KNW- Wykład 3 Powtórzenie. PROGRAM WYKŁADU NR 3 Przykładowe zadania z logiki Modele możliwych światów.

Slides:



Advertisements
Podobne prezentacje
Wprowadzenie w problematykę związaną z twierdzeniem Gödla
Advertisements

Grafy spełniające nierówność Γ(G) < IR(G)
Zadania przygotowawcze na egzamin
Mechanizm wnioskowania rozmytego
Grażyna Mirkowska PJWSTK, 10 stycznia 2001
RACHUNEK ZDAŃ.
CIĄGI.
WYKŁAD 6. Kolorowanie krawędzi
REGUŁOWO-MODELOWE SKORUPOWE SYSTEMY EKSPERTOWE Część 2
REGUŁOWO-MODELOWE SKORUPOWE SYSTEMY EKSPERTOWE Część 1
VI Rachunek predykatów
WYKŁAD 2 SYSTEMY EKSPERTOWE cz.2.
Logiki (nie)klasyczne
KNW- Wykład 8 Wnioskowanie rozmyte.
Matematyka Dyskretna, G.Mirkowska, PJWSTK
Dodawanie ułamków o różnych mianownikach
AUTOMATYCZNE DOWODZENIE TWIERDZEŃ.
WYKŁAD 2. Kolorowanie wierzchołków
WYKŁAD 7. Spójność i rozpięte drzewa
GRAFY PLANARNE To grafy, które można narysować na płaszczyźnie tak, by krawędzie nie przecinały się (poza swoimi końcami). Na przykład K_4, ale nie K_5.
WYKŁAD 5. Skojarzenia – ciąg dalszy
Andrzej Kwiecień Instytut Informatyki Politechnika Śląska w Gliwicach
Model lingwistyczny – wnioskowanie Mamdani’ego
Materiały pomocnicze do wykładu
Materiały pomocnicze do wykładu
DANE INFORMACYJNE Gimnazjum Nr 43 w Szczecinie ID grupy: 98/38_MF_G2
SZTUCZNA INTELIGENCJA ARTIFICIAL INTELLIGENCE
Jest to wyrażenie jednoznacznie stwierdzające, na gruncie danego języka, iż tak a tak jest albo że tak a tak nie jest. Zazwyczaj określa się, iż takim.
8. LOGIKA TEMPORALNA Składnia zdaniowej logiki temporalnej:
Metoda intuicyjno-dedukcyjna a metoda aksjomatyczno-dedukcyjna
Główne pojęcia logiki.
Relacyjny model danych
Podstawy programowania
Programowanie w logice
I. Informacje podstawowe
Paradoksy logiczne i inne 4 marca 2010.
Strona 1 Wykład jest współfinansowany przez Unię Europejską w ramach Europejskiego Funduszu Społecznego Niepełna lista metod wnioskowania Aneks 1 M. Muraszkiewicz.
Metody reprezentacji wiedzy – cz. 2.
ITERACJA - powtórzenie
Języki i automaty część 3.
Rachunki Gentzena Joanna Witoch.
Metody zapisu wiedzy.
III EKSPLORACJA DANYCH
Wykład 16 Inne zagadnienia z prostej regresji liniowej.
PRZYGOTOWALI Bartosz Pawlik Daniel Sawa Marcin Turbiński.
Grażyna Ziobro-Marcinkiewicz
Instrukcje wyboru.
PHP Instrukcja warunkowa if Damian Urbańczyk. Warunek? Instrukcję warunkową wykorzystujemy wtedy, gdy chcemy sprawdzić pewien fakt, który może być prawdziwy.
ANALIZA SKŁADNIOWA.
GRA CHOMP. Czym jest chomp? Jest to gra dla dwóch osób, rozgrywana na prostokątnej tablicy, zwanej „tabliczką czekolady”
Systemy wspomagające dowodzenie twierdzeń
Metody Sztucznej Inteligencji – technologie rozmyte i neuronowe Wnioskowanie Mamdani’ego - rozwinięcia  Dr hab. inż. Kazimierz Duzinkiewicz, Katedra Inżynierii.
Wykład I: Pytania o logikę
ZDANIE.
PRAWA LOGIKI RACHUNKU ZDAŃ. 2 FUNKCJA LOGICZNA funkcja zdaniowa, która zbudowana jest jedynie z tałych logicznych i zmiennych (zdaniowych lub nazwowych).
KNW K Konwencjonalne oraz N Niekonwencjonalne metody W Wnioskowania.
KNW - wykład 3 LOGIKA MODALNA.
Funktory zdaniotwórcze ekstensjonalneintensjonalne.
Etapy procesu sterowania rozmytego
Metody sztucznej inteligencji - Technologie rozmyte i neuronowe 2015/2016 Systemy rozmyte – wnioskowanie Mamdani’ego I © Kazimierz Duzinkiewicz, dr hab.
Metody sztucznej inteligencji - Technologie rozmyte i neuronowe 2015/2016 Systemy rozmyte – wnioskowanie Mamdani’ego II © Kazimierz Duzinkiewicz, dr hab.
Metody sztucznej inteligencji - Technologie rozmyte i neuronowe 2015/2016 Systemy rozmyte – wnioskowanie formalne © Kazimierz Duzinkiewicz, dr hab. inż.
Działania na grafach Autor: Anna Targońska.
Wykład I: Pytania o logikę
Logika dla prawników Tautologia.
Rekonstrukcja argumentu
Wartość logiczna zdania
Metody sztucznej inteligencji
Instrukcja warunkowa if
Zapis prezentacji:

KNW- Wykład 3 Powtórzenie

PROGRAM WYKŁADU NR 3 Przykładowe zadania z logiki Modele możliwych światów

REGUŁY (PRAWA) DOWODZENIA (WNIOSKOWANIA) Rezolucja: – A  B,  B├ A – A  B,  B  C├ A  C Reguły pomocnicze: –  (  B)├ B –  (A  B) ├  A   B – ├

PRZYKŁADOWE ZADANIE Niech dane będą: –Przesłanki X  Y, Z,  (X  Z) –Reguły dowodzenia (i)A  B,  B ├ A (ii)A  B,  B  C ├ A  C (iii)  (A  B) ├  A   B (iv)  (  A) ├ A Skonstruuj dowód dla Y

ROZWIĄZANIE (ZNAJDŹ LUKI) Korzystamy z (iii) dla A  X, B  Z :  (X  Z) ├  X   Z Zbiór faktów powiększa się o  X   Z Korzystamy z (ii) dla A  Y, B  X, C   Z : Y  X,  X   Z ├ Y   Z Zbiór faktów powiększa się o Y   Z Korzystamy z (i) dla A  Y, B   Z : Y   Z,  (  Z) ├ Y Zbiór faktów powiększa się o Y

ROZWIĄZANIE (ZNAJDŹ LUKI) Korzystamy z (iii) dla A  X, B  Z :  (X  Z) ├  X   Z Zbiór faktów powiększa się o  X   Z Korzystamy z (ii) dla A  Y, B  X, C   Z : Y  X,  X   Z ├ Y   Z Zbiór faktów powiększa się o Y   Z Korzystamy z (i) dla A  Y, B   Z : Y   Z,  (  Z) ├ Y Zbiór faktów powiększa się o Y

IDEA MOŻLIWYCH ŚWIATÓW Intuicja: Oprócz prawdziwego stanu rzeczy, są jeszcze możliwe inne stany, zwane „światami”, w których potencjalnie możemy się znaleźć, a może już jesteśmy, tylko o tym nie wiemy

MODELE KRIPKE’GO Grafy skierowane, dla których wierzchołków (możliwych światów) określamy wartościowania logiczne dla pewnych zmiennych zdaniowych

PRZYKŁAD W1: p = 0; q = 1; r = 0W2: p = 1; q = 0; r = 0 W4: p = 1; q = 1; r = 1W3: p = 0; q = 0; r = 1

PRAWDZIWOŚĆ ZDAŃ Niech dane będą: model Kripke’go K, zdanie  oraz świat W. Wtedy: –  jest prawdziwe w W (K,W╞  ), jeśli jest prawdziwe dla wartościowania w W; –  jest prawdziwe w K (K╞  ), jeśli jest prawdziwe w każdym W należącym do K

OPERATORY MODALNE Niech dane będą: model Kripke’go K, zdanie  oraz świat W. Wtedy: –   jest prawdziwe w W (K,W╞   ), jeśli jest prawdziwe we wszystkich światach V, do których prowadzą strzałki z W –   jest prawdziwe w W (K,W╞   ), jeśli jest prawdziwe w przynajmniej jednym V, do którego prowadzi strzałka z W

PRZYKŁADOWE ZADANIE Czy K,W1╞  (  p  (q  r)) ? Czy K,W3╞  (  p  (q   r)) ? W1: p = 0; q = 1; r = 0W2: p = 1; q = 0; r = 0 W4: p = 1; q = 1; r = 1W3: p = 0; q = 0; r = 1