Verde- verificat si este corect Scrie aici intrebarea ( uite sa nu fie deja scrisa in caz de e o imagine puneo oricum) Raspunsurile( daca e lung… [607133]

albastru – imagine
galben – caseta text
Verde- verificat si este corect
Scrie aici intrebarea ( uite sa nu fie deja scrisa in caz de e o imagine
puneo oricum) Raspunsurile( daca e lung scrie doar inceputul) Raspunsul corect, daca esti sigur.
1Pentru a diagnoza anomaliilor este necesar un model reprezentativ al procesului ,
care trebuie sa fie robust in raport cu intrarile necunoscute, atentie fiind concentrata
asupra acelei parti a modelului ce reflecta anomaliile de interesAdevarat
Fals Adevarat
2 caseta text reuniune
3Care pot fi considerate valori lingvistice? Alegeți una sau mai multe opțiuni:
a. Numele persoanei POPESCU
b. Lunile anului
c. Calitatea servirii la restaurant
d. Inaltimea unei persoane
e. Temperatura
f. Culorile semaforului b,c,d,e,f
Pentru a vedea proprietatile sistemului fuzzy: caseta de raspuns : getfis
4Relațiile dintre variabilele de intrare și cele de ieșire ale procesului supus atenției
pot fi descrise în trei moduri diferite folosind tehnici fuzzy și anume:
1–folosesc un set de parametri determinați într-o fază de identificare
bazată pe un set de date de antrenare;
2–folosesc o bază de reguli;
3–apelează la o serie de modele locale pentru a descrie comportarea
sistemului în diverse puncte de operaredifuzare
Select la toate:
modele comportamentale fuzzy
modele calitative fuzzy
modele abstracte fuzzy
modele relaționale fuzzy
modele funcționale fuzzy1 – Modele relationale fuzzy
2 – modele comportamentale fuzzy
3 – Modele functionale fuzzy
5Alegeți o opțiune:
i. A Ú A'
ii. AC
iii. AXA'
iv. A ∩ A'
v. A-A' ii AC
6Deoarece sistemele de conducere cu logica fuzzy trebuie sa transmita comenzi la
un anumit proces, pentru care au fost proiectate, este necesara operatia de
XXXXXXXXXXXX prin care se obtine o valoare numerica a comenzii (numita crisp) Caseta text defuzzificare
AlegeSave FIS to file.
Display FIS rules.
Parse fuzzy rules.
Generate FIS output surface.
Remove membership function from FIS.
Display all membership functions for one variable.Scriu pentru fiecare si apoi alegem invers :
1 writeFIS
2 showrule
3 parsrule
4 gensurf
5 rmmf
6 writefis
8Deoarece sistemele de conducere cu logica fuzzy
trebuie sa transmita comenzi la un anumit proces,
pentru care au fost proiectate, este necesara operatia
de XXXXXXXXXXXX prin care se obtine o valoare
numerica a comenzii (numita crisp) caseta de raspuns defuzificare
iF <condiție/ premisă > THEN <acțiune/concluzie>
partea de acțiune a unei reguli poate conține:
Alegeți una sau mai multe opțiuni:
a. adăugarea unui nou fapt în baza de fapte a SE.
b. alte reguli de productie
c. cunoștințele faptice și cele euristice pe care le folosesc în mod curent
experții umani
d. acțiuni cu efect descriptiv, de exemplu afișarea unui mesaj pe ecranul
monitorului
e. verificarea unei alte reguli, în cazul sistemelor de reguli înlănțuitea.adăugarea unui nou fapt în baza de fapte a SE..
d.acțiuni cu efect descriptiv, de exemplu afișarea unui
mesaj pe ecranul monitorului
e. verificarea unei alte reguli, în cazul sistemelor de
reguli înlănțuite
10Am uitat sa salvezAlegeți o opțiune:
a. pentru subprocesul mai slab cunoscut, se folosește un model fuzzy ca
și etapă de decizie.
b. o tendință modernă o reprezintă utilizarea în paralel a modelelor fuzzy
și a modelelor deterministe, cunoscând modelele matematice ale unor
subprocese;
c. folosirea mai multor submodele fuzzy permite simplificarea tabelelor
de reguli, dar complică formalizarea raționamentelor pentru luarea unei
decizii.
d. modelele fuzzy pentru controlul calității produselor pot fi formate din
mai multe submodule fuzzy ale căror ieșiri reprezintă intrări pentru
modelul fuzzy de decizie finală;era d sigur o imagine cam si 22 doar cu 2 modele
fuzzy
11
in fig(b) s-a considerat o functie de apartenenta XXXXXXXXXX, care defineste
situatia in care temperatura are o valoare in jurul referintei r.i
caseta de raspuns gaussiana
Memorie
1–Informatia este stocata distribuit (nu mai exista conceptul de adresa)
2–sistem de stocare si regasire a informatiei
3–toate “elementele” (bitii) unei unitati de informatie (ex: o valoare numerica sunt
stocate in aceeasi zona de memorie identificabila prin adresaMemorie bazata pe adresa
Memorie asociativa
Memorie
Regasire pe baza adresei
Memorie adresabila prin continut1 memorie prin continut
2- memorie
3-memorie pe baza de adresa
13Care este valoarea funcției de apartenență pentriu h4, pentru operația
complement
Alegeți o opțiune:
0.2
0
0.6
0.5
0.4
1
0.8 0.2
14Pentru a vedea diagrama sistemului fuzzy: caseta de raspuns plotfis
15comandă XXXXX lansează în execuție editorul sistemului cu logică fuzzy (FIS
Editor); va apărea pe ecran fereastra grafică a Editorului de sisteme cu logică fuzzy
(FIS Editor). caseta de raspuns fuzzy

16Funcționarea SE se poate desfășura în trei moduri:
Alegeți una sau mai multe opțiuni:
a. modul de consultare;
b. modul de achiziție a cunoștințelor;
c. modul deantrenare;
d. modul de instruire;
e. modul de explicare;
f. modul de execuție; a,b,e
17Alegeți o opțiune:
a. pentru subprocesul mai slab cunoscut, se folosește un model fuzzy ca
și etapă de decizie.
b. modelele fuzzy pentru controlul calității produselor pot fi formate din
mai multe submodule fuzzy ale căror ieșiri reprezintă intrări pentru
modelul fuzzy de decizie finală;
c. folosirea mai multor submodele fuzzy permite simplificarea tabelelor
de reguli, dar complică formalizarea raționamentelor pentru luarea unei
decizii.
d. o tendință modernă o reprezintă utilizarea în paralel a modelelor fuzzy
și a modelelor deterministe, cunoscând modelele matematice ale unor
subprocese;a. pentru subprocesul mai slab cunoscut, se folosește
un model fuzzy ca și etapă de decizie.
18Care sunt metodele de defuzificare a unui set fuzzy A al unui univers al discursului
ZAlegeți una sau mai multe opțiuni:
i. Smallest of maximum
ii. Mean of maximum
iii. Centroid of maximum
iv. Bisector of area
v. Centroid of minimum
vi. Centroid of area
vii. Mean of minimum
viii. Largest of maximum1 Smallest of maxmum
2 Mean of maximum
4 Bisector of area
6 Centroid of area
8 LArgest of maximum
19Fie regula
dacă x este scăzută și y este mare atunci z = mediu
1–Aceasta este o expresie logică fuzzy care descrie în ce măsură
regula este aplicabilă.
2–Această parte a regulii atribuie o funcție de membru pentru fiecare
dintre una sau mai multe variabile de ieșire.
1-Premise sau antecedent
2.-Consecinta sau consequent
20legeți o opțiune:
0.6
0.5
1
0
0.8
0.4
0.2 1
21Modul de explicare pune la dispoziția utilizatorului cunoștințele SE într-un mod
explicit în care sistemul explică:
Alegeți una sau mai multe opțiuni:
a. de ce a realizat o anumită acțiune;
b. cum a ajuns la o anumită concluzie;
c. cât de puternică este regula selectată;
d. oferă răspunsuri la o întrebare de forma „ce-ar fi dacă?”
e. ce regulă se aplică la un moment dat;
f. pe unde ar fi soluția problemei (zona) a,b,d
22Operații folosite în cadrul procesului de inferență:
1–definește operația folosită pentru exprimarea relației de implicație fuzzy dintre
premiza și consecința fiecărei reguli: aceasta poate fi min sau prod, și implicit este
min;
2–permite selecția expresiei matematice folosite pentru operatorul, care este implicit
operatorul care leagă între ele regulile din baza de reguli fuzzy: aceasta poate fi
max sau probor (sau probabilistic), și implicit este max;
3–definește operația folosită pentru combinarea mulțimilor fuzzy obținute ca ieșire a
fiecărei reguli fuzzy din baza de reguli, cunoscute sub numele de concluzii parțiale,
pentru a se obține mulțimea fuzzy care reprezintă răspunsul sistemului cu logică
fuzzy la o valoare dată a intrării crisp: aceasta poate fi max, sum (sumă algebrică)
sau probor, și implicit este max;
4–permite selecția expresiei matematice folosite pentru operatorul AND din premiza
regulii fuzzy: aceasta poate fi min sau prod (produs), și implicit este min;
5–definește metoda de defuzzificare folosită: aceasta poate fi: centroid, bisector
(bisectoarea ariei), lom (largest of maximum), mom (middle of maximum), som
(smallest of maximum);
6–definește operația folosită pentru exprimarea relației de implicație fuzzy dintre
premiza și consecința fiecărei reguli: aceasta poate fi min sau prod, și implicit este
min;
Select din :
Or method
And method
Implication
Defuzzification
Aggregation1 – And method,
2- Or method,
3- Aggregation
4 – AND method
5-defuzzyfication
6-implication
23Ansamblul regulilor formează baza de reguli (BR) a SE.
BR este denumită uneori și bază de cunoștințe (KB)?
Selectați o opțiune:
Adevărat
Fals FALSE
24in mod curent, termenul “vag” inseamna lipsa de informatii.
1–poate fi o propozitie fuzzy daca din context se cunoaste subiectul si are un
caracter vag daca nu se stie la ce se face referire.
2–poate fi o propozitie logică daca din context se cunoaste subiectul si are un
caracter precis daca se stie unde este.
3–poate fi propozitie vaga, deoarece nu se precizeaza nici subiectul si nici locul.Alege…
” cartea este jos”
” cartea este instructiva”
” cartea este undeva ” 1 – instructiva
2 – jos
3-undeva
25operații folosite în cadrul procesului de inferență:
1–permite selecția expresiei matematice folosite pentru operatorul AND din premiza
regulii fuzzy: aceasta poate fi min sau prod (produs), și implicit este min;
2–definește operația folosită pentru exprimarea relației de implicație fuzzy dintre
premiza și consecința fiecărei reguli: aceasta poate fi min sau prod, și implicit este
min;
3–definește metoda de defuzzificare folosită: aceasta poate fi: centroid, bisector
(bisectoarea ariei), lom (largest of maximum), mom (middle of maximum), som
(smallest of maximum);Alege…
And method
Implication
Defuzzification
Or method
Aggregation1 – And method,
2- Implication,
3-Defuzzification
26Care este valoarea funcției de apartenență pentru h4, pentru
operația de intersecție D = A ∩ B ?
Imaginea rindul 18Alegeți o opțiune:
1
0.8
0.4
0.6
0.5
0.2
0 0.5
27Elementele unui controller fuzzy:
1–reprezintă cuantificarea descrierii lingvistice a expertului despre cum se poate
obtine un control bun asupra sistemului.
2–converteste concluziile mecanismului de inferenta in comenzi si date de intrare
pentru sistemul controlat.
3–converteste datele de la intrarile controllerului intr-o forma in care mecanismul de
inferenta poate sa activeze si sa aplice anumite reguli.
4–emuleaza procesul prin care expertul ia decizii prin interpretarea si aplicarea
cunostintelor despre cum trebuie sa fie controlat sistemul.Alege…
O interfata de defuzzificare
Un set de reguli (reguli If-Then)
O interfata de fuzzificare
Un mecanism de inferența1- un set de reguli ,
2- O interfata de defuzzificare,
3- O interfata de fuzzificare,
4- Un mecanism de inferenta
28GUI editors- editoare cu interfata grafica
1–Output surface viewer
2–Membership function editor
3–Basic FIS editor
4–Rule viewer and fuzzy inference diagram
5–ANFIS training and testing UI tool.
Alege…
ruleedit
anfisedit
fuzzy
surfview
mfedit1-surfview
2- mfedit ,
3-fuzzy ,
4- ruleview,
5- anfisedit

29cele 5 instrumente grafice care formează componenta dedicată logicii fuzzy a
mediului Matlab
1–al mulțimilor fuzzy peste universurile discursurilor variabilelor de intrare și de
ieșire ale sistemului cu logică fuzzy, numit Membership Function Editor;
2–se vor forma baza de reguli a sistemului cu logică fuzzy;
3–Fuzzy Inference System Editor
4–se poate observa gradul de activare al fiecărei reguli și rezultatul (mulțimea fuzzy
de ieșire) dat de fiecare regulă a bazei de reguli, pentru o anumită valoare crisp a
intrării stabilite de către utilizator;
5–arată grafic dependența ieșirii crisp a sistemului cu logică fuzzy de intrările crisp
ale sistemului cu logică fuzzy, determinate de funcționarea sistemului cu logică
fuzzy; această dependență este cunoscută în general sub numele de “suprafață de
control a sistemului ”.Alege…
Editorul funcțiilor de apartenență
Fereastra de vizualizare a suprafeței ieșire-intrare
Editorul regulilor fuzzy
Editorul sistemului cu logică fuzzy, numit FIS Editor
Fereastra de vizualizare a regulilor1- Editorul functiilor de apartenenta ,
2-Editorul regulilor fuzzy ,
3-FIS Editor,
4 – Fereastra de vizualizare a regulilor,
5 – Fereastra de vizualizare a suprafeței ieșire-intrare
30modul în care se folosește un sistem neuro-fuzzy în scopul identificării unui sistem
(MISO – Multi Input Single Output)
1–este format dintr-un singur neuron ce realizează o sumare ponderată a ieșirilor
sub-modelelor liniare. Ponderile sunt reprezentate de puterile de activare
normalizate.
2–calculează puterile de activare normalizate ale regulilor fuzzy
3–calculează partea de consecință a regulilor fuzzy, determinând ieșirile
submodelelor liniare ce aproximează ieșirea procesului în subdomenii fuzzy ale
spațiului de intrare.
4–realizează operația de conjuncție a mulțimilor fuzzy ce apar în partea de premiză
a fiecărei reguli. Aceasta poate fi implementată sub forma produsului funcțiilor de
apartenență, dar se poate folosi orice tip de operator norma-T.
5–calculează gradul de apartenență al intrărilor la mulțimile fuzzy din partea de
premiză a regulilorAlege…
Al treilea strat
Neuronii celui de al doilea strat
Ultimul strat (stratul 5)
Neuronii stratului al patrulea
Neuronii primului strat1 al treilea strat
2 Neuronii celui de al doilea strat
3
4
5
31Utilizatorul transmite SE (atunci când se află în dialog cu utilizatorul în vederea
stabilirii unei soluții pentru o problemă dată):
date care descriu problema respectivă, iar sistemul răspunde folosind motorul de
inferență pentru modelarea / simularea raționamentelor necesare deducerii
răspunsurilor la întrebările utilizatorului.).
Afirmația precedentă se referă la unul din modurile în care se află SE la un moment
dat?
Alegeți o opțiune:
a. modul deantrenare;
b. modul de achiziție a cunoștințelor;
c. modul de execuție;
d. modul de explicare;
e. modul de instruire;
f. modul de consultare; d. Modul de executie explicare sau executie?
32Caracteristicile retelelor Hopfield
1–logica nivel sau functia limitator
2–Nesupravegheata
3– 1 matrice (matricea cu ponderi a conexiunilor)
4–Folosește neuroni cu intrări binare, a căror ieșire conține nelinearități de tipul
limitare hardware.
5–Regula delta
6–Signum/Heaviside Logistica/TanhAlege…
Algoritmul de antrenare
Metoda de antrenare
Tipul valorilor de intrare
Layere (Parametrii)
Functii de transfer
Functia de activare
34o temperatura masurata are o valoare numerica, dar o variabila fuzzy referitoare la
temperatura are o valoare definita de o functie de XXXXXXXXXXX. caseta text apartenenta
36Alegeți o opțiune:
i. AXA'
ii. AC
iii. A ∩ A'
iv. A-A'
v. A Ú A' iii. A ∩ A'
37μA٨B(x)=min(μA(x), μB(x))
se referă la:
Alegeți o opțiune:
a. compunere;
b. interacțiune;
c. disjuncție;
d. conjuncție;
e. reuniune;
f. intersecție; b.intersectia
38Variabilele fuzzy sau XXXXXXXXXXX nu descriu datele intr-un mod numeric.
Gradul de apartenenta este o masura a adevarului scalata intre zero si unu. caseta text lingvistice
1-defineste valoarea de traversare pentru care m(x) = 0.5
2–valoarea argumentului pentru care m(x) = 1
3–parametru de contrast
Alege…
x
a
b
c
u (miu)1 a
2 c
3 b
40Transformarea unei intrari reale, masurate, intr-o valoare fuzzy, operatie numita
XXXXXXXXXX, se face prin definirea functiilor de apartenenta pentru fiecare
variabila fuzzy.
Răspuns: caseta text defuzzificare
41Afirmațiile următoare se referă la:
1–mărimea de ieșire a SLF trebuie să fie o valoare crisp, la fel ca și intrările SLF.
2–extragerea unei valori crisp care reprezintă cel mai bine un set fuzzy;
3–"Se referă la modul în care o valoare crisp este extrasă dintr-un set fuzzy ca
valoare reprezentativă„
Alegeți o opțiune:
a. Inferență;
b. Agregare;
c. Fuzificare;
d. Defuzificare;
e. Compunere;1–inferenta
2–
3–Defuzificare
42parcurgerea bazei de reguli, căutând identificarea unei corespondențe între faptele
din condițiile sau consecințele regulilor și informațiile existente în baza de fapte. În
momentul în care se identifică o asemenea corespondență, regula respectivă este
folosită pentru a produce un nou fapt sau pentru a confirma o ipoteză.
Alegeți o opțiune:
a. generare cunoștințe introduse de expertul uman
b. căutare în memoria pe termen scurt sau memoria de lucru
c. generare fapte (Facts) și reguli de inferență (de producție)
d. sistemul de achiziție al cunoștințelor (Knowledge Aquisition System)
e. mecanismul de inferență (Motorul de inferență) e-raspuns final
431– Opțiunea selectată în câmpul Rule Format poate fi regula if…
then devine: (input1==mf1)=>(output1=mf3);
2– regula if… then devine: 1,3 (1):1;ultimul “1” indică folosirea
operatorului AND în premiza regulii, atunci când este cazul.
3– regulile se editează sub forma if… then; de exemplu, dacă
atunci când variabila de intrare inputl aparține mulțimii fuzzy mfl,
dorim ca variabila de ieșire outputl să aparțină mulțimii fuzzy mf3,
regula va fi: If inputl is mfl then outputl is mf3, și exact sub această
formă este editată în spațiul editorului de reguli.
Alege…
Format simbolic (symbolic)
Format verbal (verbose)
Format indexat (indexed)1-format simbolic
2 – Format indexat
3 – format verbal
44Funcții utile pentru fuzzy
1–funcția returnează (fuzzy degree), atributele relevante (din argumente)
2–Returnează, de exemplu, tipul de valoare a atributului fuzzy și putem afla câte
valori sunt în atributele fuzzy de tip 2.
3–funcția returnează textul pe care îl reprezintă fiecare valoare în atributele fuzzy.
FDEGROW(table)
TO_CHAR(fuzzy_atribute)
FTYPE (fuzzy_atribute) ,
MARGIN (fuzzy_atrbute)
FDEGREE (atribute_list)
1 – FDEGREE (atribute_list)
2 – FTYPE (fuzzy_atribute)
3 -TO_CHAR(fuzzy_atribute)
45Pentru a verifica ce variabile sunt in workspace utilizati comanda: Caseta text who

46Cunoștințele folosite de un SE pot fi:.
1–descriu cunoștințele faptice și cele euristice pe care le folosesc în mod curent
experții umani.
2–reprezintă cunoștințe mai puțin riguroase, deduse prin experimente și/sau
raționamente specifice. Aceste cunoștințe sunt mai puțin formalizate și reflectă mai
degrabă buna practică din domeniul respectiv.
3–reprezintă acea parte a cunoștințelor despre domeniul de interes, care sunt
cunoscute și se găsesc în manuale sau reviste.Alege…
cunoștințelor relevante de la experții
cunoștințele euristice
Regulile de producție
Cunoștințele faptice1-reguli de productie
2-cunostinte euristice
3-cunostinte faptice
47Arhitectura RN. Se caracterizeaza prin prezenta conexiunilor inverse și în functie de
densitatea lor exista:
1–(modelul Hopfield)
2–Cu unitati contextuale (modelul Elman)
3–(modelul Chua-Yang)Retele partial recurente
Retele total recurente
Retele nerecurente
Retele hybrid
Retele mixte
Retele partial recurente(celulare)
1–retele total recurente
3–celulare
2-partial recurente
48Afirmațiile următoare se referă la limitări ale SE (care este intrusul)?:
Alegeți o opțiune:
a. nu pot generaliza în mod convingător;
b. în prezent, nu pot raționa pe baza teoriilor sau analizelor;
c. cunoștințele înmagazinate în baza de cunoștințe depind foarte mult de expertul uman
care le exprimă și articulează.
d. procesul de învățare nu este automat; pentru actualizările cunoștințelor este nevoie de
intervenția umană
e. nu pot raționa pe baza intuiției sau bunului simț („common sense”), deoarece acestea
nu sunt ușor reprezentabile;
f. nu sunt limitate la un domeniu restrâns; cunoștințe din alte domenii nu pot fi ușor
integrate
nici nu pot generaliza în mod convingător;f.nu sunt limitate la un domeniu restrâns; cunoștințe din
alte domenii nu pot fi ușor integrate nici nu pot
generaliza în mod convingător
49Care afirmații NU reprezintă avantaje ale sistemelor expert (SE)?
Alegeți una sau mai multe opțiuni:
a. dacă sunt flexibile, pot fi actualizate cu ușurință;
b. pot fi folosite pentru instruirea de noi experți umani;
c. tratează incertitudinea într-o manieră explicită, care, spre deosebire de cazul experților umani, nu poate fi inspectată și verificată.
d. pot fi mai rapide decât experții umani;
e. sunt indispensabile în lipsa expertizei umane;
f. nu pot explica premisele și linia de raționament;
g. nu pot fi mai ieftine și mai eficiente decât experții umani; f,g
50Avantajele logicii fuzzy:
Alegeți una sau mai multe opțiuni:
i. pot rezolva sarcini complexe
ii. Simplicitate
iii. Sisteme mai robuste
iv. instrumente robuste de calcul
v. Performante mai bune
vi. pot modela funcții liniare/neliniare
vii. toleranță la erori/date imprecise
viii. capabile de generalizareSimplicitate ,
Sisteme mai robuste ,
Performante mai bune
51Care sunt avantajele Controlului logic fuzzy:
Alegeți una sau mai multe opțiuni:
i. permite interpolarea netedă între centroizii variabili cu reguli relativ puține
ii. se ocupă de imprecizie, dar nu de incertitudine
iii. necesită reglarea funcțiilor membre
iv. oferă un mod natural de a modela câteva tipuri de expertiză umană într-un program de calculator
v. acest lucru nu funcționează cu o logică clsică (booleană tradițională)
vi. controlul logic Fuzzy poate să răspundă bine la probleme mari sau complexei. permite interpolarea netedă între centroizii variabili
cu reguli relativ puține
v. acest lucru nu funcționează cu o logică clsică
(booleană tradițională)
iv.oferă un mod natural de a modela câteva tipuri de
expertiză umană într-un program de calculator
52cele 5 instrumente grafice care formează componenta dedicată logicii fuzzy a
mediului Matlab
1–arată grafic dependența ieșirii crisp a sistemului cu logică fuzzy de intrările crisp
ale sistemului cu logică fuzzy, determinate de funcționarea sistemului cu logică
fuzzy; această dependență este cunoscută în general sub numele de “suprafață de
control a sistemului ”.
2–al mulțimilor fuzzy peste universurile discursurilor variabilelor de intrare și de
ieșire ale sistemului cu logică fuzzy, numit Membership Function Editor;
3–se poate observa gradul de activare al fiecărei reguli și rezultatul (mulțimea fuzzy
de ieșire) dat de fiecare regulă a bazei de reguli, pentru o anumită valoare crisp a
intrării stabilite de către utilizator;
4–Fuzzy Inference System Editor
5–se vor forma baza de reguli a sistemului cu logică fuzzy;
Alege…
Fereastra de vizualizare a regulilor
Editorul funcțiilor de apartenență
Editorul sistemului cu logică fuzzy, numit FIS Editor
Fereastra de vizualizare a suprafeței ieșire-intrare
Editorul regulilor fuzzy4–Editorul sistemului cu logică fuzzy, numit FIS Editor
5–Editorul regulilor fuzzy
2–Editorul functiilor de apartenenta
3–Fereastra de vizualizare a regulilor
53Logica Fuzzy (LF)
1–o mulțime clasică, tranșantă, pe care se definesc mulțimile fuzzy (intervalul
considerat pentru amplificare X = [50; 300];
2–asociază fiecărui element x gradul de apartenență la mulțimea fuzzy A
3–măsura în care un element aparține unei mulțimi fuzzy,
4–o proprietate, un atribut al obiectului (obiectelor) în discuție (pentru un
amplificator: amplificarea);
5–un adverb, adjectiv asociat variabilei lingvistice, care dă numele mulțimii fuzzy
asociate (medie, mare);
Alege…
Fuzuficare (Fuz)
Funcția de apartenență μA
Defuzificare (DFuz)
Universul discuției X
Valoarea lingvistică A
Gradul de apartenență μ
Variabila lingvistică x1 Universul discutiei X
2 Functia de apartenenta uA
3 gradul de apartenenta u
4 valoare lingvistica A
5 Variabila lingvistica x
54Elementul central, în jurul căruia gravitează toate celelalte componente ale unui SE,
îl reprezintă cunoștințele (numindu-se (SBC) a căror reprezentare se poate face:
Alegeți una sau mai multe opțiuni:
i. regulile de producție, (cea mai răspândită)
ii. cadrele
iii. motorul de inferență
iv. experul
v. cazurile. regulile de productie
55Care dintre metodele de defuzificare este cea mai potrivita folosită?
Alegeți o opțiune:
a. Largest of maximum (LOM)
b. Centroid of area (COA)
c. Bisector of area (BOA)
d. Smallest of maximum (SOM)
e. Mean of maximum (MOM) b
56Pentru reglarea concentratiei intr-un reactor se comanda variatia debitului unei
solutii tampon. De exemplu daca eroarea de reglare este mai mare ca 5, atunci
debitul este mediu, ceea ce este caracterizat de functiile de apartenenta alese prin
proiectare. In acest caz se foloseste regula
IF { eroare este XXXXXXXXX} THEN { debit este MEDIU }
caseta tex din 9 litere anomalie
57Potriviti KB
1–sunt mai ușor de definit, deoarece ele trebuie doar să asocieze datele descrise
prin mulțimi fuzzy după legile de corespondență dorite (în general ușor de exprimat
lingvistic).
2–este o paradigmă a calculatorului bazată pe teoria seturilor fuzzy, regulile fuzzy if-
then și raționamentul fuzzy;
3–este specifică fiecărei aplicații; de calitatea ei depinde în general calitatea SLF
pentru o aplicație dată.
4–efectuează procedura de deducere (deduce o concluzie din fapte și reguli!)Alege…
Regulile fuzzy
Inferența fuzzy
Baza de cunoștințe (KB) a SLF
mecanism de raționament
Fuzificare
Defuzificare
1- Regulile fuzzy
2 – inferenta fuzzy
3 – Baza de cunostinte
4-defuzificarea
58Funcții utile pentru fuzzy
1–funcția returnează (fuzzy degree), atributele relevante (din argumente)
2–Această funcție returnează nivelul fuzzy pentru întreg rând din tabel. Argumentul
este numele tabelului.
3–returnează valoarea marjei pentru atributele fuzzy. Această funcție poate fi
utilizată în expresii notate punctate: Fuzzy_atribute.MARGIN.Alege:
FDEGROW(table)
TO_CHAR(fuzzy_atribute)
FTYPE (fuzzy_atribute) ,
MARGIN (fuzzy_atrbute)
FDEGREE (atribute_list)
1 FDEGREE (atribute_list)
2 FDEGROW(table)
3 MARGIN (fuzzy_atrbute)
59Tehnicile inductive:
Alegeți o opțiune:
a. Sunt folosite de strategiile bazate pe date, pornind de la un set de
date existente
b. Se mai numesc și tehnici deductive, deoarece deoarece deduc
ipoteze
c. Stabilesc noi concluzii, pe baza datelore existente
d. Sunt folosite de strategiile bazate pe scopuri pentru a verifica o
anumită ipotezăd. Sunt folosite de strategiile bazate pe scopuri pentru
a verifica o anumită ipoteză

60selectarea regulii care se aplică la un moment dat folosește una din strategii în
caadrul Mecanismului de inferență (Motorul de inferență):
1–Unora dintre reguli li se acordă o încredere sporită, iar la selectarea regulii care
se aplică la un moment dat se ține seama cu prioritate de încrederea acordată
regulilor.
2–Dintre două reguli –X și Y – se selectează cea care conține numărul maxim de
condiții, considerată ca fiind specializată, în raport cu cealaltă, care are un caracter
general.
3–Dintre mai multe reguli care pot fi aplicate la un moment dat, se alege cea care
conduce baza de fapte cât mai aproape de starea dorită.
4–Dintre două reguli –X și Y – se selectează cea care conține numărul maxim de
consecințe, adoptând ipoteza că “mai mult înseamnă mai bineAlege…
Selectarea regulii celei mai productive
Selectarea euristică
Selectarea regulii celei mai puternice
Selectarea după pondere (cea mai mare)
Selectarea pe baza încrederii
Selectarea regulii celei mai specializate1 – selectare pe baza increderii
2-Selectarea regulii celei mai specializate
3-selectare euristica
4-Selectarea regulii celei mai productive
61Potrivit?
1–conține cea mai mare parte a cunoștințelor necesare rezolvării problemelor
(număr mare de reguli, de la câteva sute, până mii), (este memoria pe termen lung)
2–este reprezentată ca o structură de date ce conține ansamblul cunoștințelor
specializate introduse de către expertul uman.
3–preia cunoștințele din baza de cunoștințe ce sunt utilizate pentru construirea
raționamentului, elaborează planul de rezolvare al problemei și execută acțiunile
prevăzute în planul de rezolvare;
4–este reprezentată de o memorie auxiliară ce conține toate datele utilizatorului
(faptele inițiale ce descriu enunțul problemei de rezolvat) și rezultatele intermediare
produse în cursul procedurii de deducție (este memoria pe termen scurt sau
memoria de lucru)Alege…
Baza de reguli (RB)
Baza de cunoștințe (KB)
Baza de fapte (FB)
Sistemul de achiziție al cunoștințelor (Knowledge Aquisition System)
Fapte (Facts) și reguli de inferență (de producție)
Mecanismul de inferență (Motorul de inferență)
1 – RB
2 – KB
3 – Motorul de inferenta
4 – FB
62sistemul de achiziție al cunoștințelor (Knowledge Aquisition System) care folosește
forme cu care un expert este obișnuit pentru a-i colecta cunoștințele precum și
separarea în baza de cunoștințe între fapte (Facts) și ……..
Alegeți o opțiune:
a. reguli de inferență
b. reguli de inferență (de producție)
c. reguli de producțied. reguli semantice
e. reguli IF–THEN b
62Afirmațiile următoare se referă la:
· 1 preia cunoștințele din baza de cunoștințe ce sunt utilizate pentru construirea
raționamentului,
· 2 elaborează planul de rezolvare al problemei și execută acțiunile prevăzute în
planul de rezolvare.
· 3 permite simularea raționamentelor desfășurate de expertul uman.
· 4 controlează modul și succesiunea în care se aplică cunoștințele din baza de
reguli asupra datelor din baza de fapte.
· 5 este un program de calcul care aplică regulile asupra faptelor, pentru a
genera prin inducție, fie fapte noi care se adaugă în baza de fapte, fie confirmarea
sau infirmarea unei ipoteze, fie soluția propriu-zisă a problemei.
Alegeți o opțiune:
a. sistemul de achiziție al cunoștințelor (Knowledge Aquisition System)
b. generare cunoștințe introduse de expertul uman
c. mecanismul de inferență (Motorul de inferență);
d. generare fapte (Facts) și reguli de inferență (de producție)
e. căutare în memoria pe termen scurt sau memoria de lucru1 c
2 c
3 c
4 c
5 c
63Caracteristici RNA total conectate:
1–Daca o parte din elementele de prelucrare lucreaza incorect sau se defecteaza,
reteaua continua sa functioneze corect.
2–Fiecare element de prelucrare (nod/neuron) ia decizii numai pe baza informatiilor
locale. Aceste informatii locale converg spre sinteza solutiei globale.
3–O data este stocata ca un sablon de activare a unui set de elemente de
prelucrare. In plus, diverse date pot fi stocate sub forma de sabloane diferite,
utilizind aceeasi multime de elemente de prelucrare.
4–In retea pot fi stocate un anumit numar de sabloane. Pentru regasirea unui
sablon, este suficient sa se specifice numai o parte a acestuia, iar reteaua gaseste
automat intreg sablonul.Alege…
Rezolvare sarcini complexe
Memorie adresabila prin continut
Toleranta la defecte
Control asincron, distribuit
Reprezentare distribuita1 Tolernata la defecte
2 Control asincron, distribuit
3 Reprezentare distribuita
4 Memorie adresabila prin continut
65Variabilele de baza definesc domeniul de reprezentare pentru toate variabilele fuzzy
din multimea de termeni este de fapt un
quintuplu: [X, T(X), U, G, M] unde
1–este un set de reguli semantice care asociaza fiecare X cu intelesul sau
2–este gramatica cu ajutorul careia se genereaza numele
3–domeniul de reprezentare
4–este numele variabilei
5–este multimea de termeni (multimea numelor pentru valorile lingvistice ale lui X)Alege…
F
X
G
M
U
T(X)1 M
2 G
3 U
4 X
5 T(X)
66Pentru fiecare element din universul discuției X, suma gradelor de apartenența la
toate mulțimile fuzzy definite peste X este egala cu caseta text 1
67Membership functions. – functii de apartenenta
1–S-shaped curve membership function
2–Sigmoid curve membership function.
3–Two-sided Gaussian curve membership function.
4–Triangular membership function.
5–Trapezoidal membership function.Alege…
trapmf
trimf
gauss2mf
sigmf
smf
dsigmf1 smf
2 sigmf
3 gauss2mf
4 trimf
5 trapmf
69Aplicații ale RN total conectate: (eliminați intrusul)
Alegeți o opțiune:
a. probleme de optimizare;
b. memorie asociativă; (memorie adresabilă prin conținut– ieșirea
reprezintă conținutul căutat)
c. filtrare, completarea modelelor
d. recunoasterea paternurilor (la imagini)
e. controlul brațului robotic
f. clasificare
controlul bratului robotic
70Command line FIS functions – functii pentru crearea/modificarea/explorarea unui
SLF de la linia de comanda
1–Display FIS input-output diagram.
2–Parse fuzzy rules.
3–Perform fuzzy inference calculation.
4–Remove membership function from FIS.
5–Remove variable from FIS.
6–Save FIS to file.
7 Display all membership functions for one variable.
8 Display FIS rules
9 Generate FIS output surfaceAlege…
rmmf
evalfis
writefis
rmvar
plotfis
parsrule1 plotfis
2 parserule
3 evalfis
4 rmmf
5 rmvar
6 writefis /bravo
7plotmf
8 showrule
9 gesurf
71Save FIS to file.Alegeți o opțiune:
i. Sisteme bazate pe agenti inteligenți
ii. Sisteme inteligente
iii. Sistemeneuro-Fuzzy
iv. Sistemele Expert
v. Sisteme fuzzy sistemele expert
72Selectează angajații de vârstă mijlocie cu venituri mari.
Fie Clasic SQL:
select NAME, AGE, INCOME from EMPLOYEE
where (AGE>=25 and AGE<=45) and (INCOME>=35000)
Fuzzy SQL:
select 0.75 NAME, AGE, INCOME from EMPLOYEE
where (AGE = middle) and (INCOME >=XXXX) caseta text high

73Sisteme Dinamice (SD) neliniare tolerante la defecte prin analiza anomaliilor bazată
pe modelare fuzzy
1. pornește prin a considera un număr oarecare, dar finit, de valori calitative
exprimate sub forma unor mulțimi fuzzy
2. Informațiile legate de dimensiune și semn între două sau mai multe variabile sunt
reprezentate prin
3. Variabilele sistemului dinamic și derivatele lor sunt reprezentate prin

Alege…
relații fuzzy
mulțimi fuzzy
fuzificare &amp; defuzificare
spațiul cantitativ fuzzy
reguli fuzzy1. spatiul cantitativ fuzzy
2.relatii fuzzy
3.multimi fuzzy
1. calculează partea de consecință a regulilor fuzzy, determinând ieșirile
submodelelor liniare ce aproximează ieșirea procesului în subdomenii fuzzy ale
spațiului de intrare.
2. este format dintr-un singur neuron ce realizează o sumare ponderată a ieșirilor
sub-modelelor liniare. Ponderile sunt reprezentate de puterile de activare
normalizate.
3. calculează puterile de activare normalizate ale regulilor fuzzy
4. realizează operația de conjuncție a mulțimilor fuzzy ce apar în partea de premiză
a fiecărei reguli. Aceasta poate fi implementată sub forma produsului funcțiilor de
apartenență, dar se poate folosi orice tip de operator norma-T.
5. calculează gradul de apartenență al intrărilor la mulțimile fuzzy din partea de
premiză a regulilor
Alege:
1. Neuronii stratului al patrulea
2. Ultimul strat (5)
3. Neuronii primului strat
4. Neuronii celui de-al doilea strat
5. Al treilea strat
1- stratul 4
2 – Ultimul strat
3 – Neuronii celui de-al doilea strat
4 – Al treilea strat
5 – Neuronii primului strat
Relațiile dintre variabilele de intrare și cele de ieșire ale procesului supus atenției
pot fi descrise în trei moduri diferite folosind tehnici fuzzy și anume:
1–folosesc un set de parametri determinați într-o fază de identificare bazată pe un
set de date de antrenare;
2–apelează la o serie de modele locale pentru a descrie comportarea sistemului în
diverse puncte de operare
3–folosesc o bază de reguli;
linia8
caseta text concentrare
Care afirmații NU reprezintă avantaje ale sistemelor expert  (SE)? Alegeți una sau mai multe opțiuni:
]a. tratează incertitudinea într-o manieră explicită, care, spre deosebire
de cazul experților umani, nu poate fi inspectată și verificată.
[]b. nu pot explica premisele și linia de raționament;
[]c. sunt indispensabile în lipsa expertizei umane;
[]d. dacă sunt flexibile, pot fi actualizate cu ușurință;
[]e. pot fi folosite pentru instruirea de noi experți umani;
[]g. nu  pot fi mai ieftine și mai eficiente decât experții umani; linia 51
Pentru obtinerea multimii fuzzy de iesire Y* s-a utilizat
operatorul de agregare “XXX”.
Alegeți o opțiune:
[]a. Compunerea
[]b. Conjunctiva
[]c. Min
[]d. Max
[]e. AND
[]f. AVG (average)
]g. Disjuncția
[]h. Diferenta e.AND
Pași Client FSQL. Schema:

Clientul primește interogarea SQL convertiă.Clientul obține rezultatul și îl afișează.
Clientul FSQL trimite interogarea FSQL către servere.
Clientul trimite cererea FSQL către baza de date FDB.
Serverul FSQL efectuează analiza cererii, dacă este corectă, crează interogarea SQL 
relevantă, folosind Fuzzy Metacunoștințe de bază
1) Clientul FSQL trimite interogarea FSQL catre
servere.
2) Serverul FSQL efectueaza analiza cererii, daca este
corecta, creaza
interogarea SQL relevanta, folosind Fuzzy Meta-
cunostinte de baza.
3) Clientul primeste interogarea SQL convertia.
4) Clientul trimite cererea FSQL catre baza de date
FDB.
5) Clientul obtine rezultatul si îl afiseaza.
Command line FIS functions –
functii pentru crearea/modificarea/explorarea
unui SLF de la linia de comanda:
Display all membership functions for one variable.
Remove membership function from FIS.
Save FIS to file.
Display FIS rules.
Parse fuzzy rules.
Generate FIS output surface.
Gensurf
Showrule
Writefis
Plotmf
Rmmf
parsrule
linia 11
Pentru definirea undei functii de apartenenta,
atunci cand se cunosc valorile uA(0) ale acesteia
pentru diferite calori ale argumentului 0 ,
se mai utilizeaza forma :
A=(μ(θ_1))/θ_1 +(μ(θ_2))/θ_2 +…+(μ(θ_n))/θ_n
Unde sunt calorile variabilei independente,
adica a temperaturii . Orin aceasta forna de scriere
semnul + nu inseamna o operatie aritmetica ci o
operatie de XXXXXXXX
caseta text linia 2