1
00:00:21,380 --> 00:00:24,880
طيب ماشي بسم الله الرحمن الرحيم هذه المحاضرة أن

2
00:00:24,880 --> 00:00:27,420
شاء الله نُكمّل الكلام الذي كنا بَدأنا به في المحاضرة

3
00:00:27,420 --> 00:00:31,280
الماضية، والذي هو بالتحديد الـ fuzzy inference

4
00:00:31,280 --> 00:00:35,200
باستخدام الممداني method، نكمله، الذي هو نحن

5
00:00:35,200 --> 00:00:40,160
تقريباً وصلنا لنهاية تقريباً، وبعدين نشوف نفس الـ

6
00:00:40,160 --> 00:00:43,960
inference، بس باستخدام، يشوفوا أيضاً يعني fuzzy

7
00:00:43,960 --> 00:00:47,760
inference، بس باستخدام سوجينو الـ سوجينو method بعد

8
00:00:47,760 --> 00:00:52,400
كده نرجع على النقطتين اللتين فاتتنا من البداية،

9
00:00:52,400 --> 00:00:56,980
بداية الـ chapter الذي لم نذكره فيه موضوع

10
00:00:56,980 --> 00:01:02,540
الذي هو الـ fuzzy sets، المقدمة

11
00:01:02,540 --> 00:01:05,340
في البداية، الـ fuzzy sets، نحكي عن الذي فيه الذي

12
00:01:05,340 --> 00:01:06,060
هو operations

13
00:01:09,190 --> 00:01:12,650
on، الفرق التام بين fuzzy و crisp، بعدين فيه، إذا تذكروا

14
00:01:12,650 --> 00:01:20,310
المفهوم،  إذا تذكروا هذا المصطلح، تمام، وأعتقد

15
00:01:20,310 --> 00:01:26,770
في الآخر أيضاً، تمام، في  ياش بس

16
00:01:26,770 --> 00:01:30,810
بالتحديد هذان النقطتان، نرجع لهما من ياش من

17
00:01:30,810 --> 00:01:36,780
lecture أربعة، okay، لأن نحن نكمّل lecture خمسة من

18
00:01:36,780 --> 00:01:41,920
عند الذي هو نهاية الممداني fuzzy inference، ممداني

19
00:01:41,920 --> 00:01:45,040
fuzzy inference، أين كنا وصلنا بالضبط؟

20
00:01:45,040 --> 00:01:52,360
أنهيناها للنقطة التي هي حساب أو الـ defuzzification

21
00:01:52,360 --> 00:01:57,540
التي هي حساب الـ balance point، التي هي عندها التي

22
00:01:57,540 --> 00:02:01,820
هي على أساسها التي هي في النهاية خلاصة الـ

23
00:02:01,820 --> 00:02:04,880
conclusion تبع الـ system

24
00:02:16,010 --> 00:02:21,810
الخطوات، كيف كانت؟ الخطوات الأولى كانت أنَّ نحن نَتِم

25
00:02:21,810 --> 00:02:23,690
الـ classification، الـ classification الذي هو نحن

26
00:02:23,690 --> 00:02:27,310
نأخذ الـ input، الـ crisp input، الذي هو Y1 و X1

27
00:02:27,720 --> 00:02:33,220
ونشوف انتمائهما إلى different fuzzy sets، التي هي

28
00:02:33,220 --> 00:02:38,820
بالتحديد الـ X1، انتماؤها إلى E1،

29
00:02:38,820 --> 00:02:45,280
E2، E3، وY1 انتماؤها إلى E1، وE2، بعدها يأتي الـ rule

30
00:02:45,280 --> 00:02:49,880
evaluation، نشوف أي من الـ rules التي can fire، وما

31
00:02:49,880 --> 00:02:53,200
الـ conclusions التي تخرج معنا، الـ conclusions التي

32
00:02:53,200 --> 00:02:56,120
تخرج معنا، هذه أيضاً نعمل لها evaluation من ناحية

33
00:02:56,120 --> 00:03:02,340
أي الـ... الـ... الـ... الـ fuzzy value  تبع حقوق الـ

34
00:03:02,340 --> 00:03:07,680
conclusion، لها fuzzy value، مظبوط، بناءً على الـ fuzzy

35
00:03:07,680 --> 00:03:10,260
values تبعية الـ conditions، شو هو؟ حتى لو كان صفر

36
00:03:10,260 --> 00:03:14,780
حتى لو كان صفر بالضبط، okay، وقلنا كيف نتعامل عندما

37
00:03:14,780 --> 00:03:19,040
يكون الـ condition، يربط antecedence متعددة بالـ or

38
00:03:19,040 --> 00:03:23,590
أو بالـ and، ونأخذ الـ minimum، ونأخذ الـ maximum، وهذا

39
00:03:23,590 --> 00:03:27,790
تقريباً الـ slide تلخّص الثلاث، تلخّص الـ inference

40
00:03:27,790 --> 00:03:30,730
الذي حصل بناءً على الثلاث rules، وليس الواحد، وليس

41
00:03:30,730 --> 00:03:35,710
الاثنين، وليس الثلاث، وأخذنا الـ conclusions الثلاث

42
00:03:35,710 --> 00:03:39,790
هذه الآن نعمل لها aggregation، للثلاث هذه نعمل لهم

43
00:03:39,790 --> 00:03:47,170
aggregation، ندمج هذا مع هذا مع الأول، استنتاجات

44
00:03:47,170 --> 00:03:49,290
الثلاث تبع الـ rules، ندمجها مع بعض

45
00:03:52,630 --> 00:03:59,530
الآن أرجع إلى الـ slide التي راحت، بعدها أذهب إلى

46
00:03:59,530 --> 00:04:04,930
الـ aggregation الذي حكيت فيه، ثم بعدها أذهب، عشان

47
00:04:04,930 --> 00:04:09,210
ناتج الـ aggregation، دمجنا الثلاث results في

48
00:04:09,210 --> 00:04:12,130
result واحدة، التي بعدها، آخر خطوة التي هي de

49
00:04:12,130 --> 00:04:16,170
-fuzzification، التي نستخدم فيها الـ center of

50
00:04:16,170 --> 00:04:21,090
gravity technique، لاستخلاص crisp value من الـ fuzzy

51
00:04:21,580 --> 00:04:26,360
region، أو regional fuzzy set، center of gravity هو

52
00:04:26,360 --> 00:04:33,820
أنَّ نحن نأخذ كافة الـ... نأخذ الـ group الـ...

53
00:04:33,820 --> 00:04:39,760
الـ result المدمجة، ونشوف أين هو الـ steps، طبعاً خلي

54
00:04:39,760 --> 00:04:43,360
بالك، نحن هنا عملنا segmentation على أساس من 0 إلى

55
00:04:43,360 --> 00:04:46,740
10، و10 إلى 20، يعني الـ step واحدة عشرة، أنت ممكن

56
00:04:46,740 --> 00:04:52,010
تَخْتَارها ياش... تخليها أقل، ممكن تخليها خمسات، خمسات

57
00:04:52,010 --> 00:04:55,790
يعطيك دقة أكثر، صح ولا لا؟ المواقع التي مثل هذه

58
00:04:55,790 --> 00:05:03,010
يحدث هنا، شيء ينضم إلى هذه المجموعة، وشيء ثانٍ

59
00:05:03,010 --> 00:05:08,590
ينضم إلى مجموعة أخرى، فأنت كده تَصْغُر الـ stepping

60
00:05:08,590 --> 00:05:13,600
كده تأخذ دقة أكثر، لكن تزيد على نفسك calculation في

61
00:05:13,600 --> 00:05:16,540
المسائل التي تأتيك في الامتحان، ولا كده نحاول

62
00:05:16,540 --> 00:05:21,040
نُبَسِّط الـ calculation، لأنَّ نحن لا نخبرك فيه، بتعرف

63
00:05:21,040 --> 00:05:24,800
تجمع، وتطرح، وتضرب، نخبرك أنك أنت فاهم التقنية ولا

64
00:05:24,800 --> 00:05:31,160
لا، okay، الـ... الـ... فاتتني الـ slide التي فاتتني

65
00:05:31,160 --> 00:05:35,960
التي هي موضوع الـ clipping، و لماذا، و الـ scaling، الـ

66
00:05:35,960 --> 00:05:41,160
clipping، و الـ scaling، نحن الآن عندما جئنا على مثال

67
00:05:41,160 --> 00:05:48,050
... نصيبنا مثال على C2، وقلنا أنَّ بناءً على الـ rules

68
00:05:48,050 --> 00:05:50,850
أو بناءً على الـ rule رقم، أعتقد كانت واحدة أو

69
00:05:50,850 --> 00:05:57,070
اثنين، لستُ أذكر، الـ rule، تجرأنا لماذا أن Z تنتمي إلى C2

70
00:05:57,070 --> 00:06:02,790
بنسبة 0.2، مضبوط، فذهبنا وحطينا الخط هذا، هذا نحن

71
00:06:02,790 --> 00:06:10,030
اِقْتَصَصْنا من كافة الـ fuzzy space كله، وأخذنا منه 20%

72
00:06:11,720 --> 00:06:16,320
أسلوب آخر لنفس

73
00:06:16,320 --> 00:06:23,280
الشيء، هو أن نعمل rescaling، هذا يُسمّى clipping، نعمل

74
00:06:23,280 --> 00:06:29,180
rescaling، لأنَّ الشكل نفسه هذا يحدد شكل الـ function

75
00:06:29,180 --> 00:06:35,160
شكل الـ fuzzy function، نعمل rescaling بنسبة 20%

76
00:06:35,160 --> 00:06:42,120
كأنه صورة وتريد تصغيرها، أو صورة تريد ضغطها،  بسَكِيل هذا

77
00:06:42,120 --> 00:06:47,000
الذي هو من 0 إلى 1، يصبح تضغطه

78
00:06:47,000 --> 00:06:52,760
إلى 20%، فماذا يحدث عندما يُضغَط؟ يصبح شكله مثل هذا

79
00:06:52,760 --> 00:06:59,360
هو عندك الـ fuzzy region التي نتجت عن الـ rule الـ

80
00:06:59,360 --> 00:07:04,790
mark، بعد كده تدمج هذا الشكل مع الشكل الذي يخرج

81
00:07:04,790 --> 00:07:08,710
معك من الـ rules الأخرى، وتُدَمِّجُها مع بعض، وترجع

82
00:07:08,710 --> 00:07:12,530
تكمّل الطريقة التي هي حساب الـ center of gravity

83
00:07:12,530 --> 00:07:17,330
لكن نحن للتبسيط، يعني بالنسبة لك أنت لو الكلام هذا

84
00:07:17,330 --> 00:07:22,070
يُعْمَل computerized، أنت لستَ مُفَرَّغ معك أن تفعله

85
00:07:22,070 --> 00:07:26,290
clipped، يعني الـ result الـ output، تعمله clipping، تقص

86
00:07:26,290 --> 00:07:31,350
إلى 20%، أو تعمل scaling down to 20%، لستَ مُفَرَّغ

87
00:07:31,350 --> 00:07:35,870
لأنَّ الـ computer هو الذي سيحسبه، الذي سيحسب الشكل

88
00:07:35,870 --> 00:07:40,230
هذا، كيف سيكون بعد الـ scaling، وهو الذي سيحسب كيف

89
00:07:40,230 --> 00:07:44,010
يكون بالـ clipping، صح ولا لا؟ طبعاً هذا سيكون في

90
00:07:44,010 --> 00:07:47,730
calculation أكثر على الـ computer من هذا، المهم أنَّ

91
00:07:47,730 --> 00:07:52,850
نحن في الأمثلة التي نتدرّب عليها، نُبَسِّط الأمور

92
00:07:52,850 --> 00:07:57,690
نأخذ شيء مثل clipping، أما عملياً عندما تريد أنت أن تبرمج

93
00:07:57,690 --> 00:08:02,370
الأمور هذه، تذهب، تصمم function التي تعمل

94
00:08:02,370 --> 00:08:05,690
scaling، ويبقى الـ Option مُتاح لمن؟ للـ User هو

95
00:08:05,690 --> 00:08:10,770
الذي يُنفِّذ عملية الاستنتاج، هذا بالـ Clipping أو

96
00:08:10,770 --> 00:08:16,490
بالـ Scaling، طيب، نرجع نكمّل الآن، فهمنا الـ

97
00:08:16,490 --> 00:08:19,690
Aggregation، المقصود به دمج كل الـ Outputs، تبعة

98
00:08:19,690 --> 00:08:22,750
كل الـ Rules مع بعض في Region واحدة، الـ Region هذه

99
00:08:22,750 --> 00:08:30,110
الآن نعمل لها De-fuzzification، okay، خلاص، الآن نفس

100
00:08:30,110 --> 00:08:35,250
الـ method، نفس الـ method، لكن يختلف عنها الذي هو أنَّ

101
00:08:35,250 --> 00:08:43,890
في الـ subunit of a fuzzy inference، الـ

102
00:08:43,890 --> 00:08:53,730
fuzzy values التي نستخدمها

103
00:08:53,730 --> 00:08:58,760
بدلاً من أن يكون فيه عندي الـ fuzzy function، الـ Fuzzy

104
00:08:58,760 --> 00:09:01,120
Function تبع الـ output، بدلاً من أن تكون عبارة عن مجموع

105
00:09:01,120 --> 00:09:06,660
من الـ Fuzzy Sets، هي Fuzzy Samples، هذه الآن K1،

106
00:09:06,900 --> 00:09:12,680
K2، K3، هي Fuzzy Samples، الآن عندما نحن نستنتج الـ

107
00:09:12,680 --> 00:09:17,240
conclusion، تبعة أنَّ أنا على قول معيّن، نستنتج الـ

108
00:09:17,240 --> 00:09:24,920
conclusion، أنَّ Z is، نقول ليش الآن is C1، is C2، is

109
00:09:24,920 --> 00:09:31,120
C3، نقول is K1، K2 أو K3، وأيضاً بالنسبة لكم K1، وK2

110
00:09:31,120 --> 00:09:33,460
وK3، وK4، وK5، وK6، وK7، وK8، وK9، وK10، وK10، و

111
00:09:33,460 --> 00:09:37,500
K10، وK10، وK10، وK10، وK10، وK10، وK10، وK10، و

112
00:09:37,500 --> 00:09:44,000
K10، وK10، وK10، وK10، وK10، وK10، وK10، وK10، و

113
00:09:44,000 --> 00:09:44,040
K10، وK10، وK10، وK10، وK10، وK10، وK10، وK10، و

114
00:09:44,040 --> 00:09:54,220
K10، وK10، وK10

115
00:09:54,220 --> 00:09:58,180
وK10

116
00:09:58,180 --> 00:10:04,010
وكذا أو كذا، فـ Z is k1، أي كي واحد، أو أي sample كي

117
00:10:04,010 --> 00:10:11,130
واحد، هذا الرقم الآن، أريد أن آخذ من كي واحد على ارتفاع

118
00:10:11,130 --> 00:10:16,670
0.1، okay، وأريد أن آخذ الآن الذي أنا أقول اثنين الذي

119
00:10:16,670 --> 00:10:23,690
يقول لي is k2 بـ 0.2، أريد أن آخذ الآن من k2 على ارتفاع 0

120
00:10:23,690 --> 00:10:28,970
.2،  الرولي بتاعة بتقول لي z is k ثلاثة بنسبة نصف

121
00:10:28,970 --> 00:10:33,670
فأخذ مين؟ k ثلاثة بنسبة خمس، نرجع مين؟ بعد هيك نعمل

122
00:10:33,670 --> 00:10:36,890
aggregation لمين؟ للـ samples، في الـ sample الذي خرج

123
00:10:36,890 --> 00:10:39,890
معي تبع k واحد، والـ sample تبع k اثنين، والسبب

124
00:10:39,890 --> 00:10:44,560
تبع k ثلاثة، هذه هي الـ aggregation، نفس الأشياء نحن

125
00:10:44,560 --> 00:10:49,040
قلنا الـ method واحدة، لكن الذي اختلف أنَّ في الممداني

126
00:10:49,040 --> 00:10:52,920
الـ output معبر عنه بـ fuzzy sets أو fuzzy function

127
00:10:52,920 --> 00:10:56,900
وعندما في الـ سوجينو، معبر عنه بـ fuzzy samples، الـ

128
00:10:56,900 --> 00:11:00,020
samples هي الـ case واحد، واثنين، واثنين، وثلاثة

129
00:11:00,020 --> 00:11:04,620
فكيف أنا أدمج على هذا الأساس أنَّ صار فيه عندي الـ

130
00:11:04,620 --> 00:11:10,850
fuzzy output، عبارة عن ثلاثة samples، كل واحد له

131
00:11:10,850 --> 00:11:14,930
موضوع، يعني يُعَبِّر عن قيمة معيّنة، كي واحد يُعَبِّر عن قيمة

132
00:11:14,930 --> 00:11:21,030
0.2، كي اثنين يُعَبِّر عن 0.5، وهذا 0.8، موضوع، حدد موضوع

133
00:11:21,030 --> 00:11:24,190
اليك في المثال، أو أنت أصلاً يعني يوم أنك تعمل fuzzy

134
00:11:24,190 --> 00:11:27,950
solution، أنت تحدد الـ case هذا بناءً على الـ expert

135
00:11:27,950 --> 00:11:31,350
الـ human expectation، الذي يقول لك، المهم الآن بعدين

136
00:11:31,350 --> 00:11:34,870
كيف نعمل defuzz، هذا aggregation ولا لا؟ جمعنا الـ

137
00:11:34,870 --> 00:11:38,550
samples في مجموعة واحدة، كيف نعمل defuzzification؟

138
00:11:39,100 --> 00:11:51,640
هذه هي الوصولة، نضرب كل sample في قيمته، لأنَّ

139
00:11:51,640 --> 00:12:04,460
K1، K2، K3، 0.2، 0.8، 0.5، ممكن يكون التدريج من 0 إلى 100

140
00:12:04,460 --> 00:12:13,780
وليس من 0 إلى 1، هذه هي قيمة الـ Sample، قيمته

141
00:12:13,780 --> 00:12:19,960
هو في حد ذاته، مضمّن في نسبته، نسبته هي من أين أتت؟

142
00:12:19,960 --> 00:12:31,720
من الـ rule، من الاستنتاج، K1 كانت نسبته 0.1، K2

143
00:12:31,720 --> 00:12:32,520
كانت نسبته

144
00:12:45,260 --> 00:12:50,560
صح، مش هم هيك كانوا، أنا أرجع إلى الـ slide، الـ K1 0.1، و

145
00:12:50,560 --> 00:12:56,740
K2 0.2، و0.5، ماشي، فأنت تريد أن تفهم أن الـ sample نفسه

146
00:12:56,740 --> 00:13:03,840
له قيمة، وهذه النسب هي مثل weights أو أوزان للـ

147
00:13:03,840 --> 00:13:08,320
sample، فعشان أعمل aggregation، أضرب كل sample قيمته

148
00:13:08,320 --> 00:13:12,300
في وزنه، في value تبعه في الـ weight تبعه، يعني

149
00:13:12,300 --> 00:13:21,260
يصبح عندي weighted sum، W ضرب الـ value، W1 في value

150
00:13:21,260 --> 00:13:28,960
1، زائد W2 في value 2، ماشي، الآن الـ weight هو أبعاد

151
00:13:28,960 --> 00:13:38,780
الـ μ، الذي هو الـ membership، صح؟ μ، μ،

152
00:13:38,780 --> 00:13:45,410
درجة انتماء الـ output إلى K1، μ كتنين، درجة انتماء الـ

153
00:13:45,410 --> 00:13:49,210
output إلى كتنين، μ كتلتر، درجة انتماء الـ output

154
00:13:49,210 --> 00:13:54,810
إلى كتلتر، درجة انتماء الـ output إلى كتلتر، درجة انتماء الـ

155
00:13:54,810 --> 00:14:00,290
output إلى كتلتر، درجة انتماء الـ output إلى كتلتر، درجة

156
00:14:00,290 --> 00:14:01,650
انتماء الـ output إلى كتلتر، درجة انتماء الـ output

157
00:14:01,650 --> 00:14:01,670
إلى كتلتر، درجة انتماء الـ output إلى كتلتر، درجة انتماء الـ

158
00:14:01,670 --> 00:14:01,710
إلى كتلتر، درجة انتماء الـ output إلى كتلتر، درجة انتماء الـ

159
00:14:01,710 --> 00:14:05,110
output

160
00:14:05,110 --> 00:14:09,410
إلى كتلتر

161
00:14:09,410 --> 00:14:14,500
درجة انتماء الـ output إلى كتلتر، الأوزان يخرج عندي الآن

162
00:14:14,500 --> 00:14:21,160
هذه

163
00:14:21,160 --> 00:14:25,020
أُعِيدُ، عن الأوزان، μ كواحد، ممكن نسمّي μ كتلات

164
00:14:25,020 --> 00:14:29,680
الأوزان، وليس الـ values، الـ values هي كل واحد أين واقف

165
00:14:29,680 --> 00:14:33,440
على الـ scale تبع كل sample، أين واقف، هل يكونوا

166
00:14:33,440 --> 00:14:37,180
يعطيني الأوزان؟ آه، طبعاً لا، الأوزان لا، الأوزان

167
00:14:37,180 --> 00:14:42,110
هذه التي نحن استنتجناها، هي الـ μ، هي الأوزان

168
00:14:42,110 --> 00:14:45,650
التي خرجت من الـ rules، الـ value، آ

223
00:19:27,520 --> 00:19:32,600
هذا ابتدائها قدام الـ rules بتيجي يعني الـ values

224
00:19:32,600 --> 00:19:37,440
rules اللى بده تمسك المتغيرات هذا ويقول إذا

225
00:19:37,440 --> 00:19:43,070
المتغير كذا كذا then المتغير هذا بيكون كذا

226
00:19:43,070 --> 00:19:45,690
لاحقا في الأول بدك تاخد اللي هو العناصر الأساسية

227
00:19:45,690 --> 00:19:49,870
اللي على أساسها بترتب الـ decision كيف الـ human

228
00:19:49,870 --> 00:19:56,390
expert بيفكر بفكر بناء على متغيرات أساسية

229
00:19:56,390 --> 00:20:00,170
المتغيرات الأساسية هي اللي بدك تحصرها وتحصر أيش

230
00:20:00,170 --> 00:20:06,510
القيم المحتملة تبعتها فهذا أولا you need to define

231
00:20:06,510 --> 00:20:09,950
the linguistic premise طبعا مرة أخرى أنا بقولك في

232
00:20:09,950 --> 00:20:15,410
امتحان هيجيلك الـ problem well defined بس أنت you

233
00:20:15,410 --> 00:20:20,170
have to run الـ method وتورين الـ calculations بس لو

234
00:20:20,170 --> 00:20:24,450
أنت بدك تبني system من scratch يعني من الصفر ماذا

235
00:20:24,450 --> 00:20:27,570
لك أنت you will have to as a knowledge engineer

236
00:20:27,570 --> 00:20:32,350
بدك تـ define الـ linguistic variables بدك لكل

237
00:20:32,350 --> 00:20:34,850
linguistic variable تحدد أيش الـ sets تبعته يعني

238
00:20:34,850 --> 00:20:44,270
مثلا Y ولا X هل هم two هل بالضرورة تلاتة six ولا

239
00:20:44,270 --> 00:20:48,250
أكثر ولا أقل يعني ممكن يبقى تلاتة ممكن يبقى

240
00:20:48,250 --> 00:20:50,830
اتنين أنت بدأت تحددها برضه بناء على الـ human

241
00:20:50,830 --> 00:20:53,910
expert اللي بيقولك أن هذا المتغير عادة بيكون يا

242
00:20:53,910 --> 00:21:00,070
أما طويل يا اما short بس أو طول medium short بعد

243
00:21:00,070 --> 00:21:04,110
هيك الـ rules برضه هذا يعني لغاية الآن هنا كل هذا

244
00:21:04,490 --> 00:21:09,650
استنادا أو بالتنسيق مع الـ human expert صح أنك أنت

245
00:21:09,650 --> 00:21:14,310
elicit and construct الـ fuzzy rules الـ fuzzy rules

246
00:21:14,310 --> 00:21:18,110
أنت لما بتعملها في البداية مش مضطر تبقى دقيقة جدا

247
00:21:18,110 --> 00:21:22,670
يعني ممكن بعد تجربة الـ system واكتشاف وين المشاكل

248
00:21:22,670 --> 00:21:26,630
اللي فيه وقد إيش دقة الأداء تبعه تروح تعدل تضيف rules

249
00:21:26,630 --> 00:21:31,730
جديدة تحذف rules مالهاش أي لازمة تضيف برضه كمان في

250
00:21:31,730 --> 00:21:36,040
المتغيرات ولا في الـ sets وتعدل في الـ sets. In code

251
00:21:36,040 --> 00:21:42,080
الكلام على كل الـ process و الـ procedures كلها في

252
00:21:42,080 --> 00:21:45,840
البرنامج اللي هتستخدمه أو اللي هتصممه لأن أنت ممكن

253
00:21:45,840 --> 00:21:49,820
تصمم الـ system كله بالـ scratch بالـ Java ولا بالـ C

254
00:21:49,820 --> 00:21:54,760
ولا بالـ C++ أو تستخدم بعض الـ shells اللي جاهزة

255
00:21:54,760 --> 00:21:57,860
لبناء الـ expert systems واللي بتعتمد على rule

256
00:21:57,860 --> 00:22:02,300
based فأنت تدخل الـ rules هذه وتدخل الـ variables و

257
00:22:02,300 --> 00:22:06,340
تدخل الـ sets بناء على تصميم البرنامج البرنامج هو

258
00:22:06,340 --> 00:22:12,300
بيعطيك interface اللي أنت تدخل... هل الكلام بتشوفه

259
00:22:12,300 --> 00:22:14,800
في المعمل؟ إذا لسه ما شوفتهوش already تشوفه في

260
00:22:14,800 --> 00:22:19,700
المعمل الـ...الـ...الـ...الـ rule basics في الـ

261
00:22:19,700 --> 00:22:22,660
system تمام؟ هذا الـ encoding المقصود به اللي هي

262
00:22:22,660 --> 00:22:25,880
إدخال الكلام كله إلى الـ system بهذه الـ system

263
00:22:25,880 --> 00:22:31,320
يفترض أنك أنت تبدأ تعمله جربه جربه ببيانات already

264
00:22:31,320 --> 00:22:36,270
معروفة الـ...القرار فيها أو الـ result بتاعتها بتدخل

265
00:22:36,270 --> 00:22:39,470
وشوف أيش الـ performance تبع الـ system هل قريب ولا

266
00:22:39,470 --> 00:22:46,170
بعيد عنه طبعا مش هيبقى الدقة 100% ولا حتى 90% في

267
00:22:46,170 --> 00:22:51,790
البداية ف تبدأ أنت بناء على النتائج اللي بتطلع بناء

268
00:22:51,790 --> 00:22:58,170
على الـ evaluation بتروح ترجع تعمل أيش تعمل

269
00:22:58,170 --> 00:22:58,550
أيش؟

270
00:23:01,180 --> 00:23:04,940
refinement أو fine-tuning للسيستم fine-tuning هو

271
00:23:04,940 --> 00:23:08,960
كما قلت أما بتغيير الـ fuzzy sets تعديلها على الـ

272
00:23:08,960 --> 00:23:13,480
fuzzy sets أو تعديلها على الـ rules تعديلها على الـ

273
00:23:13,480 --> 00:23:18,280
rules هذا

274
00:23:18,280 --> 00:23:23,680
المثال أنا بدي أتركه لكم هو عبارة عن system لـ

275
00:23:23,680 --> 00:23:30,100
export system لـ maintenance shop أو maintenance

276
00:23:30,100 --> 00:23:37,020
department بيجي له أجهزة بتصلح بيشخص المشكلة و

277
00:23:37,020 --> 00:23:41,600
بيبدل إذا عرف القطعة اللي هتطلّع بيبدلها الآن الـ

278
00:23:41,600 --> 00:23:44,760
system مش هو اللي بيقوم بالتشخيص الـ system بس

279
00:23:44,760 --> 00:23:48,800
بيساعد الـ manager أنه دائما الـ spare parts اللي

280
00:23:48,800 --> 00:23:54,760
عندهم على الرفوف تبقى أيش كافية لحسب حجم الشغل إذا

281
00:23:54,760 --> 00:23:59,100
في كثير أجهزة بتيجي عطلانة أو في حركة كثير معناه

282
00:23:59,100 --> 00:24:05,500
ذلك الـ system لازم يعطي مؤشر للمدير إنه بدك تزيد

283
00:24:05,500 --> 00:24:09,860
العدد يقول له spare parts إذا العدد خف معناه ذلك

284
00:24:09,860 --> 00:24:14,380
بده يخف الـ alert أو التنبيه لـ...فعندك أنت هنا في

285
00:24:14,380 --> 00:24:18,490
الـ system هذا في عدة متغيرات اللي هي زي مثلا اللي

286
00:24:18,490 --> 00:24:22,450
على أساسها الـ system بيقرر هذه المتغيرات اللي هي

287
00:24:22,450 --> 00:24:26,910
linguistic variables الـ average waiting time يعني

288
00:24:26,910 --> 00:24:31,490
تخيل أنه في وسيلة نشوف الزبون لما بيجي ويجيب معه

289
00:24:31,490 --> 00:24:35,630
جهازه ما بين ما بيدخل وما بين ما بيطلع هذا اسمه

290
00:24:35,630 --> 00:24:40,570
الـ waiting time في وسيلة لحساب الزمن هلأ كأنه مثلا

291
00:24:40,570 --> 00:24:46,120
يبقى في ticket stand الزبون اللي بيجي بياخد Ticket

292
00:24:46,120 --> 00:24:50,000
وبيقعد ماشي وبعدين بنناديه وبعدين بنصلح

293
00:24:50,000 --> 00:24:54,760
الجهاز وبعدين لما بيطلع بنسجل وقتاش احنا أنجزنا

294
00:24:54,760 --> 00:24:58,700
المهمة فالفرق ما بين دخوله وما بين ما احنا نسجل

295
00:24:58,700 --> 00:25:02,060
أنجزنا المهمة هذا هو أيش الـ waiting time تبعه بين

296
00:25:02,060 --> 00:25:04,720
حسب الـ average waiting time يعني زبون مرة زبون مرة

297
00:25:04,720 --> 00:25:07,540
زبون بتجمعهم وبنحسب أيش الـ average فهذا الـ

298
00:25:07,540 --> 00:25:10,900
average و waiting time هذا واحد من المعطيات اللي

299
00:25:10,900 --> 00:25:15,260
الـ expert system يستند إليها هو واحد من المواضيع

300
00:25:15,260 --> 00:25:19,860
التي تستند الـ Fuzzy Expert System لها في إعطائها

301
00:25:19,860 --> 00:25:23,120
هذا الـ Main delay أو اختصارا الـ Repair

302
00:25:23,120 --> 00:25:27,420
Utilization Factor of Service Center الـ Repair

303
00:25:27,420 --> 00:25:32,280
Utilization Factor هو قد إيش إن فعلا كل واحد من

304
00:25:32,280 --> 00:25:36,400
الموظفين الـ utilization تبعه يعني قد إيش بيعمل كم

305
00:25:36,400 --> 00:25:42,360
جهاز بيصلحه في الساعة الـ number of servers الـ

306
00:25:42,360 --> 00:25:44,740
servers هنا مش الأجهزة يعني الـ servers لأ الـ

307
00:25:44,740 --> 00:25:47,260
servers هم الموظفين اللي بيقدموا خدمة التصنيع

308
00:25:47,260 --> 00:25:51,240
because الـ servers إحنا بطلنا نفهمها إلا على أساس

309
00:25:51,240 --> 00:25:55,260
الـ computer مع إنه هي بالأصل ممكن تبقى الخادم اللي

310
00:25:55,260 --> 00:25:59,240
في مطعم ممكن تبقى الموظف اللي بيقدم خدمة في ورش

311
00:25:59,240 --> 00:26:02,720
التصنيع أو أي حاجة تانية and initial number of

312
00:26:02,720 --> 00:26:05,360
spare parts اللي هو أصلا قطع الغيار المتوفرة

313
00:26:05,360 --> 00:26:10,180
قد إيش كانت أصلا في البداية الـ linguistic values

314
00:26:10,180 --> 00:26:15,480
الآن إحنا أيش قلنا في الـ list الخطوات اللي

315
00:26:15,480 --> 00:26:18,940
بيعملها الـ software إنه يحدد الـ values وبعدين

316
00:26:18,940 --> 00:26:22,700
بيقول لك حدد الـ sets وبعدين بيجي دور الـ rules الـ

317
00:26:22,700 --> 00:26:26,740
sets هذه مثلا هنا linguistic value اللي هو a value

318
00:26:26,740 --> 00:26:32,270
اللي هو الـ mean الذي هو متوسط الانتظار وقت الانتظار

319
00:26:32,270 --> 00:26:38,230
هذا له ثلاثة subsets ثلاثة fuzzy sets اللي هو very

320
00:26:38,230 --> 00:26:40,790
short و short و medium يعني وقت الانتظار ممكن يبقى

321
00:26:40,790 --> 00:26:45,230
very short لأنه ما أخذش وقت على طول أو يبقى short

322
00:26:45,230 --> 00:26:51,010
أو يبقى medium okay فالـ...و هذه الرموز هنا وهذه

323
00:26:51,010 --> 00:26:55,090
وين بدايتها يعني على الخط هذا

324
00:26:57,840 --> 00:27:06,740
من عند الـ 0 إلى الـ 0.3 بيجي اللي هو مين الـ very

325
00:27:06,740 --> 00:27:16,280
short ومن عند مين من الـ 0.1 إلى الـ 0.5 بيجي

326
00:27:16,280 --> 00:27:26,020
أيش الـ short صح؟ من عند الـ 0.4 إلى الـ 0.7 بيجي أيش

327
00:27:27,300 --> 00:27:32,050
اللي هو الـ medium واضح أنا بس عشان أوضح أيش الأرقام

328
00:27:32,050 --> 00:27:38,610
هذه وكيف بتعبرها بالـ function هذه ليست rules هذه

329
00:27:38,610 --> 00:27:41,690
fuzzy sets إحنا بنعمل الـ set اللي هو العمود الثالث

330
00:27:41,690 --> 00:27:45,930
صحيح؟ العمود الثالث باسم الـ set أو اختصار اسمه هاي

331
00:27:45,930 --> 00:27:50,310
اسم الـ set وهي اختصاره وهي حدوده حدوده؟ هذا حدوده

332
00:27:50,310 --> 00:27:54,970
هم اللي كنت بتعمله وبعدها بتيجي الـ rules الـ fuzzy

333
00:27:54,970 --> 00:28:00,950
rules هاي الـ sets إحنا بنينا عليها الكلام ده كله عملنا

334
00:28:00,950 --> 00:28:03,010
اللي هو الـ Fuzzy Sets فهي الـ Fuzzy Sets ثم الـ

335
00:28:03,010 --> 00:28:05,830
mean delay ثم الـ number of servers هذا كله عبارة

336
00:28:05,830 --> 00:28:09,270
عن ترجمة للأرقام اللي هي الحدود اللي في العمود

337
00:28:09,270 --> 00:28:13,710
الأخرى بعدها كان يجي اللي هو الـ Fuzzy Rules الـ

338
00:28:13,710 --> 00:28:16,210
Fuzzy Rules الآن برضه زي ما قلنا بناء على الـ human

339
00:28:16,210 --> 00:28:19,590
experts اللي بيعمل هذا الكلام بده يعطينا الـ rules

340
00:28:19,590 --> 00:28:23,210
ممكن يعطينا إياها rules if و then أو يعطينا إياها

341
00:28:23,210 --> 00:28:25,970
على شكل الـ matrix هذه الـ matrix هذه اللي

342
00:28:25,970 --> 00:28:29,490
لاحظت هي عبارة عن صيغة أخرى للـ rules هذه هنا

343
00:28:29,490 --> 00:28:35,150
ما أقول لك بالنسبة لـ main

344
00:28:35,150 --> 00:28:39,010
delay و

345
00:28:39,010 --> 00:28:43,190
علاقته بالـ main بالـ number of servers إذا الـ main

346
00:28:43,190 --> 00:28:47,430
delay كان very short و الـ number of servers كان

347
00:28:47,430 --> 00:28:56,930
small يبقى الـ utilization very low

348
00:29:00,100 --> 00:29:04,260
ماشي هنا إذا هذا short mean delay وهذا short

349
00:29:04,260 --> 00:29:09,400
فبيبقى low واضح فكل واحد من هدول المنطقيّات عبارة

350
00:29:09,400 --> 00:29:12,700
عن الـ

351
00:29:12,700 --> 00:29:15,920
conclusion تبعت rule عبارة عن rule صح عشان أنا

352
00:29:15,920 --> 00:29:23,140
أتوصل لنتيجة إذا الـ mean delay very short وهذا

353
00:29:23,140 --> 00:29:28,940
short ف very low اللي هو الـ utilization واضح هذه

354
00:29:28,940 --> 00:29:35,180
الـ matrix بتجمع مجموعة من الـ rules تربط ما بين two

355
00:29:35,180 --> 00:29:41,040
linguistic variables مع واحد ثالث صح؟ وممكن تلاقي

356
00:29:41,040 --> 00:29:44,920
الآن أعبر لك عنها على شكل الـ table الـ table هذا

357
00:29:44,920 --> 00:29:49,360
بيجمع عن باطلوا مجموعة من سبعة وعشرين rule هاي

358
00:29:49,360 --> 00:29:52,780
تسعة وتسعة وكمان تسعة هذا الـ rule الرقم اللي راح

359
00:29:52,780 --> 00:29:58,090
نقوله إذا الـ متغير هذا very short وهذا S وهذا L فـ

360
00:29:58,090 --> 00:30:03,510
...الـ...أيش قلنا الـ N؟ هذا كان اختصار لأيش؟ هذا الـ

361
00:30:03,510 --> 00:30:06,230
neutralization هذا أيش كان؟ number of spare parts

362
00:30:06,230 --> 00:30:11,810
نعم فبقى very small very small لأن الـ...الـ...الـ

363
00:30:11,810 --> 00:30:15,170
human...الـ administrator أو الـ manager بدي أستخدم

364
00:30:15,170 --> 00:30:18,390
الـ system عشان في الآخر يطلع على الرقم هذا هل الـ

365
00:30:18,390 --> 00:30:21,790
number of spare parts كبير ولا صغير وبالنسبة لـ قد إيش

366
00:30:21,790 --> 00:30:29,020
عشان يقرر إذا كان يزيد ولا يقلّ له جلّ واضح فالـ

367
00:30:29,020 --> 00:30:31,860
rules إحنا ممكن تتعبر على شكل table زي هيك أو على

368
00:30:31,860 --> 00:30:34,600
شكل matrix أو على شكل rule base هذا الـ rule base

369
00:30:34,600 --> 00:30:40,400
غلبه أنت بتعطيه الـ encoding اللي بتعطيه للـ shell

370
00:30:40,400 --> 00:30:46,260
اللي هتستخدمها تمام الآن هذه عبارة عن matrix بس

371
00:30:46,260 --> 00:30:50,620
cube يعني عدة matrices متجمعة مع بعض في شكل cube

372
00:30:50,620 --> 00:30:52,260
في الحقيقة دي أنا

373
00:30:55,590 --> 00:31:01,950
بس الـ matrix هذه عبارة عن أيش الـ two المتغيرين

374
00:31:01,950 --> 00:31:09,290
هدول الـ m والـ s الـ matrix هذه أو البعد هذا بدخل

375
00:31:09,290 --> 00:31:17,890
الـ variable الثالث يعني بمعنى آخر أنّه تخيل هذا الـ

376
00:31:17,890 --> 00:31:22,630
L مخبأ وراء هذا الـ M

377
00:31:26,710 --> 00:31:33,770
لأ صراحة دي هي بعض وهي بعض وهي كمان بعض تلات أبعاد

378
00:31:33,770 --> 00:31:39,950
لتلات متغيرات واللي مخزن في الخلية الواحدة الخلية

379
00:31:39,950 --> 00:31:44,950
الواحدة هي الـ result اللي هي المتغير الرابع صحيح

380
00:31:44,950 --> 00:31:54,990
لأ إذا كان الـ mean small والـ servers median والـ

381
00:31:57,370 --> 00:32:02,670
Utilization Medium فمعنى ذلك هيتم Small مع Medium

382
00:32:02,670 --> 00:32:10,630
مع Medium مع Low مع Medium

383
00:32:10,630 --> 00:32:16,790
مع Low فهذا هو الوضع صح؟ Small مع Medium مع High

384
00:32:16,790 --> 00:32:23,050
فهذا هو الوضع واضح أنك كيوب يعني أيش بدك كيوب

385
00:32:23,050 --> 00:32:28,420
هي ومرقم وموضح عندك الـ cube هذا هو وسيلة للتعبير

386
00:32:28,420 --> 00:32:33,620
عن rules الـ conditions تبعتها فيها تلاتة متغيرات

387
00:32:33,620 --> 00:32:39,720
والـ result فيها متغير واحد هذا كله بتعمله encoding

388
00:32:41,550 --> 00:32:45,750
أما من خلال الـ scratch أو من خلال الـ shell وبعد

389
00:32:45,750 --> 00:32:49,150
ذلك يحصل فيه evaluation الـ evaluation هي أداء الـ

390
00:32:49,150 --> 00:32:52,330
system يعني نجرب الـ system ونشوف الـ results اللي

391
00:32:52,330 --> 00:32:57,810
بيعطينا إياها هل منطقي ولا لو كان في أي إشكاليات على

392
00:32:57,810 --> 00:33:03,910
الأداء بنروح وبنغيره لتحسين الـ performance of الـ

393
00:33:03,910 --> 00:33:08,010
system we may use additional

394
00:33:12,140 --> 00:33:17,840
Additional sets يعني أيش؟ إذا كان فيه بس

395
00:33:17,840 --> 00:33:22,360
تلاتة sets ممكن ندخل set رابع يعني بدل مثلا الـ

396
00:33:22,360 --> 00:33:26,780
waiting time يبقى short و very short و medium لأ

397
00:33:26,780 --> 00:33:31,920
بنضيف لهم أربعة نخليهم مثلا medium و low وبعدين

398
00:33:31,920 --> 00:33:35,640
medium و high و short و very short يصيروا أربعة

399
00:33:35,640

445
00:37:44,240 --> 00:37:47,080
مش optimization بقول هي عبارة عن modification

446
00:37:47,080 --> 00:37:52,720
تعديل على الـ shape، الـ shape ما تقولش الـ edge لأن هو

447
00:37:52,720 --> 00:37:55,000
أكثر من الـ edge، الـ shape هي الـ edge و هي الـ edge و

448
00:37:55,000 --> 00:37:59,540
هي الـ edge، صح؟ الـ shape تبع الـ fuzzy set بحيث أنه

449
00:37:59,540 --> 00:38:05,660
يُعطي أكثر وصفةً لـ أو أكثر تعبيراً عن الـ linguistic

450
00:38:05,660 --> 00:38:11,280
value، الـ stochastic value هو very short، كده كده is

451
00:38:11,280 --> 00:38:14,960
كده كده مش اللي بعد الـ is هو الـ value، فالـ shape

452
00:38:14,960 --> 00:38:18,560
لازم يكون أكثر تعبيراً عن هذا، عن الـ value، فما أقدرش

453
00:38:18,560 --> 00:38:23,500
أستخدم هذا الشيء للـ short و للـ very short، هذا يصلح

454
00:38:23,500 --> 00:38:28,320
للـ short، لكن للـ very short بدي أغيره وأبدله تماماً

455
00:38:28,320 --> 00:38:33,740
الـ very tall عشان الناس اللي في الـ 180 وما بعدها

456
00:38:33,740 --> 00:38:38,230
انتمائهم للـ very tall ضعيف، طولهم بدأوا يخشوا في

457
00:38:38,230 --> 00:38:41,310
الطول، بس مش في الـ very tall، صح؟ الـ very tall هو

458
00:38:41,310 --> 00:38:47,230
اللي بيفوق بعد الـ 90%، لأن الـ 90% اللي هنا ممكن يبدأ

459
00:38:47,230 --> 00:38:53,490
ماخد اسمه عالية من ضمن مجموعة الطول، لكن اسمه مُقرف

460
00:38:53,490 --> 00:38:56,910
أضعف من جماعة الـ very tall، انتماء أضعف لجماعة الـ

461
00:38:56,910 --> 00:38:59,970
very tall، صح ولا لأ؟ فهذا هو مفهوم التجزئة، والتجزئة

462
00:38:59,970 --> 00:39:06,580
هذه لها أشكال أو تحويرات متعارف عليها، طبعاً أنا

463
00:39:06,580 --> 00:39:11,040
بقول little، آه little short، و little number of

464
00:39:11,040 --> 00:39:14,800
parts، و little مش عارف إيش، تمام، اللي بيصير أنه

465
00:39:14,800 --> 00:39:20,120
نفس الـ membership اللي كان في وضع اللي هو المثلث

466
00:39:20,120 --> 00:39:27,540
العادي، بدنا نضربه في 1.3، 1.3 أي قيمة، القيمة هذه

467
00:39:27,540 --> 00:39:32,940
طبعاً كلها الـ membership من 0 لـ 1، فهي كسور، تخيل لو

468
00:39:32,940 --> 00:39:40,980
أنا عندي هنا value، وإيش أقول؟

469
00:39:40,980 --> 00:39:50,760
مثلاً نص، 0.5، صح؟ لما أنا آخذ 0.5، أضربها في واحد وثلاثة

470
00:39:50,760 --> 00:39:55,940
من عشرة، القيمة هتكبر ولا هتصغر؟ هتصغر، لأن أنا بكسر

471
00:39:55,940 --> 00:40:03,200
لأن أقل من واحد، وهذا هو ليه نص

472
00:40:03,200 --> 00:40:12,290
أضرب واحد point لها، فهذا الـ line يُعبّر عن إيش؟ القيمة

473
00:40:12,290 --> 00:40:15,810
نفسها، الـ membership value نفسها مرفوعة لواحد

474
00:40:15,810 --> 00:40:19,330
point ثلاثة، تمام. لو أنا قُلت one point seven،

475
00:40:19,330 --> 00:40:25,190
التجويس أو التقاء حاد بيصير أشد ولا لأ؟ okay، لما

476
00:40:25,190 --> 00:40:31,610
أقول أضرب اثنين بيصير أشد، أكثر التقاء، فأنا استخدمت

477
00:40:31,610 --> 00:40:39,130
هذا الـ power للـ little، وهذا للـ slightly، وهذا للـ very

478
00:40:39,130 --> 00:40:44,570
يعني أن أقول very short، كل ما أزيد حدة الـ variable

479
00:40:44,570 --> 00:40:51,310
بدي أُقعّرها أكثر، extremely كذلك

480
00:40:51,310 --> 00:40:56,910
هل very very very very زيها زي more or less؟ لأ، مش

481
00:40:56,910 --> 00:41:02,170
more or less، very very، لأ، very very تقريباً زي

482
00:41:02,170 --> 00:41:07,090
extremely، بس أشد حدة من extremely، أما الـ more or

483
00:41:07,090 --> 00:41:11,390
less والـ somewhat هم اللي إيش؟ يعني نفس المصطلح في

484
00:41:11,390 --> 00:41:16,170
الآخر، دلالته واحدة، أما يقول لك more or less نوعاً ما

485
00:41:16,170 --> 00:41:21,710
أو يقول لك somewhat، نفس الشيء، الـ indeed معناها أنت

486
00:41:21,710 --> 00:41:25,990
الجماعة هدول اللي جابوا النص اللي بدك تُقعّره، اللي

487
00:41:25,990 --> 00:41:31,120
بعد معناه، فبدك تُشدّد على هذه المنطقة اللي هنا

488
00:41:31,120 --> 00:41:35,180
بتعطيها membership عالي، واللي على الأطراف بتعطيهم

489
00:41:35,180 --> 00:41:39,680
membership منخفضة، فتطلع المعادلة اللي تبعتها، وهنا

490
00:41:39,680 --> 00:41:44,540
أنه إذا كان الـ membership value الأصلي تبع المثلث

491
00:41:44,540 --> 00:41:52,260
من الـ 0 إلى النص، من الـ 0 إلى النص، فاستخدم

492
00:41:52,260 --> 00:42:05,820
اثنين ضرب ميو، ترمية، وإذا كان من النص للواحد استخدم

493
00:42:05,820 --> 00:42:10,560
المعادلة الثانية

494
00:42:15,740 --> 00:42:20,560
أنا في عندي هنا table بالـ Excel ممكن تطلع عليها

495
00:42:20,560 --> 00:42:24,580
حاطيتها على drop box، يعني هو هذا، يعني هذا يكون زي

496
00:42:24,580 --> 00:42:29,160
standard للـ linguistics، أيوه، هذه standard

497
00:42:29,160 --> 00:42:35,280
mathematical formula للـ

498
00:42:35,280 --> 00:42:39,880
linguistic variables، standard mathematical formula

499
00:42:39,880 --> 00:42:45,970
أو model للـ linguistic variables، هذا اسمه

500
00:42:45,970 --> 00:42:51,130
linguistic values اللي بتوصف الـ fuzzy set، الـ fuzzy

501
00:42:51,130 --> 00:42:56,210
set بنوصفه بالـ linguistic values، آه بنقول short

502
00:42:56,210 --> 00:43:01,650
طول، وكده، لأن هذه التجزئة تعمل modification، التجزئة

503
00:43:01,650 --> 00:43:07,470
هذه لها linguistic terms ولها mathematical اللي

504
00:43:07,470 --> 00:43:13,200
يتعبّر عنها على الـ system، واضح؟ فضلاً هنا آخر شيء بعد

505
00:43:13,200 --> 00:43:19,240
نقطة التجزئة، الـ operations هذه برضه بعتبرها بدائية

506
00:43:19,240 --> 00:43:24,760
لأنه إحنا، إحنا بنعرف الـ sets العادية، أما اللي بقول

507
00:43:24,760 --> 00:43:28,620
أنه أنا عندي مجموعة وهي الـ universe، عندي مجموعة هذه

508
00:43:28,620 --> 00:43:34,440
A، وهذه نقطة A، صح؟ okay، هذا يسمى complement، هذا

509
00:43:34,440 --> 00:43:40,580
بيحتوي على A، تمام، هذا اسمه contained، الكلام هذا في

510
00:43:40,580 --> 00:43:44,620
الـ Fuzzy Sets، وهذا الـ intersection تبعهم، وهذا الـ union

511
00:43:44,620 --> 00:43:48,940
يعني الـ two sets، intersection تبعهم، لأن هذا الكلام في

512
00:43:48,940 --> 00:43:51,880
الـ fuzzy sets، الـ complement، لما نقول أن أنا في الـ

513
00:43:51,880 --> 00:43:56,480
crisp sets، الـ complement تبع المجموعة هي العناصر

514
00:43:56,480 --> 00:44:00,680
اللي does not belong to هذه المجموعة، الـ complement

515
00:44:00,680 --> 00:44:03,780
تبع أي مجموعة هي العناصر اللي مش موجودة، موجودة برا

516
00:44:03,780 --> 00:44:08,640
في الـ fuzzy sets ما عنديش أنا جوا وبرا، أنا عندي

517
00:44:08,640 --> 00:44:13,620
درجة انتماء، فاللي… ال… الـ complement لـ fuzzy set

518
00:44:13,620 --> 00:44:21,600
هو قد إيش الـ elements not belong، قد إيش ما بينتموش، إذا

519
00:44:21,600 --> 00:44:25,320
عندي set… عندي element ينتمي للمجموعة، هيكون

520
00:44:25,320 --> 00:44:31,300
بينتمي بـ نسبة مثلاً 75%، طب قد إيش لا ينتمي؟ 5%، فهمنا؟

521
00:44:31,300 --> 00:44:34,960
نفس الـ elements اللي في ال… في الـ set هم اللي في

522
00:44:34,960 --> 00:44:38,820
الـ complement تبعه، بس هتكون انتمائهم اللي انعكس، صح

523
00:44:38,820 --> 00:44:39,320
ولا لأ؟

524
00:44:42,130 --> 00:44:46,990
درجة الانتماء هي، تغيير لنفس العناصر، نُجمّل على

525
00:44:46,990 --> 00:44:50,230
السريع، لأنه مش هنقدر نكمل الـ containment اللي هي

526
00:44:50,230 --> 00:44:53,070
في الـ crisp set، which sets belong to which other

527
00:44:53,070 --> 00:44:57,010
sets، الـ set، إيه العناصر اللي موجودة في هذا الـ set، و

528
00:44:57,010 --> 00:45:02,890
أيضاً موجودة في اللي أكبر منه، في الـ fuzzy، which sets

529
00:45:02,890 --> 00:45:07,310
belong to other sets، أي set موجود في اللي هو السلسلة

530
00:45:07,310 --> 00:45:11,790
الثانية، عموماً هذا الكلام بتركه لكم، ترجعوا له، وبرضه

531
00:45:11,790 --> 00:45:15,730
كمان لما كنا بنأخذ الـ minimum والـ maximum، دلالته

532
00:45:15,730 --> 00:45:19,610
جاية من هنا، من الـ operations هذه، ليش كنا بنأخذ الـ

533
00:45:19,610 --> 00:45:22,110
minimum في الـ unions، وبنأخذ الـ maximum في الـ

534
00:45:22,110 --> 00:45:25,650
intersections، لأن دلالة الـ intersection ودلالة الـ

535
00:45:25,650 --> 00:45:33,230
unions هي اللي فرضت ذلك، طيب هيك إحنا عملياً، وهنا

536
00:45:33,230 --> 00:45:38,610
بحكي عن تمثيل، تمثيل الـ operations بشكل visual، تُسمى

537
00:45:38,610 --> 00:45:41,430
لو إحنا بنمثّل الـ knot والـ complement والـ union

538
00:45:41,430 --> 00:45:45,230
بشكل الـ Venn diagrams، هنا بنمثّل الـ fuzzy

539
00:45:45,230 --> 00:45:49,430
operations، طيب okay، هيك إحنا بيكونوا عاملين، أجمّلنا

540
00:45:49,430 --> 00:45:54,790
اللي بدنا إياه بالنسبة للـ fuzzy rule based express

541
00:45:54,790 --> 00:45:55,310
systems