| 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 | |