1.

Vrednost fazi funkcije pripadnosti je iz skupa/opsega:

a) {0, 1}
b) R
c) N
d) N0
e) [0, 1]
f) [-1, 1]

2. Na slici je prikazan grafik:

a) “crisp” skupa
b) diskretnog fazi skupa
c) niza skalarnih vrednosti
d) kontinualnog fazi skupa
e) klasičanog skupa
f) niza fazi brojeva

3. Jezgro fazi skupa A je:

a) 𝑎 = {𝑥 ∈ 𝑋|𝜇𝐴 (𝑥) = 𝑎}
b) 𝑎 = {𝑥 ∈ 𝑋|𝜇𝐴 (𝑥) = 0}
c) {𝑥 ∈ 𝑋|𝜇𝐴 (𝑥) ≠ 0}
d) {𝑥 ∈ 𝑋|𝜇𝐴 (𝑥) = 0}
e) {𝑥 ∈ 𝑋|𝜇𝐴 (𝑥) ≠ 1}
f) {x ∈ 𝑋|𝜇𝐴 (𝑥) = 1}

4. Normalizacijom fazi skupa 𝐴 = { 0.17/𝑥1 , 0.34/𝑥2 , 0.78/𝑥3 , 0.62/𝑥4 , 0.31/𝑥5 }

dobijamo fazi skup:
a) 𝐴 = { 0.77/𝑥1 , 0.34/𝑥2 , 0.97/𝑥3 , 1.00/𝑥4 , 0.84/𝑥5 }
b) 𝐴 = { 0.22/𝑥1 , 0.43/𝑥2 , 1.00/𝑥3 , 0.79/𝑥4 , 0.40/𝑥5 }
c) 𝐴 = { 1.17/𝑥1 , 1.34/𝑥2 , 1.78/𝑥3 , 1.62/𝑥4 , 1.31/𝑥5 }
d) 𝐴 = { 0.17/𝑥1 , 0.34/𝑥2 , 0.78/𝑥3 , 0.62/𝑥4 , 0.31/𝑥5 }
e) 𝐴 = { 1.00/𝑥1 , 0.43/𝑥2 , 0.78/𝑥3 , 0.26/𝑥4 , 0.13/𝑥5 }
f) 𝐴 = { 0.38/𝑥1 , 0.564/𝑥2 , 1.00/𝑥3 , 1.00/𝑥4 , 0.62/𝑥5 }

5. Koji grafik ispravno prikazuje fazi promenljivu i njene vrednosti:

6. Presek fazi skupova A i B je fazi skup C definisan sa:
a) 𝜇𝐶 𝑥 = min ((𝑥), (𝑥)) , ∀𝑥 ∈ 𝑋
b) 𝜇𝐶 𝑥 = max ((𝑥), (𝑥)) , ∀𝑥 ∈ 𝑋
c) 𝜇𝐶 𝑥 = min (1 − (𝑥), (𝑥)) , ∀𝑥 ∈ 𝑋
d) 𝜇𝐶 𝑥 = min ((𝑥), 1 − (𝑥)) , ∀𝑥 ∈ 𝑋
e) 𝜇𝐶 𝑥 = 1 − min ((𝑥), (𝑥)) , ∀𝑥 ∈ 𝑋
f) 𝜇𝐶 𝑥 = prod ((𝑥), (𝑥)) , ∀𝑥 ∈ 𝑋

7. Ako je AND operator implementiran kao min, a OR operator implementiran

kao max, vrednost izraza: (0.5 AND 0.3)OR(0.7 AND 0.2) je:
a) 0.3
b) 0.5
c) 0.7
d) 0.2
e) 0.15
f) 0.0

8. T NORMA je operator predstavljen funkcijom dva argumenta, koji zadovoljava

sledede uslove:
a) asocijativnost, komutativnost, monotonost, granični uslov
b) asocijativnost, komutativnost, monotonost, idempotentnost
c) asocijativnost, komutativnost, konveksnost, granični uslov
d) konveksnost, komutativnost, monotonost, granični uslov
e) asocijativnost, komutativnost, monotonost, normalizovanost
f) asocijativnost, normalizovanost, monotonost, granični uslov

9. Koncentracija fazi skupa A definisana je sa:

a) 𝜇𝐴 𝛼 (𝑥) = (𝜇𝐴 ( )) , 𝛼 ∈ 𝑅
b) 𝜇𝐴 𝛼 (𝑥) = (𝜇𝐴 ( )) , 𝛼 ∈ 𝑁
c) 𝜇𝐴 𝛼 (𝑥) = (𝜇𝐴 ( )) , 𝛼 = 0.5
d) 𝜇𝐴 𝛼 (𝑥) = (𝜇𝐴 ( )) , 𝛼 = 2
e) 𝜇𝐴 𝛼 (𝑥) = (𝛼𝜇𝐴 ( )), 𝛼 ∈ 𝑅
f) 𝜇𝐴 𝛼 (𝑥) = (𝛼𝜇𝐴 ( )), 𝛼 = 2
10. Dilatacija fazi skupa A definisana je sa:
a) 𝜇𝐴𝛼 (𝑥) = (𝜇𝐴 (𝑥)) , 𝛼 ∈ 𝑅
b) 𝜇𝐴𝛼 (𝑥) = (𝜇𝐴 (𝑥)) , 𝛼 ∈ 𝑁
c) 𝜇𝐴𝛼 (𝑥) = (𝜇𝐴 (𝑥)) , 𝛼 = 0.5
d) 𝜇𝐴𝛼 (𝑥) = (𝜇𝐴 (𝑥)) , 𝛼 = 2
e) 𝜇𝐴𝛼 (𝑥) = (𝛼𝜇𝐴 (𝑥)), 𝛼 ∈ 𝑅
f) 𝜇𝐴𝛼 (𝑥) = (𝛼𝜇𝐴 (𝑥)), 𝛼 = 2

11. Generalizovani modus ponens (GMP) je:

a) 𝐴′, A⟹𝐵 / 𝐵′
b) 𝐴′, A′⟹𝐵 / 𝐵′
c) 𝐴′, A⟹𝐵 / 𝐵
d) 𝐴, A⟹𝐵 / 𝐵′
e) 𝐴′, A⟹𝐵 / 𝐴′
f) nijedan
12. Fazi zaključak B’, izveden kompozicijom je:
a) B’=A’ ⁰ R, gde je A’ realan broj, a R je fazi relacija
b) B’=R ⁰ A’, gde je A’ realan broj, a R je fazi relacija
c) B’=A’ ⁰ R, gde je A’ fazi skup, a R je fazi relacija
d) B’=A’ ⁰ R, gde su A’ i R je fazi relacije
e) B’=A’ ⁰ R, gde su A’ i R je fazi skupovi
f) nijedan

13. Fazi zaključak B’ izveden projekcijom je:

a) 𝐵′ = ((A ′ × 𝑌) ∩ 𝑅) , A’ je fazi skup, Y “crisp” skup, a R fazi relacija
b) 𝐵′ = ((A ′ × 𝑌) ∩ 𝑅) , A’ je fazi skup, Y realan broj, a R fazi relacija
c) 𝐵′ = ((Y × 𝐴′) ∩ 𝑅) , A’ je fazi skup, Y “crisp” skup, a R fazi relacija
d) 𝐵′ = ((A ′ × 𝑌) ∩ 𝑅) , A’ je crisp broj, Y “crisp” skup, a R fazi relacija
e) 𝐵′ = ((Y × 𝐴′) ∩ 𝑅) , A’ je fazi skup, Y skalar, a R fazi relacija f) nijedan

14. Mamdanijev metod transformacije fuzzy pravila A→B u relaciju je:

a) 𝜇𝐴→𝐵 𝑥, 𝑦 = max⁡(𝜇𝐴(𝑥), 𝜇𝐵(𝑦))
b) 𝜇𝐴→𝐵 𝑥, 𝑦 = min⁡(𝜇𝐴(𝑥), 𝜇𝐵(𝑦))
c) 𝜇𝐴→𝐵 𝑥, 𝑦 = min⁡(𝜇𝐴(𝑦), 𝜇𝐵(𝑥))
d) 𝜇𝐴→𝐵 𝑥, 𝑦 = prod⁡(𝜇𝐴(𝑥), 𝜇𝐵(𝑦))
e) 𝜇𝐴→𝐵 𝑥, 𝑦 = max⁡(min⁡(𝜇𝐴 𝑥 , 𝜇𝐵 (𝑦 )))
f) nijedan

15. Klinijev (Kleene-Dienes) metod transformacije fuzzy pravila u relaciju je:

16. Fazi pravila kakva koristi Mamdani sistem fazi zaključivanja sa dva ulaza i
jednim izlazom su oblika:

17. Sugeno (TSK) tip fazi zaključivanja prikazan je na slici:

19. Ako su A i B fazi brojevi definisani nad univerzumima X1 i X2 respektivno,
rezultat funkcije f nad domenom Y (princip proširenja) je:

20. Odskočna aktivaciona funkcija neurona je:

23. Ako je neuronska mreza obucena pomocu skupa parova ulaz – zeljeni izlaz
L={pk, tk}, k=1,…K, onda je:
a) Obucavanje nadgledano tako da je greska za k-ti par ek = tk-pk.
28. Algoritam tipa Backpropogation u opstem slucaju:
a) se koristi za obucavanje viseslojnih forward-feed mreza, greska se racuna samo za
izlazni sloj, a za ostale slojeve greska se proracunava na osnovu greske izlaznog sloja.