Modellierung von Wissen
|
|
- Daniel Grosser
- vor 5 Jahren
- Abrufe
Transkript
1 Martin LMU 9. Mai 2011
2 Schmutzige Kinder Eine Anzahl Kinder, manche haben eine schmutzige Stirn vom Spielen, manche nicht. Kein Kind kann seine eigene Stirn sehen und auch nicht befühlen. Kann ein Kind herausfinden, ob es eine schmutzige Stirn hat, oder nicht? Offensichtlich nicht!
3 Schmutzige Kinder Eine Anzahl Kinder, manche haben eine schmutzige Stirn vom Spielen, manche nicht. Kein Kind kann seine eigene Stirn sehen und auch nicht befühlen. Kann ein Kind herausfinden, ob es eine schmutzige Stirn hat, oder nicht? Offensichtlich nicht! Ein Vater kommt und sagt immer wieder mit etwas Abstand dazwischen: Manche von Euch haben eine schmutzige Stirn.. Wer von Euch weiß sicher, dass er oder sie eine schmutzige Stirn hat?. Nach den ersten n 1 Fragen (n=zahl der Kinder mit schmutziger Stirn) sagen jeweils alle Kinder: Ich weiß es nicht. Nach der n-ten Frage aber meldet sich ein Kind und sagt: Ich weiß jetzt, dass ich eine schmutzige Stirn habe. Wie ist das möglich, wenn man annimmt, dass alle Kinder intelligent sind und immer die Wahrheit sagen?
4 Nur zwei Kinder Fall a Wenn eines der Kinder eine saubere Stirn hat, dann sieht das andere Kind das und kommt aufgrund der Ansage des Vaters zu dem Schluss, dass es selber eine schmutzige Stirn haben muss.
5 Nur zwei Kinder Fall a Wenn eines der Kinder eine saubere Stirn hat, dann sieht das andere Kind das und kommt aufgrund der Ansage des Vaters zu dem Schluss, dass es selber eine schmutzige Stirn haben muss. Fall b Haben beide eine schmutzige Stirn, dann können beide Kinder nach der ersten Runde schließen, dass Fall a nicht vorliegt, sonst hätte sich ja das andere Kind sofort gemeldet. Nach der zweiten Frage wissen also beide, dass sie eine schmutzige Stirn haben und melden sich.
6 Drei Kinder Fall a Eine schmutzige Stirn. Wie bei zwei Kindern.
7 Drei Kinder Fall a Eine schmutzige Stirn. Wie bei zwei Kindern. Fall b Zwei schmutzige Stirnen. Ein Kind mit schmutziger Stirn kann nach der zweiten Frage argumentieren: Hätte ich keine schmutzige Stirn, so läge Fall a vor und jemand hätte sich gemeldet. Fall c Drei schmutzige Stirnen. Jedes Kind kann argumentieren. Hätte ich keine schmutzige Stirn, so läge Fall b vor und jemand hätte sich nach der zweiten Frage gemeldet.
8 Viele Kinder Durch Induktion über Zahl t der Kinder mit schmutziger Stirn. all t = 1 Nur eine schmutzige Stirn. Wie bei zwei Kindern. all t > 1 Mehr als eine schmutzige Stirn. Ein Kind mit schmutziger Stirn sieht n 1 schmutzige Stirnen. Meldet sich nach der n 1-ten Frage kein Kind, so kann es sich jetzt getrost melden.
9 Wissenslogik Ziel: Formalisierung dieses Arguments analog zur Formalisierung von Logikpuzzeln in Aussagenlogik. Für jeden Agenten (Kind) i einen Modaloperator K i. Die Formel K i φ bedeutet dann Agent i weiß φ. Bsp.: Peter weiß, dass Jana weiß, dass mindestens ein Kind eine schmutzige Stirn hat (X ) wird zu K P K J X. Weitere Modaloperatoren: C φ für φ ist allgemein bekannt (common knowledge, geteiltes Wissen) Dφ für φ ist verteiltes Wissen (kann aus dem gemeinsamen Wissen aller Agenten geschlossen werden, distributed knowledge)
10 Syntax der Wissenslogik Gruppe von Agenten 1,..., n. Menge Φ von primitiven Aussagen(variablen). Z.B.: Kind 1 hat schmutzige Stirn könnte in Φ sein. Formeln werden aus Φ mit den einstelligen Operatoren (Negation) und K 1,... K n (Agent i weiß) und dem zweistelligen Operator (Konjunktion) gebildet. (noch kein common und distributed knowledge) Beispiel: φ ::= Φ φ K i φ φ 1 φ 2 φ ψ = ( φ ψ) φ ψ = φ ψ φ ψ = (φ ψ) (ψ φ) K 1 K 2 p K 2 K 1 K 2 p Agent 1 weiss, dass Agent 2 p weiss und es außerdem nicht der Fall ist, dass 2 weiss, dass 1 weiss, dass er, also 2, p weiß.
11 Möglichkeit und Nichtwissen K i φ bedeutet Agent i hält φ für möglich. K i φ K i φ bedeutet Agent i weiß nicht ob φ. Ein konkretes Beispiel: Dean doesn t know whether Nixon knows that Dean knows that Nixon knows that McCord burgled O Brien s office at Watergate. Formalisiert: K 1 (K 2 K 1 K 2 p) K 1 ( K 2 K 1 K 2 p)
12 Kripkestrukturen Eine Kripkestruktur (Rahmen) für n Agenten über einer Menge Φ von primitiven Aussagen besteht aus einer Menge S von möglichen Welten oder Zuständen, für jede Welt s S eine Interpretation π s : Φ {true, false} der primitiven Aussagen sie gibt für jede Welt s und primitive Aussage φ an, ob sie in der Welt gilt (true) oder nicht (false), für jeden Agenten i (wobei i {1,..., n}) eine Äquivalenzrelation K i auf S, also eine Menge von Paaren (s, t) mit s, t S, wobei stets (s, s) K i (Reflexivität), mit (s, t) K i auch (t, s) K i und mit (s, t) K a, (t, u) K i auch (s, u) K i (Transitivität) Jeder Zustand bezeichnet eine mögliche Situation, z.b., gibt es den Zustand in dem Peter und ich eine schmutzige Stirn haben und auch die, in der keiner von uns eine schmutzige Stirn hat, etc. Ist (s, t) K a, so soll das bedeuten, dass a in der Welt s die Welt t für möglich hält.
13 Semantik von Formeln M = (S, π, K 1,..., K n ) Kripkestruktur. s S und φ eine Formel. Wir definieren, wann eine Formel φ in einem Zustand s gilt, i.z.: M, s = φ: M, s = p π s (p) = true (hier ist p primitive Aussage) M, s = ψ ψ M, s = ψ und M, s = ψ M, s = ψ M, s = ψ M, s = K i ψ M, t = ψ für alle t mit (s, t) K i
14 Beispiel n = 2, S = {s, t, u}, Φ = {p}, K 1 = {(s, s), (t, t), (u, u), (s, t), (t, s)}, K 2 = {(s, s), (t, t), (u, u), (t, u), (u, t)}, π s (p) = π t (p) = true, π u (p) = false. In der Welt t wird p von Agent 1 gewusst, aber Agent 2 weiß p in Welt t nicht, da er ja die Welt u für möglich hält, in der eben p nicht gilt. Es gilt auch M, s = p K 1 p K 2 p K 1 K 2 p
15 Beispiel mit Spielkarten Zwei Agenten 1, 2 und drei Karten A, B, C. Die Agenten erhalten jeder eine Karte; die dritte bleibt verdeckt liegen. Es gibt die folgenden sechs Welten (A, B), (A, C), (B, A), (B, C), (C, A), (C, B). Die Welt (A, B) bedeutet z.b., dass Agent 1 die Karte A hat und Agent 2 die Karte B, somit Karte C liegenbleibt. In dieser Welt hält Agent 1 die Welten (A, B) und (A, C) für möglich; insgesamt bildet die Kripkestruktur grafisch dargestellt ein Sechseck. Primitive Aussagen: 1A (1 hält Karte A), 1B, 1C, 2A, 2B, 2C. Folgende Aussagen gelten: M c, (A, B) = 1A 2B M c, (A, B) = K 1 (2B 2C) M c, (A, B) = K 1 K 2 (1A)
16 Geteiltes Wissen (common knowledge) Sei G ein Teilmenge der Agenten. Wir führen den Operator E G mit folgender Semantik ein: M, s = E G φ M, s = K i φ für alle i G Also gilt E G φ i G K iφ. Mit E k G φ bezeichnen wir E G E G... E G φ (k Anwendungen). Der Operator C G für geteiltes Wissen innerhalb von G wird dann wie folgt definiert: M, s = C G φ M, s = EG k φ für k = 1, 2, 3,...
17 Geteiltes Wissen, semantisch Welt t ist von Welt s aus in k Schritten G-erreichbar, wenn es Welten t 0, t 1,..., t k gibt mit s = t 0 und t k = t und (t j, t j+1 ) i G K i für j = 0,..., k 1. Ist dies für irgendein k der Fall, so ist t von s aus G-erreichbar.
18 Geteiltes Wissen, semantisch Welt t ist von Welt s aus in k Schritten G-erreichbar, wenn es Welten t 0, t 1,..., t k gibt mit s = t 0 und t k = t und (t j, t j+1 ) i G K i für j = 0,..., k 1. Ist dies für irgendein k der Fall, so ist t von s aus G-erreichbar. Satz: Es gilt M, s = EG k φ M, t = φ für alle t, die von s in k Schritten G-erreichbar sind. M, s = C G φ M, t = φ für alle t, die von s aus G-erreichbar sind.
19 Verteiltes Wissen Wir definieren den Operator D G (verteiltes Wissen) durch M, s = D G φ M, t = φ für alle t, sodass (s, t) i G K i Alle Welten, die auch nur einer der Agenten in G für ausgeschlossen hält, werden also nicht einbezogen. Beachte: je weniger Welten möglich sind, desto mehr Wissen.
20 Verteiltes Wissen Wir definieren den Operator D G (verteiltes Wissen) durch M, s = D G φ M, t = φ für alle t, sodass (s, t) i G K i Alle Welten, die auch nur einer der Agenten in G für ausgeschlossen hält, werden also nicht einbezogen. Beachte: je weniger Welten möglich sind, desto mehr Wissen. Im Beispiel mit den Karten (G = {1, 2}) gilt: M c, (A, B) = C G (1A 1B 1C) M c, (A, B) = C G (1B (2A 2C)) M c, (A, B) = D G (1A 2B)
21 Kripkestruktur für die schmutzigen Kinder n Agenten (die Kinder) und 2 n Zustände der Form (x 1,..., x n ) wobei die x i {0, 1} sind und besagen, ob das Kind i eine schmutzige Stirn hat. Möglicher Zustand bei n = 3: Das erste und dritte Kind haben eine schmutzige Stirn; das zweite nicht. Formal (1, 0, 1). In dieser Situation ( Welt ) hält das Kind 1 sowohl (1, 0, 1) (Reflexivität), aber auch (0, 0, 1) für möglich. Es hält aber z.b. (1, 1, 1) nicht für möglich.
22 Kripkestruktur für die schmutzigen Kinder n Agenten (die Kinder) und 2 n Zustände der Form (x 1,..., x n ) wobei die x i {0, 1} sind und besagen, ob das Kind i eine schmutzige Stirn hat. Möglicher Zustand bei n = 3: Das erste und dritte Kind haben eine schmutzige Stirn; das zweite nicht. Formal (1, 0, 1). In dieser Situation ( Welt ) hält das Kind 1 sowohl (1, 0, 1) (Reflexivität), aber auch (0, 0, 1) für möglich. Es hält aber z.b. (1, 1, 1) nicht für möglich. K i ((x 1,..., x n ), (y 1,..., y n )) x j = y j für alle j i Primitive Aussagen: Φ = {p 1,..., p n } π x (p i ) = true x i = 1 π x (p i ) = false x i = 0 p := p 1 p n
23 Beispiel M 0, (1,..., 1) = Ep M 0, (1, 1, 0,..., 0) = Ep M 0, (1, 0,..., 0) = p Ep M 0, (0,..., 0) = p
24 Veränderung des Wissens durch den Vater Durch die Ankündigung des Vaters gehen wir in eine neue Kripkestruktur M 1 über, in der (0,..., 0) fehlt. Es gilt: M 1, s = C G p M 1, (1, 0,..., 0) = K 1 p 1 M 1, (0, 1,..., 0) = K 1 p 1 Antworten also alle ich weiß es nicht, so geht man in eine neue Kripkestruktur M 2 über, in der alle Zustände mit genau einer 1 fehlen. Nach k Runden sind dann alle Zustände mit weniger als k Einsen eliminiert und somit bleibt nach der n-ten Frage nur noch die Welt (1,..., 1) übrig.
25 Eigenschaften des Wissens Gültigkeit: Schreibe M = φ wenn M, s = φ für alle s. Allgemeingültigkeit: Schreibe = φ, wenn M = φ für alle M. Es gelten die S5-Axiome : = K i φ K i (φ ψ) K i ψ (Distributionsaxiom) Wenn M = φ dann M = K i φ (Generalisierungsregel) = K i φ φ (Wahrheitsaxiom) = K i φ K i K i φ (positive Introspektion) = K i φ K i K i φ (negative Introspektion)
26 Eigenschaften des verteilten Wissens Für die weiteren Operatoren gilt das Folgende: Wenn G G dann = C G φ C G φ = E G φ i G K iφ = C G φ E G (φ C G φ) (Fixpunktax Wenn M = φ E G (ψ φ) dann M = φ C G ψ (Induktionsr Wenn G G dann = D G φ D G φ = D {i} φ K i φ Außerdem erfüllen D G und C G alle S5 Regeln. Das geteilte Wissen ist durch die beiden Regeln Fixpunktaxiom und Induktionsregel bereits eindeutig charakterisiert.
27 Ereignisbasierte Modellierung Man kann auch ohne Syntax auskommen und Aussagen als Mengen von Zuständen definieren, statt sie durch solche zu interpretieren. Man nennt solch eine Zustandsmenge Ereignis. Die Äquivalenzrelationen K i kann man auch als Partitionen der Zustandsmenge in disjunkte Ereignisse deuten. Eine Menge von primitiven Ereignissen und für jeden Agenten eine Partition der Zustandsmenge heißt Aumannstruktur. Aumannstrukturen und Kripkestrukturen sind letztendlich äquivalent. Es fehlt aber eine formalisierte Syntax. Z.B. ist K i ein Operator auf Ereignissen gegeben durch K i (e) = {s S P i (s) e} wobei P i (s) die Teilmenge der Partition P i bezeichnet, in der s liegt.
28 Zusammenfassung Wissenslogik als spezielle Modallogik mit reflexiven, symmetrischen, transitiven Rahmen. (Kripkestruktur) Geteiltes Wissen wird als unendliche Konjunktion interpretiert. Jeder weiß es, jeder weiß, dass jeder es weiß, jeder weiß, dass jeder weiß, dass jeder weiß, dass es jeder weiß, etc. Jeweils eine Runde des Schmutzige Kinder Puzzle kann als Kripkestruktur modelliert werden. Syntaxfreie Präsentiation der Wissenslogik ist als Aumannstruktur oder Ereignisbasierte Modellierung bekannt.
Grundlagen der Logik
Grundlagen der Logik Denken Menschen logisch? Selektionsaufgabe nach Watson (1966): Gegeben sind vier Karten von denen jede auf der einen Seite mit einem Buchstaben, auf der anderen Seite mit einer Zahl
MehrMögliche Welten. Dr. Uwe Scheffler. Oktober [Technische Universität Dresden]
Mögliche Welten Dr. Uwe Scheffler [Technische Universität Dresden] Oktober 2011 Eine Sprache für die Aussagenlogik Bedeutungstragende Zeichen sind p, p 1, p 2,... sie sind Aussagenvariablen und bezeichnen
MehrFormale Methoden 2. Gaetano Geck Lehrstuhl I Logik in der Informatik WS 2015/2016
Formale Methoden 2 Gaetano Geck Lehrstuhl I Logik in der Informatik WS 2015/2016 Teil 1: Wiederholung 1 Mengen 2 Abbildungen 3 Exkurs Beweistechniken 4 Relationen Definition Operationen Eigenschaften Äquivalenzrelationen
MehrAussagenlogik. Motivation Syntax Semantik Erfüllbarkeit SAT-Solver Kompaktheit Beweiskalküle
Aussagenlogik Motivation Syntax Semantik Erfüllbarkeit SAT-Solver Kompaktheit Beweiskalküle Theoretische Informatik: Logik, M. Lange, FB16, Uni Kassel: 3.1 Aussagenlogik Syntax 22 Einführendes Beispiel
MehrKapitel 1.5 und 1.6. Ein adäquater Kalkül der Aussagenlogik
Kapitel 1.5 und 1.6 Ein adäquater Kalkül der Aussagenlogik Teil 1: Kalküle und Beweisbarkeit und die Korrektheit des Shoenfield-Kalküls Mathematische Logik (WS 2010/11) Kapitel 1.5 und 1.6: Kalküle 1 /
MehrWas bisher geschah. wahr 0 t 1 falsch 0 f 0 Konjunktion 2 min Disjunktion 2 max Negation 1 x 1 x Implikation 2 Äquivalenz 2 =
Was bisher geschah (Klassische) Aussagenlogik: Aussage Wahrheitswerte 0 (falsch) und 1 (wahr) Junktoren Syntax Semantik Stelligkeit Symbol Wahrheitswertfunktion wahr 0 t 1 falsch 0 f 0 Konjunktion 2 min
MehrMathematische Strukturen
Mathematische Strukturen Lineare Algebra I Kapitel 3 16. April 2013 Kartesisches Produkt Das kartesische Produkt (benannt nach René Descartes) von n Mengen M 1,..., M n ist M 1 M n := {(x 1,..., x n )
Mehr2.1 Lineare Temporallogiken: LTL
2.1 Lineare Temporallogiken: LTL N bezeichne die Menge der nicht-negativen ganzen Zahlen (inklusive der Null). Sei Σ ein Alphabet. Ein endliches Wort ü b e r Σ ist eine endliche Folge a 1 a 2...a n,sodassa
MehrLösungen zur Übungsserie 1
Analysis 1 Herbstsemester 2018 Prof. Peter Jossen Montag, 24. September Lösungen zur Übungsserie 1 Aufgaben 1, 3, 4, 5, 6, 8 Aufgabe 1. Sei X eine endliche Menge mit n Elementen, und sei Y eine endliche
MehrDie Prädikatenlogik erster Stufe: Syntax und Semantik
Die Prädikatenlogik erster Stufe: Syntax und Semantik 1 Mathematische Strukturen und deren Typen Definition 1.1 Eine Struktur A ist ein 4-Tupel A = (A; (R A i i I); (f A j j J); (c A k k K)) wobei I, J,
MehrVorsemesterkurs Informatik
Vorsemesterkurs Informatik Sommersemester 2018 Ronja Düffel 14. März 2018 Theoretische Informatik Wieso, weshalb, warum??!? 1 Modellieren und Formalisieren von Problemen und Lösungen 2 Verifikation (Beweis
Mehr4.1 Motivation. Theorie der Informatik. Theorie der Informatik. 4.1 Motivation. 4.2 Syntax der Prädikatenlogik. 4.3 Semantik der Prädikatenlogik
Theorie der Informatik 3. März 2014 4. Prädikatenlogik I Theorie der Informatik 4. Prädikatenlogik I 4.1 Motivation Malte Helmert Gabriele Röger 4.2 Syntax der Prädikatenlogik Universität Basel 3. März
Mehr1.1 Motivation. Theorie der Informatik. Theorie der Informatik. 1.1 Motivation. 1.2 Syntax. 1.3 Semantik. 1.4 Formeleigenschaften. 1.
Theorie der Informatik 19. Februar 2014 1. Aussagenlogik I Theorie der Informatik 1. Aussagenlogik I Malte Helmert Gabriele Röger Universität Basel 19. Februar 2014 1.1 Motivation 1.2 Syntax 1.3 Semantik
MehrLogics for Multiagent Systems
Logics for Multiagent Systems Andreas Hofmeister, Heiner Schmidt 1 Motivation Bisher wurde in dem Seminar erklärt, wie man einzelne Agenten und Systeme von (kooperierenden) Agenten entwirft und implementiert.
MehrInferenzmethoden. Einheit 16. Modallogiken. 1. Syntax & Semantik 2. Erweiterung des Extensionsverfahrens
Inferenzmethoden Einheit 16 Modallogiken 1. Syntax & Semantik 2. Erweiterung des Extensionsverfahrens Modallogiken Erweiterung der Prädikatenlogik um Modalitäten Modellierung von Schlußfolgerungen, die
MehrProbeklausur Mathematische Logik
Lehr- und Forschungsgebiet Mathematische Grundlagen der Informatik RWTH Aachen Prof. Dr. E. Grädel SS 2017 Probeklausur Mathematische Logik Aufgabe 1 (a) (i) Sei τ = {R} für ein zweistelliges Relationssymbol
MehrTHEORETISCHE INFORMATIK UND LOGIK
Rückblick: Logelei Wir kehren zurück auf das Inselreich mit Menschen von Typ W (Wahrheitssager) und Typ L (Lügner). THEORETISCHE INFORMATIK UND LOGIK 14. Vorlesung: Modelltheorie und logisches Schließen
MehrTHEORETISCHE INFORMATIK UND LOGIK
THEORETISCHE INFORMATIK UND LOGIK 14. Vorlesung: Modelltheorie und logisches Schließen Markus Krötzsch Lehrstuhl Wissensbasierte Systeme TU Dresden, 31. Mai 2017 Rückblick: Logelei Wir kehren zurück auf
MehrVorsemesterkurs Informatik
Vorsemesterkurs Informatik Vorsemesterkurs Informatik Mario Holldack WS2015/16 30. September 2015 Vorsemesterkurs Informatik 1 Einleitung 2 Aussagenlogik 3 Mengen Vorsemesterkurs Informatik > Einleitung
MehrVorsemesterkurs Informatik
Vorsemesterkurs Informatik Ronja Düffel WS2018/19 01. Oktober 2018 Theoretische Informatik Wieso, weshalb, warum??!? 1 Modellieren und Formalisieren von Problemen und Lösungen 2 Verifikation (Beweis der
MehrKapitel 1.5. Ein adäquater Kalkül der Aussagenlogik. Teil 1: Kalküle und Beweisbarkeit und die Korrektheit des Shoenfield-Kalküls
Kapitel 1.5 Ein adäquater Kalkül der Aussagenlogik Teil 1: Kalküle und Beweisbarkeit und die Korrektheit des Shoenfield-Kalküls Mathematische Logik (WS 2012/13) Kapitel 1.5: Kalküle 1/30 Syntaktischer
MehrSS Juli Übungen zur Vorlesung Logik Blatt 11
SS 2011 06. Juli 2011 Übungen zur Vorlesung Logik Blatt 11 Prof. Dr. Klaus Madlener Abgabe bis 13. Juli 2011 10:00 Uhr 1. Aufgabe: [Axiomatisierung, Übung] 1. Definieren Sie eine Formel A n der Prädikatenlogik
MehrAussagenlogik. Übersicht: 1 Teil 1: Syntax und Semantik. 2 Teil 2: Modellierung und Beweise. Aussagenlogik H. Kleine Büning 1/25
Aussagenlogik Übersicht: 1 Teil 1: Syntax und Semantik 2 Teil 2: Modellierung und Beweise Aussagenlogik H. Kleine Büning 1/25 Einführendes Beispiel Falls Lisa Peter trifft, dann trifft Lisa auch Gregor.
MehrFormale Methoden 2 (Lehrstuhl I Logik in der Informatik)
Formale Methoden 2 Gaetano Geck (Lehrstuhl I Logik in der Informatik) Blatt 3 Beispiellösung WS 2015/16 Aufgabe 1 [Wiederholung: Relationen] 3 Punkte Begründe jeden deiner Lösungsvorschläge. a) Wir definieren
MehrSemantik der Prädikatenlogik
Theoretische Informatik: Logik, M. Lange, FB16, Uni Kassel: 4.3 Prädikatenlogik Semantik 131 Semantik der Prädikatenlogik zur Erinnerung: Semantik der Aussagenlogik gegeben durch Interpretation I : V {0,
MehrAbschnitt 3: Mathematische Grundlagen
Abschnitt 3: Mathematische Grundlagen 3. Mathematische Grundlagen 3.1 3.2 Boolsche Algebra 3.3 Induktion und Rekursion Peer Kröger (LMU München) Einführung in die Programmierung WS 16/17 46 / 708 Überblick
MehrLogik für Informatiker
Logik für Informatiker 2. Aussagenlogik Teil 1 25.04.2017 Viorica Sofronie-Stokkermans Universität Koblenz-Landau e-mail: sofronie@uni-koblenz.de 1 Bis jetzt Grundlegende Beweisstrategien Induktion über
MehrThe Epistemics of Presupposition Projection. Präsuppositionsauslöser
Präsuppositionen in DEL Inhalt The Epistemics of Presupposition Projection Jan van Eijck (CWI, Amsterdam) Jan.van.Eijck@cwi.nl & Christina Unger (UiL-OTS, Utrecht) Christina.Unger@let.uu.nl 1 Hintergrund
MehrDiskrete Mathematik. Sebastian Iwanowski FH Wedel. Kapitel 2: Mengenlehre
Referenzen zum Nacharbeiten: Diskrete Mathematik Sebastian Iwanowski FH Wedel Kapitel 2: Mengenlehre Lang 3 Meinel 2, 4, 5, 10.2-10.4 (zur Vertiefung: Meinel 10.5-10.8 und Beutelspacher 10) Dean 2, 5-7
MehrLogik. Gabriele Kern-Isberner LS 1 Information Engineering. TU Dortmund Wintersemester 2014/15 WS 2014/15
Logik Gabriele Kern-Isberner LS 1 Information Engineering TU Dortmund Wintersemester 2014/15 WS 2014/15 G. Kern-Isberner (TU Dortmund) Logik WS 2014/15 1 / 125 Übersicht Modallogik 5. Grundlagen 6. Erfüllbarkeit
MehrWas bisher geschah Klassische Aussagenlogik zur Modellierung von Aussagen Syntax: Formeln
Was bisher geschah Klassische Aussagenlogik zur Modellierung von Aussagen Syntax: Formeln induktive Definition der Menge AL(P) (Baumstruktur) strukturelle Induktion (Funktionen, Nachweise) syntaktische
MehrTheorie der Informatik
Theorie der Informatik 1. Aussagenlogik I Malte Helmert Gabriele Röger Universität Basel 19. Februar 2014 Motivation Aufgabe von letzter Vorlesungsstunde Worin besteht das Geheimnis Ihres langen Lebens?
Mehr1 Aussagenlogik. 1.1 Aussagen. 15 ist eine Primzahl. 3 < 8 x < 15 (hängt von x ab, keine Aussage) Aussage = Behauptung Beispiele: Es regnet.
Grundlagen der Mathematik für Informatiker 1 1 Aussagenlogik 1.1 Aussagen Aussage = Behauptung Beispiele: Es regnet. Die Straße ist naß. 15 ist eine Primzahl. 3 < 8 x < 15 (hängt von x ab, keine Aussage)
MehrModallogik (aussagenlogisch)
Modallogik (aussagenlogisch) Zur Formulierung und Repräsentation von Aussagen, die über die Aussagenlogik hinausgehen. Meist modale Einschränkung Bald wird es regnen Möglicherweise ist die Erde eine Kugel.
MehrJeder Aussage p kann ein Wahrheitswert W(p) {0, 1} zugeordnet werden. Beispiele: W(Es regnet.) =? (je nach Lage der Dinge) W(Die Straße ist naß.) =?
Grundlagen der Mathematik für Informatiker 1 Grundlagen der Mathematik für Informatiker 2 1 Aussagenlogik 1.1 Aussagen Aussage = Behauptung Beispiele: Es regnet. Die Straße ist naß. 15 ist eine Primzahl.
Mehr1 Aussagenlogik. 1.1 Aussagen. 15 ist eine Primzahl. 3 < 8 x < 15 (hängt von x ab, keine Aussage) Aussage = Behauptung Beispiele: Es regnet.
Grundlagen der Mathematik für Informatiker 1 1 Aussagenlogik 1.1 Aussagen Aussage = Behauptung Beispiele: Es regnet. Die Straße ist naß. 15 ist eine Primzahl. 3 < 8 x < 15 (hängt von x ab, keine Aussage)
MehrBeispiel Aussagenlogik nach Schöning: Logik...
Beispiel Aussagenlogik nach Schöning: Logik... Worin besteht das Geheimnis Ihres langen Lebens? wurde ein 100-jähriger gefragt. Ich halte mich streng an die Diätregeln: Wenn ich kein Bier zu einer Mahlzeit
MehrInformatik Vorkurs: Etwas Mathematik. Werner Struckmann WS 2014/2015
Informatik Vorkurs: Etwas Mathematik Werner Struckmann WS 2014/2015 Etwas Mathematik: Was machen wir? 1. Aussagen, Logik 2. Mengen, Relationen, Funktionen 3. Zahlenmengen, Rechnen 4. Beweise 5. Dualzahlen:
Mehr4. Alternative Temporallogiken
4. Alternative Temporallogiken Benutzung unterschiedlicher Temporallogiken entsprechend den verschiedenen Zeitbegriffen LTL: Linear Time Logic Ähnlich der CTL, aber jetzt einem linearen Zeitbegriff entspechend
MehrLogik für Informatiker
Vorlesung Logik für Informatiker 5. Aussagenlogik Normalformen Bernhard Beckert Universität Koblenz-Landau Sommersemester 2006 Logik für Informatiker, SS 06 p.1 Normalformen Definition: Literal Atom (aussagenlogische
MehrMengen. (Nicht-) Elemente einer Menge { 3, 4 } { 1, { 2 }, { 3, 4 }, { 5 } } 3 { 1, { 2 }, { 3, 4 }, { 5 } }
Mengen Definition (Intuitive Mengenlehre) Eine Menge ist die Zusammenfassung von Elementen unserer Anschauung zu einem wohldefinierten Ganzen. (Georg Cantor) Notation 1. Aufzählung aller Elemente: { 1,
MehrLogische Grundlagen der Mathematik, WS 2014/15
Logische Grundlagen der Mathematik, WS 2014/15 Thomas Timmermann 26. November 2014 Was kommt nach den natürlichen Zahlen? Mehr als die natürlichen Zahlen braucht man nicht, um einige der schwierigsten
MehrMengen. Eigenschaften. Spezielle Mengen (1) Prominente Mengen. ! Mengenzugehörigkeit
Mengen! Definition (Intuitive Mengenlehre) Eine Menge ist die Zusammenfassung von Elementen unserer Anschauung zu einem wohldefinierten Ganzen. (Georg Cantor)! Notation 1. Aufzählung aller Elemente: {
MehrLogic in a Nutshell. Christian Liguda
Logic in a Nutshell Christian Liguda Quelle: Kastens, Uwe und Büning, Hans K., Modellierung: Grundlagen und formale Methoden, 2009, Carl Hanser Verlag Übersicht Logik - Allgemein Aussagenlogik Modellierung
MehrWas bisher geschah. Klassische Prädikatenlogik (der ersten Stufe): Syntax Modellierungsbeispiele
Was bisher geschah Klassische Aussagenlogik zur Modellierung von Aussagen Syntax: induktive Definition der Menge AL(P) (Baumstruktur) strukturelle Induktion (Funktionen, Nachweise) Semantik: Belegungen
MehrTheorie der Informatik. Theorie der Informatik. 2.1 Äquivalenzen. 2.2 Vereinfachte Schreibweise. 2.3 Normalformen. 2.
Theorie der Informatik 24. Februar 2014 2. Aussagenlogik II Theorie der Informatik 2. Aussagenlogik II 2.1 Äquivalenzen Malte Helmert Gabriele Röger 2.2 Vereinfachte Schreibweise Universität Basel 24.
MehrAbschnitt 3: Mathematische Grundlagen
Abschnitt 3: Mathematische Grundlagen 3. Mathematische Grundlagen 3.1 3.2 Induktion und Rekursion 3.3 Boolsche Algebra Peer Kröger (LMU München) Einführung in die Programmierung WS 14/15 48 / 155 Überblick
MehrGrundlagen Theoretischer Informatik I SoSe 2011 in Trier. Henning Fernau Universität Trier
Grundlagen Theoretischer Informatik I SoSe 2011 in Trier Henning Fernau Universität Trier fernau@uni-trier.de 1 Grundlagen Theoretischer Informatik I Gesamtübersicht Organisatorisches; Einführung Logik
MehrProbeklausur Mathematische Logik
Lehr- und Forschungsgebiet Mathematische Grundlagen der Informatik RWTH Aachen Prof. Dr. E. Grädel SS 2015 Probeklausur Mathematische Logik Aufgabe 1 (a) (i) Seien R, zweistellige Relationssymbole. Ist
MehrKapitel 1.1. Aussagenlogik: Syntax. Mathematische Logik (WS 2011/12) Kapitel 1.1: Aussagenlogik: Syntax 1/ 1
Kapitel 1.1 Aussagenlogik: Syntax Mathematische Logik (WS 2011/12) Kapitel 1.1: Aussagenlogik: Syntax 1/ 1 Übersicht 1.1.1 Die Sprache der Aussagenlogik 1.1.2 Explizite vs. implizite Definitionen 1.1.3
MehrDiskrete Mathematik. Sebastian Iwanowski FH Wedel. Kapitel 2: Mengenlehre. Referenzen zum Nacharbeiten:
DM2 Slide 1 Diskrete Mathematik Sebastian Iwanowski FH Wedel Kapitel 2: Mengenlehre Referenzen zum Nacharbeiten: Lang 3 Meinel 2, 4, 5, 10.2-10.4 (zur Vertiefung: Meinel 10.5-10.8 und Beutelspacher 10)
MehrFormale Logik. PD Dr. Markus Junker Abteilung für Mathematische Logik Universität Freiburg. Wintersemester 16/17 Sitzung vom 14.
Formale Logik PD Dr. Markus Junker Abteilung für Mathematische Logik Universität Freiburg Wintersemester 16/17 Sitzung vom 14. Dezember 2016 Die formale Sprache der Prädikatenlogik: Zeichen Benutzt werden
MehrWas bisher geschah: klassische Aussagenlogik
Was bisher geschah: klassische Aussagenlogik Syntax Symbole und Struktur Junktoren: t, f (nullstellig), (einstellig),,,, (zweistellig) aussagenlogische Formeln AL(P) induktive Definition: IA atomare Formeln
MehrAufgabe. Gelten die folgenden Äquivalenzen?. 2/??
Äquivalenz Zwei Formeln F und G heißen (semantisch) äquivalent, falls für alle Belegungen A, die sowohl für F als auch für G passend sind, gilt A(F ) = A(G). Hierfür schreiben wir F G.. 1/?? Aufgabe Gelten
MehrFormale Methoden II. Gerhard Jäger. SS 2008 Universität Bielefeld. Teil 1, 16. April Formale Methoden II p.1/30
Formale Methoden II SS 2008 Universität Bielefeld Teil 1, 16. April 2008 Gerhard Jäger Formale Methoden II p.1/30 Sätze und Aussagen (1) Schon wieder Verona Feldbusch! (2) Hat die Vorlesung schon angefangen?
MehrAbschnitt 3: Mathematische Grundlagen
Abschnitt 3: Mathematische Grundlagen 3. Mathematische Grundlagen 3.1 Mengen und Abbildungen 3.2 Induktion und Rekursion 3.3 Ausdrücke 3 Mathematische Grundlagen Einf. Progr. (WS 08/09) 102 Überblick 3.
MehrAussagenlogik. Übersicht: 1 Teil 1: Syntax und Semantik. 2 Teil 2: Modellierung und Beweise. Aussagenlogik H. Kleine Büning 1/37
Aussagenlogik Übersicht: 1 Teil 1: Syntax und Semantik 2 Teil 2: Modellierung und Beweise Aussagenlogik H. Kleine Büning 1/37 Modellierungsaufgabe Es gibt drei Tauben und zwei Löcher. Jede Taube soll in
Mehr2 Lösungen zu Kapitel 2
2 Lösungen zu Kapitel 2 2. Lösung. Die Funktion f ist nicht injektiv. So gibt es (unendlich) viele Paare (x, y) mit f(x, y) = 0, etwa (0, 0) und (/2, ). Die Funktion f ist surjektiv. Zum Beispiel gilt
MehrMathematische Grundlagen der Computerlinguistik
Centrum für Informations- und Sprachverarbeitung (CIS) 10. Juni 2014 Table of Contents 1 2 Äquivalenz Der Begriff der Äquivalenz verallgemeinert den Begriff der Gleichheit. Er beinhaltet in einem zu präzisierenden
MehrTheorie der Informatik. Theorie der Informatik. 6.1 Einführung. 6.2 Alphabete und formale Sprachen. 6.3 Grammatiken. 6.4 Chomsky-Hierarchie
Theorie der Informatik 17. März 2014 6. Formale Sprachen und Grammatiken Theorie der Informatik 6. Formale Sprachen und Grammatiken Malte Helmert Gabriele Röger Universität Basel 17. März 2014 6.1 Einführung
MehrEinführung in die Theoretische Informatik
Einführung in die Theoretische Informatik Woche 4 Harald Zankl Institut für Informatik @ UIBK Wintersemester 2014/2015 Zusammenfassung Zusammenfassung der letzten LV Modus Ponens A B B A MP Axiome für
MehrVorkurs Mathematik und Informatik Mengen, natürliche Zahlen, Induktion
Vorkurs Mathematik und Informatik Mengen, natürliche Zahlen, Induktion Saskia Klaus 07.10.016 1 Motivation In den ersten beiden Vorträgen des Vorkurses haben wir gesehen, wie man aus schon bekannten Wahrheiten
MehrLogik I. Symbole, Terme, Formeln
Logik I Symbole, Terme, Formeln Wie jede geschriebene Sprache basiert die Prädikatenlogik erster Stufe auf einem Alphabet, welches aus den folgenden Symbolen besteht: (a) Variabeln wie zum Beispiel v 0,v
MehrSatz 1.18 (Kompaktheitssatz der Aussagenlogik)
Satz 1.18 (Kompaktheitssatz der Aussagenlogik) Σ F ist erfüllbar genau dann, wenn jede endliche Teilmenge von Σ erfüllbar ist. Σ F ist unerfüllbar genau dann, wenn es eine unerfüllbare endliche Teilmenge
MehrKapitel 1.2. Aussagenlogik: Semantik. Mathematische Logik (WS 2011/12) Kapitel 1.2: Aussagenlogik: Semantik 1 / 57
Kapitel 1.2 Aussagenlogik: Semantik Mathematische Logik (WS 2011/12) Kapitel 1.2: Aussagenlogik: Semantik 1 / 57 Übersicht 1.2.1 Interpretationen der al. Formeln 1.2.2 Zentrale semantische Begriffe 1.2.3
MehrKapitel 1. Grundlagen Mengen
Kapitel 1. Grundlagen 1.1. Mengen Georg Cantor 1895 Eine Menge ist die Zusammenfassung bestimmter, wohlunterschiedener Objekte unserer Anschauung oder unseres Denkens, wobei von jedem dieser Objekte eindeutig
MehrTutorium: Diskrete Mathematik
Tutorium: Diskrete Mathematik Vorbereitung der Bonusklausur am 24.11.2016 (Teil 2) 23. November 2016 Steven Köhler mathe@stevenkoehler.de mathe.stevenkoehler.de 2 c 2016 Steven Köhler 23. November 2016
Mehr3. Grundlegende Begriffe von Logiken - Aussagenlogik
3. Grundlegende Begriffe von Logiken - Aussagenlogik Wichtige Konzepte und Begriffe in Logiken: Syntax (Signatur, Term, Formel,... ): Festlegung, welche syntaktischen Gebilde als Formeln (Aussagen, Sätze,
MehrKapitel 1. Grundlagen
Kapitel 1. Grundlagen 1.1. Mengen Georg Cantor 1895 Eine Menge ist die Zusammenfassung bestimmter, wohlunterschiedener Objekte unserer Anschauung oder unseres Denkens, wobei von jedem dieser Objekte eindeutig
MehrDiskrete Strukturen. Sebastian Thomas RWTH Aachen https://www2.math.rwth-aachen.de/ds17/ Mathematische Logik
Diskrete Strukturen Sebastian Thomas RWTH Aachen https://www2.math.rwth-aachen.de/ds17/ Mathematische Logik Aussagen Begriff Aussage: Ausdruck, welcher entweder wahr oder falsch ist e Die RWTH Aachen hat
MehrEin und derselbe Satz kann in Bezug auf unterschiedliche Situationen s 1. und s 2 unterschiedliche Wahrheitswerte haben.
2 Aussagenlogik () 2.3 Semantik von [ Gamut 4-58, Partee 7-4 ] Ein und derselbe Satz kann in Bezug auf unterschiedliche Situationen s und s 2 unterschiedliche Wahrheitswerte haben. Beispiel: Es regnet.
MehrTHEORETISCHE INFORMATIK UND LOGIK
Prädikatenlogik als Universalsprache Die Entwicklung der Logik hat ein zentrales Motiv: Logik als eine universelle, präzise Sprache THEORETISCHE INFORMATIK UND LOGIK 15. Vorlesung: Logisches Schließen
Mehr1. Einführung in Temporallogik CTL
1. Einführung in Temporallogik CTL Temporallogik dient dazu, Aussagen über Abläufe über die Zeit auszudrücken und zu beweisen. Zeit wird in den hier zunächst behandelten Logiken als diskret angenommen
MehrLogik Vorlesung 2: Semantik der Aussagenlogik
Logik Vorlesung 2: Semantik der Aussagenlogik Andreas Maletti 24. Oktober 2014 Überblick Inhalt 1 Motivation und mathematische Grundlagen 2 Aussagenlogik Syntax und Semantik Äquivalenz und Normalformen
MehrKapitel 2. Mathematische Grundlagen. Skript zur Vorlesung Einführung in die Programmierung
LUDWIG- MAXIMILIANS- UNIVERSITY MUNICH DEPARTMENT INSTITUTE FOR INFORMATICS DATABASE Kapitel 2 Mathematische Grundlagen Skript zur Vorlesung Einführung in die Programmierung im Wintersemester 2012/13 Ludwig-Maximilians-Universität
MehrLogik Vorlesung 2: Semantik der Aussagenlogik
Logik Vorlesung 2: Semantik der Aussagenlogik Andreas Maletti 24. Oktober 2014 Überblick Inhalt 1 Motivation und mathematische Grundlagen 2 Aussagenlogik Syntax und Semantik Äquivalenz und Normalformen
MehrKapitel 1. Grundlagen
Kapitel 1. Grundlagen 1.1. Mengen Georg Cantor 1895 Eine Menge ist die Zusammenfassung bestimmter, wohlunterschiedener Objekte unserer Anschauung oder unseres Denkens, wobei von jedem dieser Objekte eindeutig
Mehr1 Aussagenlogischer Kalkül
1 Aussagenlogischer Kalkül Ein Kalkül in der Aussagenlogik soll die Wahrheit oder Algemeingültigkeit von Aussageformen allein auf syntaktischer Ebene zeigen. Die Wahrheit soll durch Umformung von Formeln
MehrEinführung in die Logik
Einführung in die Logik Klaus Madlener und Roland Meyer 24. April 2013 Inhaltsverzeichnis 1 Aussagenlogik 1 1.1 Syntax................................. 1 1.2 Semantik............................... 3 1.3
MehrFormale Methoden 1. Gerhard Jäger 14. November Uni Bielefeld, WS 2007/2008 1/17
1/17 Formale Methoden 1 Gerhard Jäger Gerhard.Jaeger@uni-bielefeld.de Uni Bielefeld, WS 2007/2008 14. November 2007 2/17 Komposition von Relationen und Funktionen seien R A B und S B C Relationen neue
MehrVorlesung Diskrete Strukturen Relationen
Vorlesung Diskrete Strukturen Relationen Bernhard Ganter WS 2009/10 Relationen Es seien A und B Mengen. Eine (binäre) Relation zwischen A und B ist eine Teilmenge von A B. Ein wichtiger Spezialfall ist
MehrGliederung. Mengen und operationen. Relationen. Funktionen. Kardinalität von Mengen. Formale Grundlagen der Informatik Knorr/Fuchs SS 2000
Gliederung Mengen und operationen Relationen Funktionen Kardinalität von Mengen Mengen, Relationen, Funktionen 1 Mengen Definition (Naive Mengenlehre) Eine Menge ist die Zusammenfassung von Elementen unserer
MehrWas bisher geschah: klassische Aussagenlogik
Was bisher geschah: klassische Aussagenlogik Syntax Symbole und Struktur Junktoren: t, f,,,,, aussagenlogische Formeln AL(P) induktive Definition: IA Atome (Aussagenvariablen) p, q, r,... P IS zusammengesetzte
MehrLogik für Informatiker
Logik für Informatiker 2. Aussagenlogik Teil 4 7.05.2012 Viorica Sofronie-Stokkermans Universität Koblenz-Landau e-mail: sofronie@uni-koblenz.de 1 Bis jetzt Syntax der Aussagenlogik: Definition der Menge
Mehr2 Mengen, Abbildungen und Relationen
Vorlesung WS 08 09 Analysis 1 Dr. Siegfried Echterhoff 2 Mengen, Abbildungen und Relationen Definition 2.1 (Mengen von Cantor, 1845 1918) Eine Menge M ist eine Zusammenfassung von wohlbestimmten und wohl
MehrErfüllbarkeit von Formelmengen
Theoretische Informatik: Logik, M. Lange, FB16, Uni Kassel: 3.6 Aussagenlogik Kompaktheit 75 Erfüllbarkeit von Formelmengen bisher nur Erfüllbarkeit einzelner Formeln betrachtet erweitere Begriff auf Mengen
MehrVor(schau)kurs für Studienanfänger Mathematik: Aussagen und Mengen
Vor(schau)kurs für Studienanfänger Mathematik: Aussagen und Mengen 09.10.2014 Herzlich Willkommen zum 2. Teil des Vorschaukurses für Mathematik! Organisatorisches Der Vorkurs besteht aus sechs Blöcken
MehrLogische Grundlagen der Mathematik, WS 2014/15
Logische Grundlagen der Mathematik, WS 0/ Thomas Timmermann 8. Januar 0 Kardinalzahlen und die Mächtigkeit von Mengen Gleichmächtigkeit von Menge Zur Erinnerung: Wir wollen unendlich große Mengen hinsichtlich
Mehr2.3 Deduktiver Aufbau der Aussagenlogik
2.3 Deduktiver Aufbau der Aussagenlogik Dieser Abschnitt beschäftigt sich mit einem axiomatischen Aufbau der Aussagenlogik mittels eines Deduktiven Systems oder eines Kalküls. Eine syntaktisch korrekte
Mehr- Theorie der uninterpretierten
Theorie der uninterpretierten Funktionen Entscheidungsverfahren mit Anwendungen in der Softwareverifikation STEPHAN FALKE INSTITUT FÜR THEORETISCHE INFORMATIK (ITI) 0 KIT 13. Universität Mai 2013 des S.
MehrLogik für Informatiker
Logik für Informatiker Wintersemester 2007/08 Thomas Schwentick Teil C: Nichtklassische Logiken 9. Temporallogiken Version von: 4. Februar 2008(11:55) Inhalt 9.1 Vorüberlegungen 9.2 Lineare Zeit: LTL 9.3
Mehrf(1, 1) = 1, f(x, y) = 0 sonst üblicherweise Konjunktion, manchmal auch
Belegungen, Wahrheitsfunktionen 1. Wie viele binäre Funktionen gibt es auf der Menge {0, 1} (d.h., Funktionen von {0, 1} 2 nach {0, 1})? Geben Sie alle diese Funktionen an, und finden Sie sinnvolle Namen
MehrLogik für Informatiker
Logik für Informatiker 2. Aussagenlogik Teil 3 06.05.2012 Viorica Sofronie-Stokkermans Universität Koblenz-Landau e-mail: sofronie@uni-koblenz.de 1 Bis jetzt Syntax (Formeln) Semantik Wertebelegungen/Valuationen/Modelle
MehrVorlesung Diskrete Strukturen Relationen
Vorlesung Diskrete Strukturen Relationen Bernhard Ganter Institut für Algebra TU Dresden D-01062 Dresden bernhard.ganter@tu-dresden.de WS 2009/10 1 Bernhard Ganter, TU Dresden Modul Einführung in die Mathematik
MehrFormalisierung von Sudoku Formalisieren Sie das Sudoku-Problem:
Formalisierung von Sudoku Formalisieren Sie das Sudoku-Problem: 4 4 4 4 4 1 1 1 1 2 2 3 3 5 5 5 5 5 5 6 6 6 7 7 8 8 9 9 9 9 9 8 6 Verwenden Sie dazu eine atomare Formel A[n, x, y] für jedes Tripel (n,
MehrÜbersichtsblatt Hertrampf/Bahrdt. 1 Mathematische Aussagen. Theoretische Informatik I WS2018/19
Theoretische Informatik I WS2018/19 Übersichtsblatt Hertrampf/Bahrdt Institut für Formale Methoden der Informatik Theoretische Informatik Universität Stuttgart 1 Mathematische Aussagen Um mathematische
MehrFormale Logik. PD Dr. Markus Junker Abteilung für Mathematische Logik Universität Freiburg. Wintersemester 16/17 Sitzung vom 8.
Formale Logik PD Dr. Markus Junker Abteilung für Mathematische Logik Universität Freiburg Wintersemester 16/17 Sitzung vom 8. Februar 2017 Modallogik: Aussagen über Formeln Es gibt verschiedene modallogische
MehrWerkzeuggestützte Softwareprüfungen: Model Checking I - CTL. Vortrag von Florian Heyer
Werkzeuggestützte Softwareprüfungen: Vortrag von Florian Heyer Gliederung Wiederholung Einführung CTL im Detail Anwendungsbeispiele Abschluss 2 Model Checking (Wiederholung) Überprüfung einer Systembeschreibung
MehrModal Logik. Arne Usadel. January 21, Hochschule Ravensburg-Weingarten
Was ist und Einfuehrung Hochschule Ravensburg-Weingarten January 21, 2007 Was ist und Einfuehrung Inhaltsverzeichnis 1 Was ist und Einfuehrung 2 3 Modaloperatoren und Negation Disjunktion und Konjunktion
Mehr