى واحد probability و .. و يمكن

249
00:22:26,880 --> 00:22:29,780
في عندي عدة events كتير عشرة ولا عشرين event انا

250
00:22:29,780 --> 00:22:34,460
بدي قيم ال hypotheses على أساسهمتخيلوا كمية ال

251
00:22:34,460 --> 00:22:40,380
calculations فبتبقى ال complexity ال computational

252
00:22:40,380 --> 00:22:44,620
complexity بتبقى exponential ايش انا exponential

253
00:22:44,620 --> 00:22:48,620
يعني كل ما زدنا شوية في ال hypotheses و في ال

254
00:22:48,620 --> 00:22:54,480
events بزيد الزمن ال computational time بزيد بشكل

255
00:22:54,480 --> 00:23:01,190
عالي جدا إضافة نقل ل Nلازم ال knowledge base تبقى

256
00:23:01,190 --> 00:23:06,610
large مليانة جدال والتي هي statistical tables تمام

257
00:23:06,610 --> 00:23:11,570
هذا هو نهاية النقطة التانية النقطة الأولى كانت ال

258
00:23:11,570 --> 00:23:21,670
bias of Bayesian reasoning النقطة

259
00:23:21,670 --> 00:23:27,390
التانية كانت ال comparison بين

260
00:23:27,390 --> 00:23:28,410
ال Bayesian

261
00:23:32,240 --> 00:23:37,500
هذا نهاية كلامنا في هذا الموضوع الموضوع ال

262
00:23:37,500 --> 00:23:43,600
uncertainty باستخدام ال basin و ال certainty

263
00:23:43,600 --> 00:23:47,890
factorالموضوع الجاي اللي هو برضه uncertainty بس

264
00:23:47,890 --> 00:23:51,210
باستخدام حاجة اسمه ال fuzzy reasoning ال fuzzy

265
00:23:51,210 --> 00:23:55,990
reasoning بنبدأ فيه الآن إذا ماحدش عنده سؤال او مش

266
00:23:55,990 --> 00:23:58,670
عارف إذا كان ال homework الأولاني كان بدكوا تسألوا

267
00:23:58,670 --> 00:24:06,890
فيه إشي تبع ال alpha beta pruning في سؤال محدد

268
00:24:06,890 --> 00:24:11,010
لأنه مش هحل المسألة الآن كلها إذا في سؤال محدد انا

269
00:24:11,010 --> 00:24:12,810
الحين بفتح ال slide تبع

270
00:24:16,140 --> 00:24:21,880
فش سؤال محدد فش سؤال محدد طيب خلاص هي اللي طلع انك

271
00:24:21,880 --> 00:24:25,260
اشهر ال form كويس طيب انا دلوقتي بفهمك اياها بعدها

272
00:24:25,260 --> 00:24:32,220
بيصير .. بيصير ممكن تحلها خليني نرجع وين على

273
00:24:32,220 --> 00:24:39,340
الكتاب الأولاني صح هاي

274
00:24:39,340 --> 00:24:47,600
ال extra صح adversarial search في آخره مظبوطهذه

275
00:24:47,600 --> 00:24:53,280
control and هذه

276
00:24:53,280 --> 00:25:00,840
shift فقط اخر خمسة طيب انا بس اوضح ان المطلوب منها

277
00:25:00,840 --> 00:25:05,560
كان المطلوب

278
00:25:05,560 --> 00:25:08,960
كان ان اول اشي تعمل propagate لل values propagate

279
00:25:08,960 --> 00:25:12,200
لل values يعني هي عندي انا هذه ال values محطوطة بس

280
00:25:12,200 --> 00:25:17,240
لمين لل leaf nodes مظبوطأما ال parent nodes ماعناش

281
00:25:17,240 --> 00:25:20,540
value فهو ماعناش values فهو المطلوب منك في دقيقة

282
00:25:20,540 --> 00:25:25,620
واحد انه ترحل بناء على ايش بدك ترحل بناء على كل

283
00:25:25,620 --> 00:25:30,820
node هي موجودة في ال في ال door تبع من ولا تبع max

284
00:25:30,820 --> 00:25:38,760
هذا max فابتدى هذا من max من max فواضح جدا نبدأ

285
00:25:38,760 --> 00:25:42,680
مثلا من هنا ال zero السبعة هذا بدأ تجه ال zero هذا

286
00:25:42,680 --> 00:25:46,280
بدون pruningهذا بدون formal حتى الآن سبعة و تمانية

287
00:25:46,280 --> 00:25:50,380
هذه بتنتبه ايش تمانية

288
00:25:50,380 --> 00:25:59,680
هذا تلاتة و خمسة ال minimum تلاتة هنا هنا هنا zero

289
00:25:59,680 --> 00:26:05,900
و خمسة ايش ال max كمسة هنا اربعة و تمانية و خمسة

290
00:26:05,900 --> 00:26:12,280
من ال minimum اربعة هنا اربعة و تلاتة ايش الماكسوم

291
00:26:12,280 --> 00:26:15,900
أربعة صح هذا هو الجزء الأولاني من السؤال الآن

292
00:26:15,900 --> 00:26:18,640
الجزء التاني اللي بدك تعمل pruning يعني انك انت لو

293
00:26:18,640 --> 00:26:23,500
بدك تتوفر على ال system ال system ايش بده كيف يوفر

294
00:26:23,500 --> 00:26:29,420
هو الآن هذه التلاتة بعدين الخمسة لازم يشوف الخمسة

295
00:26:29,420 --> 00:26:32,940
صح لازم يدخل على الخمسة يعني هنا تبقى التلاتة هي

296
00:26:32,940 --> 00:26:36,960
beta ماشي

297
00:26:36,960 --> 00:26:41,180
لسه هنا مافي ألفةمافي Alpha اللي انا اقرب لزكان

298
00:26:41,180 --> 00:26:46,360
البيت هذا اكبر ولا امشي ولا لأ فهذا لازم يشوف

299
00:26:46,360 --> 00:26:51,720
الخمسة الخمسة اكبر من تلاتة فثبتت الآن التلاتة هي

300
00:26:51,720 --> 00:26:57,740
ذالب تبقى هذا النوع الان هذه التلاتة بتترحى على

301
00:26:57,740 --> 00:27:05,080
أساس انها Alpha لا ال A نخش هيك الآنالـ zero الـ

302
00:27:05,080 --> 00:27:07,560
zero بنتفجر على أنه الـ zero هو ال minimum فمن

303
00:27:07,560 --> 00:27:12,100
الجانب اللي شوفنا الـ zero فبدنا ما نضمنش أي اي

304
00:27:12,100 --> 00:27:17,800
شيء تاني مش ممكن خلاص مش هتشوفه مباشرة على فرضية

305
00:27:17,800 --> 00:27:22,060
إذا في السؤال معضلك أنه مافيش أقل من الـ zero وهذا

306
00:27:22,060 --> 00:27:26,800
مش معضل السؤال الآن حلت على هذا الأساس إذا مافيش

307
00:27:26,800 --> 00:27:31,090
هذا الأساس معناته بدك تكمل الـ zeroإذا الـ zero

308
00:27:31,090 --> 00:27:34,170
ممكن يكون فيه أجال من النمرة فلازم ال algorithm

309
00:27:34,170 --> 00:27:38,290
تكمل فإحنا افترضنا إنه مافيش شكل من ال zero فحطينا

310
00:27:38,290 --> 00:27:48,630
هناش فحطينا شرق لإن ال zero هادي الأن بدأ تترحل ل

311
00:27:48,630 --> 00:27:59,170
F على أساس أنها Alpha ألفة لأن ال alpha هادي من ال

312
00:27:59,170 --> 00:28:03,020
parentالـ parent هذا الـ C الـ C هذا مش معروف لسه

313
00:28:03,020 --> 00:28:09,940
ايش ال .. ال beta تبقى تبقى كده مش عارفين لما نعرف

314
00:28:09,940 --> 00:28:14,600
هذا و نرحلها ك beta لهذا الان هنا الخمسة هذه ممكن

315
00:28:14,600 --> 00:28:20,480
اكمل انا عشان اشوف اه احنا كملنا صح لأ لسه

316
00:28:20,480 --> 00:28:25,540
ماكملناش فالان لازم اخش على هذه عشان اشوف اذا كان

317
00:28:25,540 --> 00:28:31,980
ممكن احصل على اكبر من ال 0بالطبع الخامسة أكبر ف ..

318
00:28:31,980 --> 00:28:37,860
فبتصير هي الألفة مافيش other children يقول خلاص

319
00:28:37,860 --> 00:28:42,940
فبتثبت الخامسة لأن أنا هنا الخامسة هذه بدت راحة

320
00:28:42,940 --> 00:28:50,940
إلى هنا على ايش؟ أساسي ايش؟ beta الان ال beta هذه

321
00:28:50,940 --> 00:28:57,380
أكبر من الالفة وال بيرون تبعها صح أو لا؟ معناته؟

322
00:29:00,220 --> 00:29:09,580
هذه مثالة جديدة معناته إيش؟ بقدر أوقف؟ بقدر تسأل

323
00:29:09,580 --> 00:29:12,780
مش مفروض غير مقارنة من فوق، مفروض غير مقارنة من

324
00:29:12,780 --> 00:29:15,320
اللي تتحكم فيها مفروض، صح أكمل، أول مقارنة .. مالش

325
00:29:15,320 --> 00:29:18,420
أنا الآن هنا مبدئي أن ال node هي دي قرفت واحدة من

326
00:29:18,420 --> 00:29:24,060
ال children تبعهم هنا صح؟ و .. و صار مرشح الخمسة

327
00:29:24,060 --> 00:29:27,460
مرشحها اللي هتكون هي ال value فبقى هذا ال node صح؟

328
00:29:27,460 --> 00:29:33,380
مش هي كمان ال beta؟طيب هلأ أكمل؟ أكمل .. أكمل ليش؟

329
00:29:33,380 --> 00:29:36,960
مابتطبقش ال rule ال rule طبعا تتطبق لما نكون أجالي

330
00:29:36,960 --> 00:29:39,400
أجالي عارفش يعني أجالي يعني أنا اللي بدي أستمر

331
00:29:39,400 --> 00:29:42,440
عشان أجيب أجالي طب ليش أستمر أجيب أجالي إذا جال ال

332
00:29:42,440 --> 00:29:46,380
payroll تبقى هيك؟ بده أكتر فأنا هنا بكمل بخش على

333
00:29:46,380 --> 00:29:50,880
ال G ال G الأهم تلقائيا لازم أشوف ال K صح؟ ال K

334
00:29:50,880 --> 00:29:57,310
سبعة فهذه الألفة بالسبع سبعة okayالأن ال alpha

335
00:29:57,310 --> 00:30:02,810
أكبر من ال beta تبع ال parent إيش

336
00:30:02,810 --> 00:30:08,170
أقول؟ بتقول لي مين معروف؟ وإذا أنا واقف على قدر من

337
00:30:08,170 --> 00:30:13,570
node و ال beta تبعتي أسف أنا واقف هنا أنا واقف على

338
00:30:13,570 --> 00:30:17,530
max node و ال alpha تبعتي أكبر من ال beta تبع

339
00:30:17,530 --> 00:30:24,000
parent أستمر؟ لا أستمرش أحط slash هناطبعا حطيت ال

340
00:30:24,000 --> 00:30:27,260
slash هنا يعني مجفتي ممكن سبتت السبعة هنا سبتت

341
00:30:27,260 --> 00:30:34,040
ممكن بترحل هنا صراحة برحلش

342
00:30:34,040 --> 00:30:39,640
بس برحلش برحلش طيب مجفت هنا الآن بده اخش هنا اه

343
00:30:39,640 --> 00:30:43,920
بده اخش هنا على اساس ايش عندي انا على اساس انا

344
00:30:43,920 --> 00:30:47,840
اشوف النور هالي النور هالي اربعة طبعا فالاربعة

345
00:30:47,840 --> 00:30:52,020
هالي مابينها و مابين الخمسة والسبعة

346
00:31:13,690 --> 00:31:17,330
القضية هي لو انا جيت هوفر حكاية اكتر ولا لو جيت من

347
00:31:17,330 --> 00:31:23,290
اليامين هوفر وجت يعني في ال calculation اكترخلاص

348
00:31:23,290 --> 00:31:27,090
هذا ببساطة اللي هو السؤال خلينا الآن في الوقت اللي

349
00:31:27,090 --> 00:31:31,550
ضايل عشر دقيقة معانا نحكي فيهم في موضوع الجديد

350
00:31:31,550 --> 00:31:36,930
الموضوع الجديد اللي هو ال fuzzy reasoning ال fuzzy

351
00:31:36,930 --> 00:31:40,570
reasoning بيجي تحت نفس الإطار اللي احنا شغالين فيه

352
00:31:40,570 --> 00:31:45,790
اللي هو expert systems بتشتغل في ال uncertainty

353
00:31:45,790 --> 00:31:51,490
بتتعامل مع مشكلة ال uncertaintyمشكلة ال

354
00:31:51,490 --> 00:31:57,190
uncertainty اللي ببساطة هي عدم توفر معلومات دقيقة

355
00:31:57,190 --> 00:32:02,830
فاحنا في عندنا شوية غمض في عندنا شوية ضبابية ال

356
00:32:02,830 --> 00:32:08,750
Bayesian rule و ال certainty factor method هدولة

357
00:32:08,750 --> 00:32:16,650
طرق لتعامل مع عدم دقة ال data فعنا احنا عدم دقة

358
00:32:17,320 --> 00:32:22,880
العلاقة ما بين المعطيات وبين ال conclusion يعني

359
00:32:22,880 --> 00:32:28,760
احنا الفظي reasoning ببدأ

360
00:32:28,760 --> 00:32:33,900
معانا من slide رقم أربعة في الكتاب من slide رقم

361
00:32:33,900 --> 00:32:39,440
أربعة طبعا

362
00:32:39,440 --> 00:32:41,760
الفايلين هدولة

363
00:32:48,800 --> 00:32:54,660
Lecture 4 و Lecture 5 Lecture 4 و Lecture 5 بتعامل

364
00:32:54,660 --> 00:33:00,640
من الموضوع الفuzzy بس الـFuzzy inference اللي هو

365
00:33:00,640 --> 00:33:04,380
القالي اللي بتتم فيها أوضيف الـFuzzy concepts في

366
00:33:04,380 --> 00:33:09,040
ال rules بيبدأ من خمسة وهذا اللي انا هابدأ فيه

367
00:33:09,040 --> 00:33:13,900
الآن و بعد كده بنرجع نراجع المفاهيم الأساسية اللي

368
00:33:13,900 --> 00:33:18,490
في الأولاللي بدنا نطلع عليه الآن من هذه ال slides

369
00:33:18,490 --> 00:33:25,270
هو ببساطة شديدة قالية ال inference قالية ال

370
00:33:25,270 --> 00:33:31,390
inference قالية ال inference في ال fuzzy express

371
00:33:31,390 --> 00:33:34,390
systems يعني ال express systems اللي بتوظف ال

372
00:33:34,390 --> 00:33:37,330
fuzzy logic أو fuzzy rules

373
00:33:47,330 --> 00:33:49,850
ماذا يعني عندما يقول fuzzy express systems؟ يعني

374
00:33:49,850 --> 00:33:54,910
في express systems تستخدم rules ال rules هذي fuzzy

375
00:33:54,910 --> 00:33:59,210
طب إيه يعني fuzzy rules؟

376
00:33:59,210 --> 00:34:06,250
هي عبارة عن rules زيها زي أي rule شوفناها حتى الآن

377
00:34:06,250 --> 00:34:10,950
بس الله ما إلا بدل ما نحط فيها probabilities أو ما

378
00:34:10,950 --> 00:34:14,010
نحط فيها certainty factors نحط فيها هذي اسمها

379
00:34:14,010 --> 00:34:18,620
membershipأنا أخد مثلا على سبيل المثال رول هذي

380
00:34:18,620 --> 00:34:24,220
بدون أي فزي values أو membership الشرط بحنقول إذا

381
00:34:24,220 --> 00:34:31,120
x if x is a ثلاثة or y is بي واحد يعني a ثلاثة و b

382
00:34:31,120 --> 00:34:34,400
واحدة تبقى لهم values زي ما كنا بنحكي في عندي أنا

383
00:34:34,400 --> 00:34:38,140
object linguistic objects و linguistic variables

384
00:34:38,140 --> 00:34:42,680
وكل variable أو object له عدة values مسموح إبها

385
00:34:42,680 --> 00:34:50,280
صح؟ و هنا نفس الشيءفإذا X is A3 و Y is B1 ثم Z هو

386
00:34:50,280 --> 00:34:56,700
C1 هذا الآن لا هو فظي ولا هو certainty factor ولا

387
00:34:56,700 --> 00:35:02,860
هو بيزيان بالفظي في

388
00:35:02,860 --> 00:35:08,780
يدي أنا الآن project funding is adequate

389
00:35:12,510 --> 00:35:17,790
يعني c1 الآن صار معناتها low و b1 معناتها small و

390
00:35:17,790 --> 00:35:21,750
a3 معناتها adequate طيب إيش اللي بيخليني أحكم على

391
00:35:21,750 --> 00:35:26,670
المتغير هذا إنه long ولا high ولا medium؟ إيش اللي

392
00:35:26,670 --> 00:35:30,590
بيخليني أحكم على هذا إنه small ولا big؟ إيش اللي

393
00:35:30,590 --> 00:35:34,830
بيخليني أحكم على هذا إنه adequate ولا مش adequate؟

394
00:35:34,830 --> 00:35:38,570
في هنا بيدخل حاجة اسمها اللي هو الفظيثات

395
00:35:42,300 --> 00:35:47,820
فهمنا ايش يعني فظرورها الحين هي رول القيم ال

396
00:35:47,820 --> 00:35:54,480
variables هذه ال variables هذه عبارة عن أوصاف ال

397
00:35:54,480 --> 00:36:00,740
أوصاف هذه مش قيم مش قيم ثابت يعني ممكن هنا في ال

398
00:36:00,740 --> 00:36:03,700
.. ممكن يكون ال reward بيقول project funding أكبر

399
00:36:03,700 --> 00:36:08,000
من 500أكبر من خمسمية لخمسمية ده التيمة و انا بقدر

400
00:36:08,000 --> 00:36:12,040
اقطع اذا ال project funding مثلا تلاتمية يبقى هو

401
00:36:12,040 --> 00:36:16,420
اقل مش اكبر اذا هو سبعمية يبقى هو اكبر بس هنا مافي

402
00:36:16,420 --> 00:36:20,720
قطع هنا يقولي اذا small ولا مش small small ولا

403
00:36:20,720 --> 00:36:24,200
large طيب كيف بتحدد اذا كان هو small ولا large

404
00:36:24,200 --> 00:36:29,920
بتحدد و على اساس membership function يعني مثلا

405
00:36:29,920 --> 00:36:38,500
الشكل هذابنطلع على A3 هذه A3 مرة ثانية فوق هنا A3

406
00:36:38,500 --> 00:36:46,920
صح X A3 Y H B1 بنطلع على الرسم هذا بس بتكبره شوية

407
00:36:46,920 --> 00:36:54,820
هذا

408
00:36:54,820 --> 00:37:06,580
المحور ال X لأن لو كانت ال Xبتساوي 0.5 هاي الـ 0.5

409
00:37:06,580 --> 00:37:10,520
جاي هنا إذا

410
00:37:10,520 --> 00:37:16,460
كان 0.5 بيقول هذا إيش الواحد تقريبا إذا

411
00:37:16,460 --> 00:37:22,700
0.5 هدولة إيش من التلاتة من التلاتة هذا A3 وهذا A2

412
00:37:22,700 --> 00:37:34,470
وهذا إيش A1 لأن هذي X بتساوي 0.5X وهي Project

413
00:37:34,470 --> 00:37:38,890
Funding افترض ان انا ال project مشروع و الميزانية

414
00:37:38,890 --> 00:37:46,250
تبعته كانت 0.5 مليون يعني نص مليون دولار مثلا في

415
00:37:46,250 --> 00:37:53,410
هذا الحالة هل هو large adequate ولا مش adequate ال

416
00:37:53,410 --> 00:37:56,410
function هذا اللي بتقولي هذا ال function بتقولي

417
00:37:56,410 --> 00:37:57,910
انه adequate ولا مش adequate

418
00:38:05,430 --> 00:38:12,370
هذا الـ a ثلاثة اعتبره adequate و الـ a دي اعتبره

419
00:38:12,370 --> 00:38:18,370
middle اذا كان الـ a inadequate فهو inadequate

420
00:38:18,370 --> 00:38:27,970
وهذا middle وهذا adequate الـ

421
00:38:27,970 --> 00:38:35,130
0.5 الآن ايش اعتبرها adequate ولا middle هي middle

422
00:38:37,760 --> 00:38:46,520
بنسبة كم؟ 20% وفي نفس الوقت هي inadequate بنسبة 50

423
00:38:46,520 --> 00:38:52,160
% ما معنى ذلك؟ معنى ذلك أن تصنيفي لهذا القيمة الـ

424
00:38:52,160 --> 00:39:00,000
0.5 أصبح لها تصنيفين هي inadequate وفي نفس الوقت

425
00:39:00,000 --> 00:39:05,420
هي middle هي inadequateهي inadequate inadequate

426
00:39:05,420 --> 00:39:12,880
بنسبة 50% و middle بنسبة 20% هذا هو مصدر ال

427
00:39:12,880 --> 00:39:16,960
fuzziness أو الضبابية ان القيمة الواحدة صنفناها

428
00:39:16,960 --> 00:39:22,020
تنتمي إلى مجموعتين مش مجموعة واحدة يعني انا مثلا

429
00:39:22,020 --> 00:39:27,440
لما بطلع على الرمول هذه بأتقل انه يا ما adequate

430
00:39:27,440 --> 00:39:33,710
يا ما مش adequate وإن في هناك وإن في هناكخط فيصل

431
00:39:33,710 --> 00:39:37,610
ان اللي جاب ال هيكة اللي من هنا و من هنا in

432
00:39:37,610 --> 00:39:41,710
adequate و من هنا و فوق هذا adequate مش هيك .. انت

433
00:39:41,710 --> 00:39:46,470
بتعتقد كده هيكة حالة small انت بتعتقد انه في تدريج

434
00:39:46,470 --> 00:39:52,610
انه من هنا لهنا هذا small و من هنا لهنا هذا medium

435
00:39:52,610 --> 00:39:56,870
و من هنا لهنا هذا large هيكة بتعتقد، ليس كأي واحد

436
00:39:56,870 --> 00:40:00,590
بتعتقد لكن الواقع قال الأمر لا في منطقة ضبابية ما

437
00:40:00,590 --> 00:40:04,870
بين الاشما بين تحدود هذه اللي هي هذه المنطقة

438
00:40:04,870 --> 00:40:08,830
الضبابية أي حاجة واقعة في هذه المنطقة الضبابية

439
00:40:08,830 --> 00:40:15,570
ممكن تصنف على الاش على الناحتين ولكن بنسب متفاوتة

440
00:40:15,570 --> 00:40:20,050
هذه النسب المتفاوتة بدنا نشوف كيف قدام كيف بدنا

441
00:40:20,050 --> 00:40:25,190
نعمل معالجة لها على أساس نطلع في الآخر الاش نطلع

442
00:40:25,190 --> 00:40:28,630
الاستنتاج النهائي والاستنتاج النهائي هذا جداش برضه

443
00:40:28,630 --> 00:40:33,640
درجة الموثقية منهفبنخلّي الكلام هذا للمحاضرة

444
00:40:33,640 --> 00:40:37,720
الجاية بس المهم في الأمر ان احنا نفهم ان ما فيها

445
00:40:37,720 --> 00:40:42,420
اكتر express systems ال rules بتاعتها fuzzy و ال

446
00:40:42,420 --> 00:40:47,260
fuzzyness اللي جاي من ال fuzzy sets و بكرا

447
00:40:47,260 --> 00:40:50,080
المحاضرة الجاية ان شاء الله بنشوف القالية ال

448
00:40:50,080 --> 00:40:55,820
inference قالية معالجة ال rules و ال data في ال

449
00:40:55,820 --> 00:41:00,420
fuzzy express systems ماشي اعطيكم العافية