中正大學課程大綱
課程名稱(中文)： 模糊智慧推論系統 開課單位： 資訊工程研究所(Graduate Institute of Computer Science and Information Engineering)
課程名稱(英文) Fuzzy Intelligent Inference Systems 課程代碼 4105209_03
授課教師： 游寶達 學分數 3
必/選修 選修 開課年級 大四、研究所
先修科目或先備能力：
微積分、線性代數、機率
課程概述：
模糊推理是實現智慧系統的強大機制之一。本課程將介紹
 模糊理論基礎知識。
 模糊推論核心技術。
 Neuro-fuzzy深度學習模型。
 Type-2模糊基礎知識。
 模糊圖示系統。
 模糊Python執行程式。
因此，學生將有足夠的背景知識來展現他們對人工智慧系統設計之能力。另外，還將研究一些與模糊系統相關的SCI論文。最後，學生將具有撰寫相關理論及應用論文之能力。
學習目標：
1.
教科書：
A course in fuzzy systems and control, Li-Xin Wang ISBN : 0-13-540882-2

課程大綱 分配時數 核心能力 備註
單元主題 內容綱要 講授 示範 隨堂作業 其他
Week 01
Ch01. Fuzzy Development
1.1 Why Fuzzy
1.2 Two Justifications
1.3 Linear vs. Nonlinear
1.4 Inference Rules
1.5 Three Types of Fuzzy System
1.6 Classification of Fuzzy Theory
 3 0 1 0 12345678
●面 授
(1.0hr)
○同 步
●非同步(2.0hr)
Week 02
Ch02. Fuzzy set
2.1 What is Fuzzy set
2.2 The Representation of Fuzzy Set
2.3 Basic Concepts
2.4 Fuzzy Operations
2.5 Further Operations on Fuzzy Sets
 3 0 0 0 12345678
○面 授
○同 步
●非同步
Week 03
2.6 Classes of Fuzzy Complement
2.7 Fuzzy Union–S-Norms
2.8 Fuzzy Intersection–T-Norms
2.9 Python and Figure Library
 3 0 1 0 12345678
○面 授
○同 步
●非同步
Week 04
Ch03. Fuzzy Relations and the Extension Principle
3.1 Classical Relations
3.2 Fuzzy Relation
3.3 Projections and Cylindrical Extensions
3.4 Python and Figure Library
 3 0 0 0 12345678
○面 授
●同 步
(1.0hr)
●非同步
(2.0hr)
Week 05
3.4 Composition of Fuzzy Relations
3.5 The Extension Principle
3.6 Examples
3.7 Python and Figure Library
 3 0 1 0 12345678
○面 授
●同 步(2.0hr)
●非同步(1.0hr)
Week 06
Ch04. Linguistic Variables and Fuzzy IF-THEN Rules
4.1 Numerical Variables
4.2 Linguistic Variables
4.3 Fuzzy IF-THEN Rules
4.4 Basic Interpretation of the IF-THEN Operation
4.5 Implication of the IF-THEN Operation
 3 0 1 0 12345678
○面 授
●同 步(2.0hr)
●非同步(1.0hr)
Week 07
Ch05. Logic from Classical to Fuzzy
5.1 Classical Logic
5.2 Logic Function
5.3 Fuzzy Logic
5.4 The Compositional Rule of Inference
5.5 Examples
5.6 Python and Figure Library
 3 0 1 0 12345678
○面 授
●同 步
(1.0hr)
●非同步
(2.0hr)
Week 08
Ch 6. Fuzzy Rule Base and Fuzzy Inference Engine
6.1 Fuzzy Rule Base
6.2 Properties of Set of Rules
6.3 Fuzzy Inference Engine
6.4 Composition Based Inference
Ch07. Fuzzifiers
7.1 Fuzzy Systems with Fuzzifier and Defuzzifier
7.2 Three Fuzzifiers
7.3 Defuzzifiers
7.4 Examples
 3 0 1 0 12345678
○面 授
○同 步
●非同步
Week 09
 Formative Review
 Midterm Examination
 3 0 0 0 12345678
●面 授(期中考2hr)
●同 步(複習1hr)
○非同步
Week 10
Ch08. Possibility Theory
8.1 Fuzzy Measures
8.2 Basic Probability Assignment
8.3 Evidence Theory with Prob. Assignment
8.4 Examples
8.5 Python and Figure Library
 3 0 1 0 12345678
○面 授
○同 步
●非同步
Week 11
Ch 09. Possibility Theory with Nested Focal Elements
9.1 Consonant
9.2 Formula with Nested Condition
9.3 Association Property
9.4 Possibility Distribution Function
9.5 Examples
9.6 Python and Figure Library
 3 0 1 0 12345678
○面 授
●同 步(2.0hr)
●非同步(1.0hr)
Week 12
h10. Fuzzy Set and Possibility Theory
10.1 The Degree of Possibility
10.2 The Basic Concept
10.3 The Construction of r-measure
Ch11. Possibility Theory vs. Probability Theory
11.1 The Property of Prob. Measure
11.2 The Special Case
11.3 Theorem about Special Sense
 3 0 1 0 12345678
○面 授
○同 步
●非同步
Week 13
Ch12 Review and Summary
12.1 Development History
12.2 The Intuitive Approach to Possibility
12.3 Possibility Distribution
 3 0 1 0 12345678
○面 授
●同 步(2.0hr)
●非同步(1.0hr)
Week 14
Ch 13 Type-2 Fuzzy Logic Systems
13.1 General Rule-based FLS
13.2 Representations
13.3 Type-1 vs. Type-2 Fuzzy Set
13.4 Type-2 Fuzzy Set–Vertical Slice
3 0 0 0 12345678
○面 授
○同 步
●非同步
Week 15
13.5 Secondary Membership Function
13.6 Primary Membership/Secondary Grade
13.7 Examples
13.8 Python and Figure Library
 3 0 1 0 12345678
○面 授
○同 步
●非同步
Week 16
期末論文報告(I)
 3 0 0 0 12345678
○面 授
●同 步
○非同步
Week 17
期末論文報告(II)
 3 0 0 0 12345678
○面 授
●同 步
○非同步
Week 18
期末考
 3 0 0 0 12345678
●面 授
○同 步
○非同步

教育目標
1.具獨立從事學術研究或產品創新研發之人才
2.具團隊合作精神及科技整合能力，並在團隊中扮演領導、規劃、管理之角色
3.具自我挑戰與終身學習能力之人才
4.具有學術倫理、工程倫理、國際觀之人才

核心能力
1.具有資訊工程與科學領域之專業知識(Competence in computer science and computer engineering.)
2.具有創新思考、問題解決、獨立研究之能力(Be creative and be able to solve problems and to perform independent research.)
3.具有撰寫中英文專業論文及簡報之能力(Demonstrate good written, oral, and communication skills, in both Chinese and English.)
4.具策劃及執行專題研究之能力(Be able to plan and execute projects.)
5.具有溝通、協調、整合及進行跨領域團隊合作之能力(Have communication, coordination, integration skills and teamwork in multi-disciplinary settings.)
6.具有終身學習與因應資訊科技快速變遷之能力(Recognize the need for, and have the ability to engage in independent and life-long learning.)
7.認識並遵循學術與工程倫理(Understand and commit to academic and professional ethics.)
8.具國際觀及科技前瞻視野(Have international view and vision of future technology.)

請尊重智慧財產權，不得非法影印教師指定之教科書籍

教學要點概述：
1. 教材編選(可複選)：自編簡報(ppt)教科書作者提供
2. 教學方法(可複選)：講述板書講述
3. 評量工具(可複選)：上課點名 0%, 隨堂測驗0%, 隨堂作業0%, 程式實作0%, 實習報告0%,
                       專案報告0%, 期中考30.00%, 期末考30.00%, 期末報告0%, 其他0%,
4. 教學資源：課程網站 教材電子檔供下載 實習網站
5. 教學相關配合事項： 與上傳期末報告

課程目標與教育核心能力相關性        
請勾選：12345678
1 具有資訊工程與科學領域之專業知識(Competence in computer science and computer engineering.)
為何有關：
基礎數學之基本能力
達成指標：
1. 作業數學公式之撰寫能力。
2. 邏輯推論之能力。
3. SCI論文之閱讀及表達能力。
評量工具(可複選)：
1. 作業
2. 測驗
3. 口頭及書面報告
2 具有創新思考、問題解決、獨立研究之能力(Be creative and be able to solve problems and to perform independent research.)
為何有關：
1. Fuzzy logic為knowledge之表現方式及推論模式之重要理論及技術，因此有助於AI系統之設計及應用。
2. Fuzzy system目前仍為重要的AI工具，有助於研究生之研究發展及論文之發表。
達成指標：
1. 具體fuzzy logic之呈現。
2. 具有設計fuzzy inference system之能力。
3. 能與其他AI系統整合。
評量工具(可複選)：
1. 作業
2. 考試
3. 報告
4. 會議論文及期刊論文之發表
3 具有撰寫中英文專業論文及簡報之能力(Demonstrate good written, oral, and communication skills, in both Chinese and English.)
為何有關：
使用英文之textbook，能對該領域之英文專業之認知。
達成指標：
1. 能撰寫英文作業
2. 能進行英文報告
評量工具(可複選)：
1. 作業
2. 報告
4 具策劃及執行專題研究之能力(Be able to plan and execute projects.)
為何有關：
必須有能力掌控複雜的AI fuzzy system
達成指標：
1. 可以了解複雜的AI fuzzy system
2. 具有呈現AI fuzzy system的架構圖
評量工具(可複選)：
1. 提出完整AI fuzzy system的設計圖
2. 可以撰寫對應Python code
5 具有溝通、協調、整合及進行跨領域團隊合作之能力(Have communication, coordination, integration skills and teamwork in multi-disciplinary settings.)
為何有關：
1. 同步授課時，由小組提出報告。
2. 小組期末報告可以涵蓋各種領域，例如教育、農業、商管等之fuzzy system應用。
達成指標：
1. 小組提出報告
2. 期末報告
評量工具(可複選)：
給予報告成績