1.

Daca functia f:R →R este cunoscut doar prin urmatoarele 4 puncte de pe graficul sau :
{(1,1), (2,3), (3,3), (4,5), atunci memoria OLAM care o encodeaza :
0
a. este W =  
1 

0 
b. este W =  
1.1
0 
c. este W =  
 1.2 
0 
d. este W =  
1.3 
e. nu este nici una dintre matricele indicate la celelalte variante de raspuns.

2. Daca functia f:R →R este cunoscut doar prin urmatoarele 4 puncte de pe graficul sau :
{(1,2), (2,2), (3,4), (4,4), atunci memoria OLAM care o encodeaza :
1 
a. este W =  
 0.5 

1 
b. este W =  
 0.6 
1 
c. este W =  
 0.7 
1 
d. este W =  
 0.8 

e. nu este nici una dintre matricele indicate la celelalte variante de raspuns.

3. Daca functia f:R →R este cunoscut doar prin urmatoarele 4 puncte de pe graficul sau :
{(1,3), (2,5), (3,7), (4,9), atunci memoria OLAM care o encodeaza :
1 
a. este W =  
 2
1
b. este W =  
1
0
c. este W =  
1 
 2
d. este W =  
1 
 e. nu este nici una dintre matricele indicate la celelalte variante de raspuns.

4. Daca functia f:R →R este cunoscut doar prin urmatoarele 4 puncte de pe graficul sau :
{(1,2), (2,4), (3,6), (4,8), atunci memoria OLAM care o encodeaza :
1 
a. este W =  
 2

1
b. este W =  
1
0
c. este W =  
1 

 2
d. este W =  
1 

e. nu este nici una dintre matricele indicate la celelalte variante de raspuns.

5. Daca functia f:R →R este cunoscut doar prin urmatoarele 4 puncte de pe graficul sau :
{(1,2), (2,1), (3,4), (4,3), atunci memoria OLAM care o encodeaza :
 − 0.3 
a. este W =  
 0.6 

1 
b. este W =  
 0.3 

1 
c. este W =  
 0.6 
 0.3 
d. este W =  
 0.6 

e. nu este nici una dintre matricele indicate la celelalte variante de raspuns.

101 
 
6. Daca a =  011 , atunci pseudo inversa matricei A
101 
 
 1 1 1 
 − 
3 3 3 
 1 2 1
b. este  − −  CORECTA
 6 3 6
1 1 1 
 − 
6 3 6 

 2 0 0
7. Daca A=   , atunci pseudoinversa matricei A
0 1 1 

 0.5 0 
 
a.este  0 0.5  CORECTA
 0 0.5 
 

100
8. Daca A= (0 1 0 ), sa se calculeze pseudoinversa matricei A.
101

1 0 0 
 
a.este  0 1 0  CORECTA
 − 1 0 1
 

1 0 2 
 
9. Daca A=  0 2 1 , atunci pseudoinversa matricei A
 0 0 1
 

1 0 − 2 
 
d.este  0 0.5 − 0.5  CORECTA
0 0 1 
 

10. Pseudo inversa matricei [ 1 1 1]

a. [ -1 -1 -1]
b. [1/2 ½ ½]
c. [1/3 1/3 1/3]
d. [1 ½ 1/3]
e. [-1 -1/2 -1/3]
11. Multimea solutiilor unei probleme de clasificare bipolare este :
N

a. I
i 1
S  Hi
N
b. S +Hi
i =1

N
c. (S + H i Hi )
i =1

N
d. (S + H i Hi )
i =1

12. Multimea punctelor (memoriilor) admisibile asociata unei probleme de clasificare

bipolare este :
N
a. S +Hi
i =1
N
b. S +Hi
i =1

c. I
i 1
(S  H i UHi )

N
d. (S + H i Hi )
i =1

13. In varianta secventiala (Windrow-Hoff) a metodei de instruire ADALINE :

a. deplasarile in spatiul memoriilor depind de ordinea exemplelor

b. deplasarile in spatiul memoriilor nu depind de ordinea exemplelor

14. In varianta secventiala (Widrow-Hoff) a metodei de instruire ADALINE:

a. la orice actualizare a memoriei explicit toate exemplele de invatare
b. la orice actualizare a memoriei contribuie explicit un singur exemplu de invatare
c. doar la prima actualizare a memoriei contribuie explicit un singur exemplu de invatare
d. doar la prima actualizare a memoriei contribuie explicit toate exemplele de invatare
  0.4 
15. In modelul neuronal al Perceptronului se considera memoria sinaptica W=   pragul
 0.9 
θ = 0.7 si secventa de instruire

 1   1     − 1    − 1 
S4=   ,1,   ,1,   ,−1,   ,−1 }
 1    − 1    − 1   1  

Atunci :

a. memoria totala a neuronului encondeaza corect secventa de instruire ;

b. memoria totala a neuronului encondeaza gresit un singur exemplu al
secventei de instruire
c. memoria totala a neuronului encondeaza gresit doua exemple ale secventei de
instruire
d. memoria totala a neuronului encondeaza gresit trei exemple ale secventei de
instruire

 − 0.9 
16. In modelul neuronal al Perceptronului se considera memoria sinaptica W=  
 0.9 
pragul θ = 0.7 si secventa de instruire

 1   1     − 1    − 1 
S4=   ,1,   ,1,   ,−1,   ,−1 }
 1    − 1    − 1   1  

Atunci :

a. memoria totala a neuronului encodeaza incorect toate exemplele secventei de

instruire
b.memoria totala a neuronului encodeaza corect un singur exemplar secventei de
instruire
c. memoria totala a neuronului encodeaza corect exact doua exemple ale secventei de
instruire
d. memoria totala a neuronului encodeaza corect exact trei exemple ale secventei de
instruire
  0.4 
17. In modelul neuronal al Perceptronului se considera memoria sinaptica W=   pragul
 4.0 
θ = 0.7 si secventa de instruire

 1   1     − 1    − 1 
S4=   ,1,   ,1,   ,−1,   ,−1 }
 1    − 1    − 1   1  

Atunci :

a. memoria totala a neuronului encondeaza corect secventa de instruire ;

b. memoria totala a neuronului encondeaza gresit un singur exemplu al secventei
de instruire
c. memoria totala a neuronului encondeaza gresit doua exemple ale secventei
de instruire
d. memoria totala a neuronului encondeaza gresit trei exemple ale secventei de
instruire

 0.4 
18. In modelul neuronal al Perceptronului se considera memoria sinaptica W=  
 − 0.4 
pragul θ = 0.7 si secventa de instruire

 1   1     − 1    − 1 
S4=   ,1,   ,1,   ,−1,   ,−1 }
 1    − 1    − 1   1  

Atunci :

e. memoria totala a neuronului encondeaza corect secventa de instruire ;

f. memoria totala a neuronului encondeaza gresit un singur exemplu al
secventei de instruire
g. memoria totala a neuronului encondeaza gresit doua exemple ale secventei de
instruire
h. memoria totala a neuronului encondeaza gresit trei exemple ale secventei de
instruire
19. Procedura Perceipton aplicata secventei de instruire
a Converge la o memorie aflata in multimea de administratibilitate asociata
acestei probleme de clasificare bipolara .
b Nu converge
20. In varianta batch a metodei de intruire ADALINE:

a - deplasarile din spatiul memoriilor depind de ordinea exemplelor

b - deplasarile din spatiul memoriilor nu depind de ordinea exemplelor

21. Se considera secventa de instruire:

SN= {xi, yi0, xi Є Rn, yi Є Rn, 1<=i<=N}

11 
si se noteaza Y’ =(y’1,.......,yn) , Z=  
 x1  x N 

Atunci eroarea medie patratica a regresorului liniar multidimensional are valoarea minima:

tr (Y (IN – Z+Z)YT

22. Marcati afirmatia corecta:

Problema XOR este linear separabila;

Problema XOR nu este linear separabila;

23. Varianta batch a metodei ADALINE:

a) la orice actualizare a memoriei contribuie explicit toate exemplele de invatare;
b)la orice actualizare a memoriei contribuie explicit 1 exemplu de invatare;
c)doar la prima actualizare a memoriei contribuie explicit toate exemplele de invatare;
d)doar la prima actualizare a memoriei nu contribuie explicit toate exemplele de invatare;

24. In procedura de instruire Perceptron:

a) deplasarile in spatiul memoriilor depind de ordinea exemplelor
b) deplasarile in spatiul memoriilor nu depind de ordinea exemplelor
25. Daca functia f:R →R este cunoscut doar prin urmatoarele 4 puncte de pe graficul sau :
{(1,2), (2,2), (3,4), (4,4), atunci memoria OLAM care o encodeaza :
0 
a. este W =  
 0.5 
0 
b. este W =  
 0.6 
0 
c. este W =  
 0.7 
0 
d. este W =  
 0.8 

e. nu este nici una dintre matricele indicate la celelalte variante de raspuns.

Name: ________________________ ID: A

____ 88. Notam cu M + pseudoinversa Penrose a matricei M .

Egalitatea ( BA ) = ( AB ) este adevarata pentru orice A, B matrice patratice.
+ +
a.

Egalitatea ( BA ) = ( AB ) este adevarata pentru orice matrice A daca B = AT ,

+ +
b.
unde AT este transpusa matricei A
c. Pentru orice matrice B , B + = B
Egalitatea ( BA ) = ( AB ) este adevarata numai daca cel putin una din matricele
+ +
d.
A, B este inversabila.
____ 89. Se considera secventa de instruire
  1    −1    −1     1   
S 4 =    ,1  ,    , −1 ,    ,1  ,    , −1 
  1   1     −1     −1   

a. Secventa nu este linear separabila

b. Pentru orice vector al ponderilor sinaptice initial, procedura PERCEPTRON
determina o evolutie ciclica.
c. Exista vectori ai ponderilor sinaptice initiale astfel incat o memorie sinaptica
pentru separarea corecta a secventei S4 este calculabila pe baza procedurii
PERCEPTRON.
d. Procedura ADALINE permite calculul unei memorii sinaptice pentru separarea
corecta a secventei S4
____ 90. Notam cu M + pseudoinversa Penrose a matricei M .
a. Exista matrice inversabile A astfel incat m = n A ≠ A−1
Pentru orice matrice A ∈ M nxm , ( A ) = ( A ) numai daca m = n .
T + + T
b.
c. Nu exista A ∈ M nxm astfel incat A = A+
d. Daca m = n si A3 = A atunci A = A+
____ 91. Fie t o t-norma inferior semicontinua; si ϕ : [ 0,1] × [ 0,1] → [ 0,1] astfel incat pentru orice

{
a, b ∈ [ 0,1] , ϕ ( a, b ) = sup c t ( a, c ) ≤ b }
a. t ( a, ϕ ( a, b ) ) > b
b. φ ( a , t ( a, b ) ) < b
c. a ≤ b daca si numai daca ϕ ( a, b ) = 1
d. exista b ∈ [ 0,1] astfel incat ϕ (1, b ) ≠ b

31
Name: ________________________ ID: A

 0.7 0.5 0 0
 0 0 0 1 
____ 92. Se considera relatia fuzzy definita de matricea de apartenenta M R = 
 0 0.4 0 0
 
 0 0 0.8 0
a. Relatia are cel putin doua inchideri tranzitive max-min
b. a. Inchiderea tranzitiva max-min este unica si corespunde matricei de
apartenenta
 0.7 0.5 0.5 0.5 
 0 0.4 0.8 1 
M Rɶ =  
 0 0.4 0.4 0.4 
 
 0 0.4 0.8 0.4 
c. Relatia nu admite inchidere tranzitiva.
d. a. Una din inchiderile tranzitive ale relatiei este data de matricea de
apartenenta
 0.7 0.5 0.5 0.5 
 0 0.4 0.8 0.4 
M = 
 0 0.4 0.4 0.4 
 
 0 0.4 0.4 0.4 
____ 93. Se considera relatiile fuzzy binare definite prin matricele
 0.7 0.4 0 
 0.9 1 0.4   0.9 0.5 0.7 0.7 
   
MR = , M Q =  0.3 0.2 0 0.9 
 0 0.7 1   1
   0 0.5 0.5 
 0.7 0.9 0 
a. Compunerea max-min P  Q nu este definita
 0.8 0.15 0.4 0.45 
 
b. Compunerea max-min P  Q este definita si M PQ =  1 0.14 0.5 0.63 
 0.5 0.2 0.28 0.54 
 
 0.8 0.3 0.5 0.5 
 
c. Compunerea max-min P  Q este definita si M PQ =  1 0.2 0.5 0.7 
 0.5 0.4 0.5 0.6 
 
d. Compunerile max-min P  Q , Q  P sunt definite si M PQ ≠ M Q P

32
Name: ________________________ ID: A

____ 94. Se considera relatiile fuzzy binare definite prin matricele

 0.3 0.5 0.8   0.9 0.5 0.7 0.7 
   
M R =  0 0.7 1  , M Q =  0.3 0.2 0 0.9 
 0.4 0.6 0.5   1 0 0.5 0.5 
  
a. Compunerea max-produs P ⊙ Q nu este definita
b. Compunerea max-produs Q ⊙ P este definita
 0.8 0.3 0.5 0.5 
 
c. Compunerea max-produs P ⊙ Q este definita si M P ⊙Q =  1 0.2 0.5 0.7 
 0.5 0.4 0.5 0.6 
 
d. Compunerea max-produs P ⊙ Q este definita si
 0.8 0.15 0.4 0.45 
 
M P ⊙Q =  1 0.14 0.5 0.63 
 0.5 0.2 0.28 0.54 
 
 0.3 0.2 
 
____ 95. Se considera relatia fyzzy binara R definita de matricea M R =  0 1 
 0.6 0.4 
 
a. Inversa relatiei R nu este definita
 0.3 0 0.6 
b. Inversa relatiei R este data de matricea M R −1 =  
 0.2 1 0.4 
c. Inversa relatiei R este definita si este o relatie crisp
Exista relatii fuzzy Q astfel incat ( Q −1 ) ≠ Q
−1
d.

 0.7 0.4 0 
 0.9 1 0.4 
____ 96. Se considera relatia fuzzy binara R definita de matricea M R =   ; notam cu Λ
 0 0.7 1  R

 
 0.7 0.9 0 
multimea nivelelor relatiei.
a. Multimea nivelelor relatiei R este Λ R = {0, 0.4, 0.7, 0.9,1}
b. Multimea nivelelor relatiei R este Λ R = {0.4, 0.7, 0.9}
c. Multimea nivelelor relatiei R este Λ R = [ 0,1]
d. Multimea nivelelor relatiei R este Λ R = ( 0,1)

33
Name: ________________________ ID: A

____ 97. Se considera relatia fuzzy ternara R ( X 1 , X 2 , X 3 ) , definita pe X 1 × X 2 × X 3 , unde

X 1 = { x, y} , X 2 = {a, b} , X 3 = {*,$} ,

R ( X 1 , X 2 , X 3 ) = 0.9 x, a,* + 0.4 x, b,* + 1 y, a,* + 0.7 y, a,$ + 0.8 y, b, $ . Se noteaza prin

Rij =  R ↓ { X i , X j } proiectia relatiei R pe X i × X j .

a. R1 = 0.9 x + 1 y
b. R12 = 0.5 x, a + 0.4 x, b + 1 y, a + 0.8 y , b
c. R12 = 0.5 x, a + 0.4 x, b
d. R1 = 0.8 x + 0.5 y
____ 98. Se considera relatia fuzzy ternara R ( X 1 , X 2 , X 3 ) , definita pe X 1 × X 2 × X 3 , unde
X 1 = { x, y} , X 2 = {a, b} , X 3 = {*,$} ,

R ( X 1 , X 2 , X 3 ) = 0.9 x, a,* + 0.4 x, b,* + 1 y, a,* + 0.7 y, a,$ + 0.8 y, b, $ . Se noteaza prin

Rij =  R ↓ { X i , X j } proiectia relatiei R pe X i × X j .

a. R13 = 0.5 x,* + 0.4 y ,$

b. R13 = 0.9 x,* + 0.4 y ,* + 0.8 y ,$

c. R3 = 1 * + 0.8 $
d. R3 = 0.5 * + 0.8 $
____ 99. Se considera relatia fuzzy ternara R ( X 1 , X 2 , X 3 ) , definita pe X 1 × X 2 × X 3 , unde
X 1 = { x, y} , X 2 = {a, b} , X 3 = {*,$} ,

R ( X 1 , X 2 , X 3 ) = 0.9 x, a,* + 0.4 x, b,* + 1 y, a,* + 0.7 y, a,$ + 0.8 y, b, $ . Se noteaza prin

Rij =  R ↓ { X i , X j } proiectia relatiei R pe X i × X j .

a. R12 = 0.7 x, a + 0.5 x, b + 1 y , a + 0.8 y , b

b. R12 = 0.9 x, a + 0.4 x, b + 1 y , a + 0.8 x, b

c. R12 = 0.9 x, b + 0.4 x, b + 1 y, a + 0.8 x, a
d. R12 = 0.9 x, a + 0.4 x, b + 1 y , a + 0.8 y , b

34
Name: ________________________ ID: A

____ 100. Se considera relatia fuzzy ternara R ( X 1 , X 2 , X 3 ) , definita pe X 1 × X 2 × X 3 , unde

X 1 = { x, y} , X 2 = {a, b} , X 3 = {*,$} ,

R ( X 1 , X 2 , X 3 ) = 0.9 x, a,* + 0.4 x, b,* + 1 y, a,* + 0.7 y, a,$ + 0.8 y, b, $

Se noteaza prin  Rij ↑ Y  extensia cilindrica a relatiei Rij la domeniul X i × X j × Y

a. µ  R ↑ X  ( x, a,*) = µ  R ↑ X  ( x, a,$ ) = µ R12 ( x, a ) = 0.9
 12 3  12 3

b. µR ( x, a ) = 0.9 si µR ↑ X  ( x, a,*) ≠ µR

12 12 3 12 ↑ X 3 

( x, a,$ )
c. µ R ↑ X  ( x, a,*) = µ  R ↑ X  ( x, a,$ ) = 0.5
 12  3   12 3

d. µ R ↑ X  ( x, a,*) < µ R ( x, a )
 12  3 12

____ 101. Se considera relatia fuzzy ternara R ( X 1 , X 2 , X 3 ) , definita pe X 1 × X 2 × X 3 , unde

X 1 = { x, y} , X 2 = {a, b} , X 3 = {*,$} ,

R ( X 1 , X 2 , X 3 ) = 0.9 x, a,* + 0.4 x, b,* + 1 y, a,* + 0.7 y, a,$ + 0.8 y, b, $

Se noteaza prin  Rij ↑ Y  extensia cilindrica a relatiei Rij la domeniul X i × X j × Y

a. µ R ↑ X × X  ( y, a,$ ) = 0.5
 1 2 3

b. µR ↑ X
 1 2×X3 

( y, a,$ ) = µ  R12 ↑ X 3 
( y, a,$ )
c. µR ↑ X
 1 2× X3 

( y, a,$ ) < µ  R12 ↑ X 3 
( y, a,$ )
d. µR ↑ X
 1 2× X3 

( y, a,*) ≠ 1
____ 102. Se considera relatia fuzzy ternara R ( X 1 , X 2 , X 3 ) , definita pe X 1 × X 2 × X 3 , unde
X 1 = { x, y} , X 2 = {a, b} , X 3 = {*,$} ,
R ( X 1 , X 2 , X 3 ) = 0.9 x, a,* + 0.4 x, b,* + 1 y, a,* + 0.7 y, a,$ + 0.8 y, b, $
Notam cil ( R12 , R13 , R23 ) relatia inchidere cilindrica a relatiilor R12 , R13 , R23 .
a. cil ( R12 , R13 , R23 ) = 0.5 x, a,* + 0.5 x, b,* + 0.7 y , a,*
b. cil ( R12 , R13 , R23 ) = 0.7 y, a,* + 0.7 y, a,$ + 0.4 y, b,* + 0.8 y, b,$

c. cil ( R12 , R13 , R23 ) = 0.9 x, a,* + 0.4 x, b,* + 1 y, a,* + 0.7 y, a,$ + 0.4 y, b,* + 0.8 y, b,$

d. niciuna dintre afirmatiile (a),(b),(c) nu este adevarata

35
Name: ________________________ ID: A

____ 103. Se considera ecuatia fuzzy

 0.1 0.7 
 
p   0.2 0.8  = ( 0.6 0.3)
 0.9 1 
 
a. Ecuatia are o singura solutie
b. Ecuatia are o infinitate de solutii
c. Ecuatia nu are solutii.
d. Ecuatia are cel putin trei solutii.
____ 104. Se considera ecuatia fuzzy
 0.9 0.5 
 
p   0.3 0.8  = ( 0.6 0.3)
 1 0.1 
 
a. p = ( 0.3 0.3 0.6 ) este solutie
b. Ecuatia are cel mult trei solutii
c. Ecuatia are cel putin doua solutii si cel mult sapte solutii
d. Toate afirmatiile (a),(b),(c) sunt false.
____ 105. Se considera ecuatia fuzzy
 0.1 0.4 0.5 0.1
 0.9 0.7 0.2 0 
p  = ( 0.8 0.7 0.5 0 )
 0.8 1 0.5 0 
 
 0.1 0.3 0.6 0 
a. Ecuatia are cel putin doua solutii maximale
b. Ecuatia are un numar finit de solutii
c. Ecuatia nu are solutii minimale
d. p = ( 0 0.8 0.7 0.5 ) este solutia maximala a ecuatiei
____ 106. Se considera ecuatia fuzzy
 0.1 0.4 0.5 0.1
 0.9 0.7 0.2 0 
p  = ( 0.8 0.7 0.5 0 )
 0.8 1 0.5 0 
 
 0.1 0.3 0.6 0 
a. Ecuatia are a singura solutie maximala si o singura solutie minimala
b. Multimea solutiilor minimale este
s : [ 0,1] × [ 0,1] → [ 0,1]
t ( a, b ) = max {0, a + b − 1} n : [ 0,1] → [ 0,1] n ( a ) = 1 − a
 1

s ( a, b ) = max 0,1 − ( a p + b p ) p  p ∈ ( 0, ∞ )
 
  
1
p p
t ( a, b ) = 1 − min 1, (1 − a ) + (1 − b )  
p
  
 
c. Multimea solutiilor ecuatiei este {( 0 0.8 0.5 0 ) , ( 0 0.8 0 0.5 )}
d. Niciuna din afirmatiile (a).(b),(c) nu este adevarata

36
Name: ________________________ ID: A

____ 107. Fie t : [ 0,1] × [ 0,1] → [ 0,1] , t ( a, b ) = max {0, a + b − 1} , n : [ 0,1] → [ 0,1] , n ( a ) = 1 − a
a. Functia t este o t-conorma
b. Functia t este o t-norma si s : [ 0,1] × [ 0,1] → [ 0,1] , s ( a, b ) = min {1, a + b} este
t-conorma duala in raport cu functia de negatie n
c. Functia n nu este o functie de negatie
d. Functia t este o t-conorma si s : [ 0,1] × [ 0,1] → [ 0,1] , s ( a, b ) = min {1, a + b} este
t-norma duala in raport cu functia de negatie n
 p p
1

____ 108. Fie t p : [ 0,1] × [ 0,1] → [ 0,1] , t p ( a, b ) = 1 − min 1, (1 − a ) + (1 − b )
  , n : [ 0,1] → [ 0,1] ,
p
  
 
n ( a ) = 1 − a , p ∈ ( 0, ∞ )
a. Functia t p este o t-norma si s : [ 0,1] × [ 0,1] → [ 0,1] ,
 1

s ( a, b ) = max 0,1 − ( a p + b p ) p  este t-conorma duala in raport cu functia de
 
negatie n
b. Functia t p este o t-conorma si s : [ 0,1] × [ 0,1] → [ 0,1] ,
 1

s ( a, b ) = min 1, ( a p + b p ) p  este
 
t-norma duala in raport cu functia de negatie n
c. Functia t p este o t-conorma si s : [ 0,1] × [ 0,1] → [ 0,1] ,
 1

s ( a, b ) = max 0,1 − ( a p + b p ) p  este t-norma duala in raport cu functia de negatie
 
n
d. Functia t p este o t-norma si s : [ 0,1] × [ 0,1] → [ 0,1] ,
 p p
1
s ( a, b ) = min 1, ( a + b )  este t-conorma duala in raport cu functia de negatie
p

 
n
 a + b − 1 + λ ab 
____ 109. Fie tλ : [ 0,1] × [ 0,1] → [ 0,1] ,
tλ ( a, b ) = max 0,  , λ ∈ ( −1, ∞ )
 1+ λ 
a. Functia tλ este o t-conorma
b. Functia tλ este si t-norma si t-conorma
c. a. Duala functiei tλ in raport cu functia de negatie n este
s : [ 0,1] × [ 0,1] → [ 0,1] ,
s ( a, b ) = max {0, a + b − λ ab}
d. a. Duala functiei tλ in raport cu functia de negatie n este
s : [ 0,1] × [ 0,1] → [ 0,1] ,
s ( a, b ) = max {0, a + b − λ ab}

37
Name: ________________________ ID: A

 p p
1

____ 110. Fie t p : [ 0,1] × [ 0,1] → [ 0,1] , t p ( a, b ) = 1 − min 1, (1 − a ) + (1 − b )
  , p ∈ ( 0, ∞ ) si
p
   
 
{
ϕ : [ 0,1] × [ 0,1] → [ 0,1] , ϕ ( a, b ) = sup c t p ( a, c ) ≤ b }
1, a ≤ b
a. ϕ ( a, b ) = 
b , a > b
  b
 min 1,  , a ≠ 0
b. ϕ ( a, b ) =   a
1, a = 0

c. ϕ ( a, b ) = min {1,1 − a + b}
d. Niciuna dintre afirmatiile (a),(b),(c) nu este adevarata
 a + b − 1 + λ ab 
____ 111. Fie tλ : [ 0,1] × [ 0,1] → [ 0,1] , tλ ( a, b ) = max 0,  , λ ∈ ( −1, ∞ ) si
 1+ λ 
ϕ : [ 0,1] × [ 0,1] → [0,1] , ϕ ( a, b ) = sup {c tλ ( a, c ) ≤ b}
  b
 min 1,  , a ≠ 0
a. ϕ ( a, b ) =   a
1, a = 0

b. { λ
ϕ ( a, b ) = max 0,1 − (1 − b ) − (1 − a )
λ
}
1 − a + b + λb
c. Daca a > b atunci ϕ ( a, b ) =
1+ λa
1 − a + b + λb
d. Pentru orice a, b ∈ [ 0,1] , ϕ ( a, b ) =
1+ λa
 1
1 − 1
, a ≠ 0, b ≠ 0
λ λ λ
  
____ 112. Fie tλ : [ 0,1] × [ 0,1] → [ 0,1] , tλ ( a, b ) =  1 +  1 − a  +  1 − b   , unde λ > 0 ,
   a   b  

1, a = 0 sau b = 0
{
ϕ : [ 0,1] × [ 0,1] → [ 0,1] , ϕ ( a, b ) = sup c tλ ( a, c ) ≤ b }
a. Functia tλ este o t-conorma
1
b. Daca a>b>0 atunci ϕ ( a, b ) = 1
 1 − b  λ  1 − a  λ  λ
1 +   −  
 b   a  
b + ( λ − 1)(1 − a ) b
c. Daca a>b atunci ϕ ( a, b ) =
a + ( λ − 1)(1 − a ) b
1 − a + b + λb
d. Daca a>b atunci ϕ ( a, b ) =
1+ λa

38