Methoden der KI in der Biomedizin Logische Agenten 2
|
|
- Kurt Boer
- vor 6 Jahren
- Abrufe
Transkript
1 ethoden der KI in der iomedizin ogische genten 2 Karl D. Fritscher
2 Übersicht Wissensbasierte genten Wumpus Welt ogik allgemein ussagenlogik Syntax, Semantik Äquivalenz, llgemeingültigkeit und Erfüllbarkeit Inferenzschemata in der ussagenlogik Vorwärtsverkettung Rückwärtsverkettung Resolution genten basierend auf ussagenlogik
3 ogische Äquivalenz Zwei Sätze sind genau dann logisch (semantisch) äquivalent, wenn Sie in der selben odellmenge wahr sind. α β genau dann, wenn α β und β α Kommutativität von Kommutativität von ssoziativität von ssoziativität von Eliminierung der doppelten Negation Kontraposition Implikationseliminierung ikonditionaleliminierung de organ de organ Distributivität von über Distributivität von über
4 llgemeingültigkeit und Erfüllbarkeit 1) Ein Satz ist (allgemein)gültig, wenn er in allen odellen wahr (true) ist z.. true,,, ( ( Q)) Q 2) (llgemein)gültigkeit steht zu Inferenz über das Deduktionstheorem in eziehung K α genau, dann wenn (K α) (allgemein)gültig ist 3) Ein Satz ist erfüllbar, wenn er in mindestens einem odell wahr ist z..: Q, R 4) Ein Satz ist unerfüllbar, wenn er in keinem odell wahr ist z..: α ist genau dann unerfüllbar, wenn α allgemeingültig ist 5) Erfüllbarkeit steht zu Inferenz folgendermaßen in eziehung K α genau, dann wenn (K α) unerfüllbar ist (eweis d. Widerspruch)
5 eweismethoden eweismethoden können grob in zwei rten eingeteilt werden: 1) odell-checking - Wahrheitstabelle auflisten (Zeitkomplexität immer exponentiell in n) 2) nwendung von Inferenzregeln: - Korrektes Erzeugen neuer Sätze von alten wahren Sätzen - eweis ist eine Sequenz von nwendungen von Inferenzregeln (an kann Inferenzregeln als Operatoren in Standardsuchalgorithmen verwenden) - enötigt üblicherweise die Transformation von Sätzen in eine Normalform
6 Inferenzregeln odus onens: α β, α β Wenn Sätze der Form α β und α vorgegeben sind, kann β geschlossen werden. z wenn (Wumpushead Wumpuslive) shootund (Wumpushead Wumpuslive) gegeben sind kann shoot geschlossen werden Und-Eliminierung: α β α us einer Konjunktion kann jedes der Konjunkte geschlossen werden eispiel: us (Wumpuslive Wumpushead) kann Wumpuslive geschlossen werden lle logischen Äquivalenzen können als Inferenzregel verwendet werden: α β (α β) (β α) z.. ikonditionalelimierung: und (α β) (β α) α β
7 Inferenz: Wumpus-Welt eispiel Sätze der Wumpus-Welt Wissensbasis K: R1: 1,1 R2: 1,1 1,2 2,1 R3: 2,1 1,1 2,1 3,1 R4: 1,1 R5: 2,1 Wie beweisen wir, dass 1,2? R6: (1,1 (1,2 2,1)) ((1,2 v 2,1) 1,1 ) (ikonditional-elimin. auf R2) R7: (1,2 2,1 ) 1,1 (Und-Eliminierung) R8: ( 1,1 (1,2 2,1)) (Kontraposition) R9: (1,2 2,1) (odus onens auf R8 und R4) R10: 1,2 2,1 (de organ) Weder 1,2 noch 2,1 enthalten eine Falltür
8 Grundlegende nmerkungen Die obige bleitung wird als eweis bezeichnet. Die Suche nach eweisen kann als Ermittlung von ösungen für ein Suchproblem gesehen werden. Die Suche nach eweisen ist eine lternative zur uflistung von odellen Die Suche kann von der anfänglichen Wissensbasis aus vorwärts erfolgen um den Zielsatz abzuleiten oder vom Zielsatz rückwärts (mehr dazu später) Jeder bekannte Inferenzalgorithmus für die ussagenlogik, hat I SCHECHTESTEN Fall eine Zeitkomplexität, die exponentiell zur Eingabegröße ist.
9 Vollständige Inferenz isher gezeigt: Korrektheit der Inferenzregeln Frage: Vollständigkeit von Inferenzalgorithmen? roblem: Suchalgorithmen, wie die iterativ vertiefende Suche ist vollständig in der Hinsicht, dass Sie jedes erreichbare Ziel erreicht. Wenn die verfügbaren Inferenzregeln allerdings ungeeignet sind, ist das Ziel nicht erreichbar (z hätte ein Weglassen der Regel für die ikonditional-eliminierung im letzten eispiel, dazu geführt, dass der eweis nicht erbracht hätte werden können) ösung: Die Inferenzregel Resolution ergibt einen vollständigen Inferenzalgorithmus, wenn sie mit einem beliebigen vollständigen Suchalgorithmus kombiniert wird. Um die Resolution anwenden zu können brauchen wir die sog. konjunktive Normalform
10 Konjunktive Normalform Jeder Satz der ussagenlogik ist logisch äquivalent mit einer Konjunktion von Disjunktionen von iteralen. Ein Satz, der als Konjunktion von Disjunktionen von iteralen ausgedrückt wird, befindet sind in konjunktiver Normalform (KNF) Satz : =D 1 D 2 D n = i=1..n D i mit Disjunktionen D = 1 2 m = i=1..m i Es kann gezeigt werden, dass jeder Satz in einen KNF-Satz umgewandelt werden kann, der eine äquivalente odellmenge besitzt.
11 Resolution Wenn ein Satz in konjunktiver Normalform (KNF) angegeben ist, dann gilt folgende Resolutionsregel (für KNF): wobei li und mj komplementäre iterale sind. z..:
12 eere Klausel Die leere Klausel - eine Disjunktion ohne Disjunkte - ist äquivalent mit false, weil eine Disjunktion nur dann wahr ist, wenn mindestens eines ihrer Disjunkte wahr ist. Eine andere öglichkeit zu erkennen, dass eine leere Klausel einen Widerspruch darstellt, ist die eobachtung, dass sie nur aus der Resolution von zwei komplementären Einheitsklauseln wie etwa α und α entstehen kann. α = KI ist toll R 1 = α R 2 = α
13 Resolutionsalgorithmus eweis durch Widerspruch, d.h. zeige dass K α unerfüllbar ist (K α genau, dann wenn (K α) unerfüllbar ist) eweis ist erbracht wenn einer der folgende Fall eintritt: die Resolutionsregel leitet die leere Klausel ab (dh α ist aus K folgerbar) Der eweis kann nicht erbracht werden wenn eintritt: Es gibt keine neue Klauseln (dh α ist aus K nicht folgerbar)
14 Resolution eispiel
15 Resolution eispiel
16 Vollständige Inferenz mit Resolution Die Resolution ist widerlegungsvollständig, d.h. die Resolution kann immer verwendet werden, um einen Satz zu bestätigen oder zu widerlegen, aber sie kann nicht verwendet werden, um wahre Sätze aufzulisten. Das Vollständigkeitstheorem für die Resolution wird als Resolutionstheorem bezeichnet: Genau dann, wenn eine enge von Klauseln S nicht erfüllbar ist, enthält der Resolutionsschluss RC(S) dieser Klauseln die leere Klausel. Definition Resolutionsschluss RC(S): enge aller duch nwendung der Resolutionsregel auf S erzeugten Klauseln.
17 Vorwärts- und Rückwärtsverkettung Die Vollständigkeit der Resolution macht sie zu einer wichtigen Inferenzmethode. In vielen praktischen Situationen braucht man nicht die ganze eistungsfähigkeit der Resolution. Wissensbasen aus der realen Welt enthalten oft nur eingeschränkte Klauseln, so genannte Horn-Klauseln. Eine Horn-Klausel ist eine Disjunktion von iteralen, von denen höchstens eines positiv ist (=definit (bestimmte) Klausel). eispiel für Horn Klauseln: ( 1,1 reeze 1,1 ) 1,1 gibt die osition des genten an (hier: nicht auf dem Klauselrumpf Quadrat [1,1]) Klauselkopf
18 Horn-Klauseln Drei wichtige Gründe für die Verwendung von Horn-Klauseln 1. Jede Horn-Klausel kann als Implikation geschrieben werden, deren rämisse eine Konjunktion positiver iterale und deren Schluss ein einziges positives iteral ist. eispiel: Die Horn-Klausel 1,1 reeze 1, kann als Implikation (1,1 reeze) 1,1 geschrieben werden. ls Implikation ist der Satz einfacher zu lesen: Wenn ein gent sich auf Quadrat [1,1] befindet und dort ein uftzug zu spüren ist, dann ist [1,1] windig.
19 Horn-Klauseln 2. Inferenz mit Horn-Klauseln kann mit Hilfe von lgorithmen zur Vorwärtsund Rückwärtsverkettung erfolgen, die nachfolgend erklärt werden. Inferenzschritte sind offensichtlich und leicht nachzuvollziehen. 3. Die logische Konsequenz mit Horn-Klauseln kann in einer Zeit ermittelt werden, die linear zur Größe der Wissensbasis ist.
20 Vorwärtsverkettung Idee: Eliminiere jede Regel, deren rämissen in der K erfüllt sind, füge ihre Konsequenz der K hinzu, bis die nfrage gefunden wurde. Vorwärtsverkettung ist korrekt und vollständig für Horn-K.
21 Vorwärtsverkettung eispiel K kann als Und-Oder-Graph dargestellt werden: Konjunktionen werden als Kanten mit ogen dargestellt, Disjunktionen als Kanten ohne ogen
22 Vorwärtsverkettung: eispiel und seien bekannte Fakten Q Zahl unbekannter rämissen
23 Vorwärtsverkettung: eispiel Q
24 Vorwärtsverkettung: eispiel Q
25 Vorwärtsverkettung: eispiel Q
26 Vorwärtsverkettung: eispiel Q
27 Vorwärtsverkettung: eispiel Q
28 Vorwärtsverkettung: eispiel Q
29 Vorwärtsverkettung: eispiel Q
30 Vorwärtsverkettung: lgorithmus Count: Für jede Implikation die Zahl noch unbekannter rämissen genda: ls wahr bekannte, noch nicht verarbeitete Symbole
31 Rückwärtsverkettung Idee: Von nfrage q aus rückwärts arbeiten. eweise q durch Rückwärtsverkettung: rüfe, ob q schon bekannt ist, oder Suche die Implikationen in der K, die q ergeben und beweise durch Rückwärtsverkettung alle rämissen einer dieser Implikationen, aus der q folgt
32 Rückwärtsverkettung eispiel Q
33 Rückwärtsverkettung Q
34 Rückwärtsverkettung Q
35 Rückwärtsverkettung Q
36 Rückwärtsverkettung Q
37 Rückwärtsverkettung Q
38 Rückwärtsverkettung Q
39 Rückwärtsverkettung Q
40 Rückwärtsverkettung Q
41 Rückwärtsverkettung Q
42 Vorwärts- vs. Rückwärtsverkettung Vorwärtsverkettung und Rückwärtsverkettung sind vollständig korrekt Vorwärtsverkettung ist datengetrieben (=ausgehend von bekanten Fakten (rämissen)), Unter Umständen wird viel ufwand in irrelevante Teilziele gesteckt (Komplexität immer linear zur Größe der K) Rückwärtsverkettung ist zielorientiert, angemessen für roblemlösen: Z.. Wo sind meine Schlüssel?, Wie bring ich KI am schnellsten hinter mich? Komplexität der Rückwärtsverkettung kann durch Optimierungen erheblich kleiner sein als linear zur Größe der K: Vermeide Schleifen: rüfe, ob neues Teilziel bereits auf Ziel Stack ist. Vermeide unnötige rbeit: rüfe, ob neues Teilziel 1. schon als wahr erkannt wurde, oder 2. dieser Versuch fehlgeschlagen ist.
43 genten auf asis der ussagenlogik eispiel Wumpus-Welt: gent beginnt mit einer Wissensbasis die die hysik der Welt beschreibt Startfeld: 1,1,, W1,1 Für jedes weitere Feld: x,y (x,y+1 x,y-1 x+1,y x-1,y) (uftzug) Sx,y (Wx,y+1 Wx,y-1 Wx+1,y Wx-1,y) (Gestank) Wumpus: W1,1 W1,2 W4,4 (es gibt mindestens einen Wumpus) W1,1 W1,2 (es gibt höchstens einen Wumpus) 64 Symbole, 155 Sätze
44 genten auf asis der ussagenlogik lgorithums: Wahrnehmungen werden der Wissensbasis mitgeteilt uswahl welche Randquadrate (=Quadrate neben bereits besuchten Quadraten) als nächstes besucht werden: Ein Quadrat [i,j] ist sicher wenn ( i,j Wi,j) aus der K folgerbar ist. Ein Quadrat [i,j] ist möglicherweise sicher wenn (i,j Wi,j) aus der K nicht folgerbar ist Zeilen in der Wahrheitstabelle (=1.8E19)
45 Grenzen der ussagenlogik Für einen ausschließlich aussagenlogischen genten müssen auch Symbole für die osition des genten wie x,y eingeführt werden. Für jeden Zeitschritt t und osition x,y benötigen wir Sätze wie x,y FacingRight t Forward t x+1,y FacingRight t Turneft t FacingUp t+1 Wir erhalten auch mit einer Obergrenze von vielleicht 100 Zeitschritten Zehntausende Sätze, welche ab einer 100 x 100 Welt die Kapazität derzeitiger Rechner sprengt ussagenlogik ist ausreichend effizient für bestimmte ufgaben innerhalb eines genten, kann jedoch nicht auf Umgebungen unbegrenzter Größe ausgewertet werden. Einfache Formulierung im Rahmen der rädikatenlogik möglich!
Übung 4: Aussagenlogik II
Übung 4: Aussagenlogik II Diskrete Strukturen im Wintersemester 2013/2014 Markus Kaiser 8. Januar 2014 1/10 Äquivalenzregeln Identität F true F Dominanz F true true Idempotenz F F F Doppelte Negation F
MehrTU5 Aussagenlogik II
TU5 Aussagenlogik II Daniela Andrade daniela.andrade@tum.de 21.11.2016 1 / 21 Kleine Anmerkung Meine Folien basieren auf den DS Trainer von Carlos Camino, den ihr auf www.carlos-camino.de/ds findet ;)
MehrLogik für Informatiker
Logik für Informatiker 2. Aussagenlogik Teil 6 14.05.2012 Viorica Sofronie-Stokkermans Universität Koblenz-Landau e-mail: sofronie@uni-koblenz.de 1 Bis jetzt Syntax der Aussagenlogik: Definition der Menge
MehrI. Aussagenlogik. Aussagenlogik untersucht Verknüpfungen wie "und", "oder", "nicht", "wenn... dann" zwischen atomaren und komplexen Sätzen.
I. Aussagenlogik 2.1 Syntax Aussagenlogik untersucht Verknüpfungen wie "und", "oder", "nicht", "wenn... dann" zwischen atomaren und komplexen Sätzen. Sätze selbst sind entweder wahr oder falsch. Ansonsten
MehrSyntax der Aussagenlogik. Vorlesung Logik Sommersemester 2012 Universität Duisburg-Essen. Formel als Syntaxbaum. Teilformel A 3 A 1 A 4
Syntax der Vorlesung Logik Sommersemester 2012 Universität Duisburg-Essen Barbara König Übungsleitung: Christoph Blume Eine atomare Formel hat die Form A i (wobei i = 1, 2, 3,...). Definition (Formel)
MehrFakultät für Informatik Universität Magdeburg Jürgen Dassow. Vorbemerkungen
Vorbemerkungen if (x > y) z = x; else z = y; Wenn es blaue Tiger regnet, dann fressen alle Kirschbäume schwarze Tomaten. q(1) = 1, q(i) = q(i 1) + 2i 1 für i 2 Welchen Wert hat q(6)? 24 ist durch 2 teilbar.
MehrAussagenlogische Kalküle
Aussagenlogische Kalküle Ziel: mit Hilfe von schematischen Regeln sollen alle aus einer Formel logisch folgerbaren Formeln durch (prinzipiell syntaktische) Umformungen abgeleitet werden können. Derartige
MehrResolutionsalgorithmus
112 Resolutionskalkül Mit dem Begriff Kalkül bezeichnet man eine Menge von syntaktischen Umformungsregeln, mit denen man semantische Eigenschaften der Eingabeformel herleiten kann. Für den Resolutionskalkül:
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,
MehrAlgorithmen für OBDD s. 1. Reduziere 2. Boole sche Operationen
Algorithmen für OBDD s 1. Reduziere 2. Boole sche Operationen 1 1. Reduziere siehe auch M.Huth und M.Ryan: Logic in Computer Science - Modelling and Reasoning about Systems, Cambridge Univ.Press, 2000
MehrErsetzbarkeitstheorem
Ersetzbarkeitstheorem Die Abgeschlossenheit läßt sich auch folgendermaßen formulieren: Ersetzbarkeitstheorem Seien F und G Formeln mit F G. SeienH und H Formeln, so daß H aus H hervorgeht, indem ein Vorkommen
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
MehrVorlesung Logik Wintersemester 2012/13 Universität Duisburg-Essen
Vorlesung Logik Wintersemester 2012/13 Universität Duisburg-Essen Barbara König Übungsleitung: Christoph Blume & Dr. Sander Bruggink Barbara König Logik 1 (Motivation) Wir benötigen Algorithmen für Erfüllbarkeitstests,
MehrLogik, Mengen und Abbildungen
Kapitel 1 Logik, Mengen und bbildungen Josef Leydold Mathematik für VW WS 2016/17 1 Logik, Mengen und bbildungen 1 / 26 ussage Um Mathematik betreiben zu können, sind ein paar Grundkenntnisse der mathematischen
MehrDiskrete Strukturen Kapitel 2: Grundlagen (Beweise)
WS 2014/15 Diskrete Strukturen Kapitel 2: Grundlagen (Beweise) Hans-Joachim Bungartz Lehrstuhl für wissenschaftliches Rechnen Fakultät für Informatik Technische Universität München http://www5.in.tum.de/wiki/index.php/diskrete_strukturen_-_winter_14
MehrAussagenlogik. Aussagen und Aussagenverknüpfungen
Aussagenlogik Aussagen und Aussagenverknüpfungen Aussagen sind Sätze, von denen sich sinnvollerweise sagen läßt, sie seien wahr oder falsch. Jede Aussage besitzt also einen von zwei möglichen Wahrheitswerten,
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
MehrHilbert-Kalkül (Einführung)
Hilbert-Kalkül (Einführung) Es gibt viele verschiedene Kalküle, mit denen sich durch syntaktische Umformungen zeigen läßt, ob eine Formel gültig bzw. unerfüllbar ist. Zwei Gruppen von Kalkülen: Kalküle
MehrVorkurs Mathematik für Informatiker Aussagenlogik -- Thomas Huckle Stefan Zimmer Matous Sedlacek,
Vorkurs Mathematik für Informatiker -- 4 ussagenlogik -- Thomas Huckle Stefan Zimmer Matous Sedlacek, 7..2 ussagenlogik Rechnen mit Wahrheitswerten: oder, oder Objekte, die wir untersuchen, sind jetzt
MehrFormale Methoden 2. Gaetano Geck Lehrstuhl I Logik in der Informatik WS 2014/2015
Formale Methoden 2 Gaetano Geck Lehrstuhl I Logik in der Informatik WS 2014/2015 Teil 3: Logik 1 Aussagenlogik Einleitung Eigenschaften Äquivalenz Folgerung Normalformen 2 Prädikatenlogik Wenn eine Karte
MehrÜbersicht. 9. Schließen in der Prädikatenlogik 1. Stufe
Übersicht I Künstliche Intelligenz II Problemlösen III Wissen und Schlußfolgern 6. Logisch schließende Agenten 7. Prädikatenlogik 1. Stufe 8. Entwicklung einer Wissensbasis 9. Schließen in der Prädikatenlogik
MehrAussagenlogik Prädikatenlogik erster Stufe. Logik. Logik
Grundzeichen Aussagenlogik Aussagenvariablen P, Q, R,... Junktoren nicht und oder Runde Klammern (, ) Formeln Aussagenlogik Formeln sind spezielle Zeichenreihen aus Grundzeichen, und zwar 1 Jede Aussagenvariable
MehrKapitel 1.3. Normalformen aussagenlogischer Formeln und die Darstellbarkeit Boolescher Funktionen durch aussagenlogische Formeln
Kapitel 1.3 Normalformen aussagenlogischer Formeln und die Darstellbarkeit Boolescher Funktionen durch aussagenlogische Formeln Mathematische Logik (WS 2011/12) Kapitel 1.3: Normalformen 1/ 29 Übersicht
MehrAussagenlogische Widerlegungsverfahren zum Nachweis logischer Eigenschaften und Beziehungen
Einführung in die Logik - 4 Aussagenlogische Widerlegungsverfahren zum Nachweis logischer Eigenschaften und Beziehungen Widerlegungsverfahren zum Aufwärmen: Bestimmung von Tautologien mittels Quick Falsification
MehrVorsemesterkurs Informatik
Vorsemesterkurs Informatik Vorsemesterkurs Informatik Mario Holldack WS2015/16 30. September 2015 Vorsemesterkurs Informatik 1 Einleitung 2 Aussagenlogik 3 Mengen Vorsemesterkurs Informatik > Einleitung
MehrKapitel 1.0. Aussagenlogik: Einführung. Mathematische Logik (WS 2011/12) Kapitel 1.0: Aussagenlogik: Einführung 1/ 1
Kapitel 1.0 Aussagenlogik: Einführung Mathematische Logik (WS 2011/12) Kapitel 1.0: Aussagenlogik: Einführung 1/ 1 Ziele der Aussagenlogik In der Aussagenlogik analysiert man die Wahrheitswerte zusammengesetzter
MehrMathematik-Vorkurs für Informatiker Aussagenlogik 1
Christian Eisentraut & Julia Krämer www.vorkurs-mathematik-informatik.de Mathematik-Vorkurs für Informatiker Aussagenlogik 1 Aufgabe 1. (Wiederholung wichtiger Begriffe) Notieren Sie die Definitionen der
MehrGrundlagen der Künstlichen Intelligenz
Grundlagen der Künstlichen Intelligenz 27. Aussagenlogik: Logisches Schliessen und Resolution Malte Helmert Universität Basel 28. April 2014 Aussagenlogik: Überblick Kapitelüberblick Aussagenlogik: 26.
MehrEiniges zu Resolutionen anhand der Aufgaben 6 und 7
Einiges zu Resolutionen anhand der Aufgaben 6 und 7 Es gibt eine Fülle von verschiedenen Resolutionen. Die bis jetzt behandelten möchte ich hier noch ein Mal kurz erläutern. Ferner möchte ich noch auf
MehrMathematik für Techniker
Siegfried Völkel u.a. Mathematik für Techniker 7., neu bearbeitete und erweiterte uflage 16 1 Rechenoperationen Prinzip der Mengenbildung Wenn eine ussageform für die Objekte eines Grundbereichs vorliegt,
Mehr3.0 VU Formale Modellierung
3.0 VU Formale Modellierung Gernot Salzer 11.10.2011 1 Organisatorisches Verschiebung der Vorlesung: Vorlesung am Dienstag, 18.10.2011, 13:00 16:00, entfällt. Ersatz: Mittwoch, 19.10.2011, 15:00 18:00,
MehrLogik (Teschl/Teschl 1.1 und 1.3)
Logik (Teschl/Teschl 1.1 und 1.3) Eine Aussage ist ein Satz, von dem man eindeutig entscheiden kann, ob er wahr (true, = 1) oder falsch (false, = 0) ist. Beispiele a: 1 + 1 = 2 b: Darmstadt liegt in Bayern.
MehrNormalformen der Prädikatenlogik
Normalformen der Prädikatenlogik prädikatenlogische Ausdrücke können in äquivalente Ausdrücke umgeformt werden Beispiel "X (mensch(x) Æ sterblich(x)) "X (ÿ mensch(x) sterblich(x)) "X (ÿ (mensch(x) Ÿ ÿ
MehrInformatik I WS 07/08 Tutorium 24
Info I Tutorium 24 Informatik I WS 07/08 Tutorium 24 3.2.07 astian Molkenthin E-Mail: infotut@sunshine2k.de Web: http://infotut.sunshine2k.de Organisatorisches / Review is zum 2.2 müssen alle Praxisaufgaben
MehrGrundlagen der Kognitiven Informatik
Grundlagen der Kognitiven Informatik Wissensrepräsentation und Logik Ute Schmid Kognitive Systeme, Angewandte Informatik, Universität Bamberg letzte Änderung: 14. Dezember 2010 U. Schmid (CogSys) KogInf-Logik
MehrVorlesung: Künstliche Intelligenz
Vorlesung Fachbereich Mathematik/Informatik AG Vorlesung: - Logisches Schließen - P LS ES Marco Block-Berlitz 1 Vorlesung Fachbereich Mathematik/Informatik AG Inhaltliche Planung für die Vorlesung 1) Definition
MehrMathematik-Vorkurs für Informatiker Aussagenlogik 1
Christian Eisentraut & Julia Krämer www.vorkurs-mathematik-informatik.de Mathematik-Vorkurs für Informatiker Aussagenlogik 1 Aufgabe 1. (Wiederholung wichtiger Begriffe) Kategorie 1 Notieren Sie die Definitionen
MehrGrundlagen der Theoretischen Informatik
FH Wedel Prof. Dr. Sebastian Iwanowski GTI22 Folie 1 Grundlagen der Theoretischen Informatik Sebastian Iwanowski FH Wedel Kap. 2: Logik, Teil 2.2: Prädikatenlogik FH Wedel Prof. Dr. Sebastian Iwanowski
MehrTeil 7. Grundlagen Logik
Teil 7 Grundlagen Logik Was ist Logik? etymologische Herkunft: griechisch bedeutet Wort, Rede, Lehre (s.a. Faust I ) Logik als Argumentation: Alle Menschen sind sterblich. Sokrates ist ein Mensch. Also
MehrEinführung in die Logik. Sommersemester Juli 2010 Institut für Theoretische Informatik
Einführung in die Logik Jiří Adámek Sommersemester 2010 14. Juli 2010 Institut für Theoretische Informatik Inhaltsverzeichnis 1 Einleitung: Logische Systeme 4 I Aussagenlogik 6 2 Aussagenlogik 7 2.i Syntax
MehrEinführung in die Mathematik (Vorkurs 1 )
Einführung in die Mathematik (Vorkurs 1 ) Wintersemester 2008/09 Dr. J. Jordan Institut für Mathematik Universität Würzburg Germany 1 Modulbezeichnung 10-M-VKM 1 Inhaltsverzeichnis 1 Aussagen und Beweise
MehrTheoretische Grundlagen des Software Engineering
Theoretische Grundlagen des Software Engineering 7: Einführung Aussagenlogik schulz@eprover.org Logisches Schließen 2 gold +1000, 1 per step, Beispiel: Jage den Wumpus Performance measure death 1000 10
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,
MehrInformationsverarbeitung auf Bitebene
Informationsverarbeitung auf Bitebene Dr. Christian Herta 5. November 2005 Einführung in die Informatik - Informationsverarbeitung auf Bitebene Dr. Christian Herta Grundlagen der Informationverarbeitung
MehrLogik Teil 1: Aussagenlogik
Aussagenlogik Aussagenlogik behandelt die logische Verknüpfung von Aussagen mittels Junktoren wie und, oder, nicht, gdw. Logik Teil : Aussagenlogik Jeder Aussage ist ein Wahrheitswert (wahr/falsch) zugeordnet
Mehr1 Einführung Aussagenlogik
1 Einführung Aussagenlogik Denition 1. Eine Aussage ist ein Aussagesatz, der entweder wahr oder falsch ist. Welche der folgenden Sätze ist eine Aussage? 3+4=7 2*3=9 Angela Merkel ist Kanzlerin Stillgestanden!
MehrLogik Teil 1: Aussagenlogik. Vorlesung im Wintersemester 2010
Logik Teil 1: Aussagenlogik Vorlesung im Wintersemester 21 Aussagenlogik Aussagenlogik behandelt die logische Verknüpfung von Aussagen mittels Junktoren wie und, oder, nicht, gdw. Jeder Aussage ist ein
MehrAlgorithmen für Hornlogik
Prof. Dr. Heribert Vollmer Institut für Theoretische Informatik Lebniz Universität Hannover Jing Liu Algorithmen für Hornlogik Studienarbeit 2010 1 Einleitung Die Aussagenlogik ist der Bereich der Logik,
MehrSchlussregeln aus anderen Kalkülen
Was bisher geschah Klassische Aussagenlogik: Syntax Semantik semantische Äquivalenz und Folgern syntaktisches Ableiten (Resolution) Modellierung in Aussagenlogik: Wissensrepräsentation, Schaltungslogik,
MehrZusammenfassung des Stoffes zur Vorlesung Formale Systeme
Zusammenfassung des Stoffes zur Vorlesung Formale Systeme Max Kramer 13. Februar 2009 Diese Zusammenfassung entstand als persönliche Vorbereitung auf die Klausur zur Vorlesung Formale Systeme von Prof.
MehrWas bisher geschah. Aufgaben: Diagnose, Entscheidungsunterstützung Aufbau Komponenten und Funktion
Was bisher geschah Daten, Information, Wissen explizites und implizites Wissen Wissensrepräsentation und -verarbeitung: Wissensbasis Kontextwissen Problemdarstellung fallspezifisches Wissen repräsentiert
MehrMathematische Logik. Grundlagen, Aussagenlogik, Semantische Äquivalenz. Felix Hensel. February 21, 2012
Mathematische Logik Grundlagen, Aussagenlogik, Semantische Äquivalenz Felix Hensel February 21, 2012 Dies ist im Wesentlichen eine Zusammenfassung der Abschnitte 1.1-1.3 aus Wolfgang Rautenberg s Buch
MehrInformatik A (Autor: Max Willert)
2. Aufgabenblatt Wintersemester 2012/2013 - Musterlösung Informatik A (Autor: Max Willert) 1. Logik im Alltag (a) Restaurant A wirbt mit dem Slogan Gutes Essen ist nicht billig!, das danebenliegende Restaurant
MehrLogische und funktionale Programmierung
Logische und funktionale Programmierung Vorlesung 2: Prädikatenkalkül erster Stufe Babeş-Bolyai Universität, Department für Informatik, Cluj-Napoca csacarea@cs.ubbcluj.ro 14. Oktober 2016 1/38 DIE INTERPRETATION
MehrLogik-Grundlagen. Syntax der Prädikatenlogik
Logik-Grundlagen X 1 :...: X k : ( A 1 A 2... A m B 1 B 2... B n ) Logische und funktionale Programmierung - Universität Potsdam - M. Thomas - Prädikatenlogik III.1 Syntax der Prädikatenlogik Prädikat:
MehrMathematik für Informatiker I
Mathematik für Informatiker I Mitschrift zur Vorlesung vom 19.10.2004 In diesem Kurs geht es um Mathematik und um Informatik. Es gibt sehr verschiedene Definitionen, aber für mich ist Mathematik die Wissenschaft
MehrGrundlagen der Informationverarbeitung
Grundlagen der Informationverarbeitung Information wird im Computer binär repräsentiert. Die binär dargestellten Daten sollen im Computer verarbeitet werden, d.h. es müssen Rechnerschaltungen existieren,
MehrRechnerstrukturen. Michael Engel und Peter Marwedel WS 2013/14. TU Dortmund, Fakultät für Informatik
Rechnerstrukturen Michael Engel und Peter Marwedel TU Dortmund, Fakultät für Informatik WS 2013/14 Folien a. d. Basis von Materialien von Gernot Fink und Thomas Jansen 21. Oktober 2013 1/33 1 Boolesche
MehrFuzzy Logic & Control
Λογος ist..., wenn man trotzdem denkt. Prof. Dr.-Ing. Doris Danziger Prof. Dr. rer. nat. Nikolaus Wulff Agenda Klassische Mengen Regelbasierte Systeme Mehrwertige Logiken und Fuzzy Logik Fuzzy Mengen,
MehrAlgorithmen und Datenstrukturen
Algorithmen und Datenstrukturen Große Übung #2 Phillip Keldenich, Arne Schmidt 10.11.2016 Organisatorisches Fragen? Checkliste: Anmeldung kleine Übungen Anmeldung Mailingliste Dies ersetzt nicht die Prüfungsanmeldung!
MehrGrundlagen der Theoretischen Informatik - Sommersemester 2012. Übungsblatt 1: Lösungsvorschläge
Lehrstuhl für Softwaretechnik und Programmiersprachen Professor Dr. Michael Leuschel Grundlagen der Theoretischen Informatik - Sommersemester 2012 Übungsblatt 1: Lösungsvorschläge Disclaimer: Bei Folgendem
Mehrmathe plus Aussagenlogik Seite 1
mathe plus Aussagenlogik Seite 1 1 Aussagenlogik 1.1 Grundbegriffe Def 1 Aussage Eine Aussage ist ein beschriebener Sachverhalt, dem eindeutig einer der Wahrheitswerte entweder wahr oder falsch zugeordnet
MehrIntelligente Systeme
Intelligente Systeme Regeln, Inferenz, Logiken Prof. Dr. R. Kruse C. Braune C. Moewes {kruse,cmoewes,russ}@iws.cs.uni-magdeburg.de Institut für Wissens- und Sprachverarbeitung Fakultät für Informatik Otto-von-Guericke
MehrNormalformen boolescher Funktionen
Normalformen boolescher Funktionen Jeder boolesche Ausdruck kann durch (äquivalente) Umformungen in gewisse Normalformen gebracht werden! Disjunktive Normalform (DNF) und Vollkonjunktion: Eine Vollkonjunktion
Mehr23.1 Constraint-Netze
Grundlagen der Künstlichen Intelligenz 1. April 2015 2. Constraint-Satisfaction-Probleme: Constraint-Netze Grundlagen der Künstlichen Intelligenz 2. Constraint-Satisfaction-Probleme: Constraint-Netze Malte
MehrTeil 1: Digitale Logik
Teil 1: Digitale Logik Inhalt: Boolesche Algebra kombinatorische Logik sequentielle Logik kurzer Exkurs technologische Grundlagen programmierbare logische Bausteine 1 Analoge und digitale Hardware bei
MehrKlausur zur Vorlesung Mathematische Logik
Universität Heidelberg 13. Februar 2014 Institut für Informatik Prof. Dr. Klaus Ambos-Spies Dipl.-Math. Thorsten Kräling Klausur zur Vorlesung Mathematische Logik Musterlösung Aufgabe 1 (Aussagenlogik
MehrEntscheidungsverfahren für Bernays/Schönfinkelbzw. Datenlogik-Formeln
Vorlesung Letz WS 2002/2003 TU München: Logikbasierte Entscheidungsverfahren Entscheidungsverfahren für Bernays/Schönfinkelbzw. Datenlogik-Formeln INHALTE Die Bernays-Schönfinkel-Klasse bzw. Datenlogik-Formeln
MehrMethoden der KI in der Biomedizin Logische Agenten 1
Methoden der KI in der Biomedizin Logische Agenten 1 Karl D. Fritscher Organisatorisches Voraussetzungen: Lehrstoff zu den Themengebieten: a. Einführung in die KI, Expertensysteme b. Problemlösung durch
MehrBoolesche Algebra. Hans Joachim Oberle. Vorlesung an der TUHH im Wintersemester 2006/07 Montags, 9:45-11:15 Uhr, 14täglich TUHH, DE 22, Audimax 2
Universität Hamburg Department Mathematik Boolesche Algebra Hans Joachim Oberle Vorlesung an der TUHH im Wintersemester 2006/07 Montags, 9:45-11:15 Uhr, 14täglich TUHH, DE 22, Audimax 2 http://www.math.uni-hamburg.de/home/oberle/vorlesungen.html
MehrWeitere Beweistechniken und aussagenlogische Modellierung
Weitere Beweistechniken und aussagenlogische Modellierung Vorlesung Logik in der Informatik, HU Berlin 2. Übungsstunde Aussagenlogische Modellierung Die Mensa versucht ständig, ihr Angebot an die Wünsche
MehrLogik für Informatiker
Logik für Informatiker 2. Aussagenlogik Teil 3 30.04.2012 Viorica Sofronie-Stokkermans Universität Koblenz-Landau e-mail: sofronie@uni-koblenz.de 1 Letztes Mal Aussagenlogik Syntax: welche Formeln? Semantik:
MehrKleiner Ausflug in Logik und Verkehrssteuerung
Kleiner usflug in Logik und Verkehrssteuerung Ein logisches Rätsel usgangslage: Drei Frauen stehen hintereinander. Jede trägt einen Hut auf dem Kopf und sieht nur die Hüte der voran stehenden Personen.
MehrZusammenfassung der Vorlesung. Mathematische Logik. Bodo von der Heiden Letzte Aktualisierung: 2. Februar 2005
Zusammenfassung der Vorlesung Mathematische Logik Bodo von der Heiden Letzte Aktualisierung: 2. Februar 2005 Zeitraum der Vorlesung: WS 2004/2005 Professor: Prof. Grädel Diese Zusammenfassung erhebt keinen
MehrBrückenkurs Mathematik
Brückenkurs Mathematik 6.10. - 17.10. Vorlesung 1 Logik,, Doris Bohnet Universität Hamburg - Department Mathematik Mo 6.10.2008 Zeitplan Tagesablauf: 9:15-11:45 Vorlesung Audimax I 13:00-14:30 Übung Übungsräume
MehrEinführung Grundbegriffe
Einführung Grundbegriffe 1.1 Der Modellbegriff Broy: Informatik 1, Springer 1998 (2) Die Modellbildung der Informatik zielt auf die Darstellung der unter dem Gesichtspunkt einer gegebenen Aufgabenstellung
MehrAussagenlogik zu wenig ausdrucksstark für die meisten Anwendungen. notwendig: Existenz- und Allaussagen
Prädikatenlogik 1. Stufe (kurz: PL1) Aussagenlogik zu wenig ausdrucksstark für die meisten Anwendungen notwendig: Existenz- und Allaussagen Beispiel: 54 Syntax der Prädikatenlogik erster Stufe (in der
MehrLogik für Informatiker
Vorlesung Logik für Informatiker 7. Aussagenlogik Analytische Tableaus Bernhard Beckert Universität Koblenz-Landau Sommersemester 2006 Logik für Informatiker, SS 06 p.1 Der aussagenlogische Tableaukalkül
MehrKapitel L:II. II. Aussagenlogik
Kapitel L:II II. Aussagenlogik Syntax der Aussagenlogik Semantik der Aussagenlogik Eigenschaften des Folgerungsbegriffs Äquivalenz Formeltransformation Normalformen Bedeutung der Folgerung Erfüllbarkeitsalgorithmen
MehrPrüfungsprotokoll Kurs 1825 Logik für Informatiker. Studiengang: MSc. Informatik Prüfer: Prof. Dr. Heinemann Termin: Januar 2015
Prüfungsprotokoll Kurs 1825 Logik für Informatiker Studiengang: MSc. Informatik Prüfer: Prof. Dr. Heinemann Termin: Januar 2015 1. Aussagenlogik Alphabet und AS gegeben, wie sind die Aussagenlogischen
Mehrder einzelnen Aussagen den Wahrheitswert der zusammengesetzten Aussage falsch falsch falsch falsch wahr falsch wahr falsch falsch wahr wahr wahr
Kapitel 2 Grundbegriffe der Logik 2.1 Aussagen und deren Verknüpfungen Eine Aussage wie 4711 ist durch 3 teilbar oder 2 ist eine Primzahl, die nur wahr oder falsch sein kann, heißt logische Aussage. Ein
MehrWS 2009/10. Diskrete Strukturen
WS 29/ Diskrete Strukturen Prof. Dr. J. Esparza Lehrstuhl für Grundlagen der Softwarezuverlässigkeit und theoretische Informatik Fakultät für Informatik Technische Universität München http://www7.in.tum.de/um/courses/ds/ws9
MehrKapitel 1.3. Normalformen aussagenlogischer Formeln. Mathematische Logik (WS 2010/11) Kapitel 1.3: Normalformen 1 / 1
Kapitel 1.3 Normalformen aussagenlogischer Formeln Mathematische Logik (WS 2010/11) Kapitel 1.3: Normalformen 1 / 1 Boolesche Formeln, Literale und Klauseln Eine Boolesche Formel ist eine aussagenlogische
MehrTheoretische Informatik SS 03 Übung 11
Theoretische Informatik SS 03 Übung 11 Aufgabe 1 Zeigen Sie, dass es eine einfachere Reduktion (als die in der Vorlesung durchgeführte) von SAT auf 3KNF-SAT gibt, wenn man annimmt, dass die Formel des
MehrReduktionen. Algorithmen und Datenstrukturen Kapitel 6.2 Komplexitätstheorie. Exkurs: Reduktionen allgemein. Reduktionen: Erläuterungen
en Algorithmen und Datenstrukturen Kapitel 6.2 Komplexitätstheorie P, und C Definition () Seien L 1, L 2 {0, 1} zwei Sprachen. Wir sagen, dass L 1 auf L 2 in polynomialer Zeit reduziert wird, wenn eine
MehrFormale Systeme. Aussagenlogik: Sequenzenkalkül. Prof. Dr. Bernhard Beckert WS 2010/2011 KIT INSTITUT FÜR THEORETISCHE INFORMATIK
Formale Systeme Prof. Dr. Bernhard Beckert WS 2010/2011 KIT INSTITUT FÜR THEORETISCHE INFORMATIK KIT University of the State of Baden-Württemberg and National Large-scale Research Center of the Helmholtz
MehrVertiefungskurs Mathematik
Vertiefungskurs Mathematik Anforderungen für das Universitäts-Zertifikat im Schuljahr 01/13 Grundvoraussetzung: Teilnahme am Vertiefungskurs Mathematik in Klasse 11. Inhaltliche Voraussetzungen: Aussagenlogik
Mehr3.0 VU Formale Modellierung
3.0 VU Formale Modellierung Gernot Salzer AB Theoretische Informatik und Logik Institut für Computersprachen 14.10.2014 1 Was Sie letztes Mal hörten 1. Organisatorisches 2. Was bedeutet Modellierung? 3.
MehrElementare Beweismethoden
Elementare Beweismethoden Christian Hensel 404015 Inhaltsverzeichnis Vortrag zum Thema Elementare Beweismethoden im Rahmen des Proseminars Mathematisches Problemlösen 1 Einführung und wichtige Begriffe
MehrVorlesung. Logik und Diskrete Mathematik
Vorlesung Logik und Diskrete Mathematik (Mathematik für Informatiker I) Wintersemester 2008/09 FU Berlin Institut für Informatik Klaus Kriegel 1 Literatur zur Vorlesung: C. Meinel, M. Mundhenk, Mathematische
MehrLogik und Beweise. Logik und Beweise. Vorsemesterkurs SoSe März 2016
Logik und Beweise Logik und Beweise Vorsemesterkurs SoSe16 Ronja Düffel 21. März 2016 Logik und Beweise Wozu Beweise in der Informatik?... um Aussagen wie 1 Das Programm erfüllt die gewünschte Aufgabe.
MehrFormeln. Signatur. aussagenlogische Formeln: Aussagenlogische Signatur
Signatur Formeln Am Beispiel der Aussagenlogik erklären wir schrittweise wichtige Elemente eines logischen Systems. Zunächst benötigt ein logisches System ein Vokabular, d.h. eine Menge von Namen, die
MehrDank. 1 Ableitungsbäume. 2 Umformung von Grammatiken. 3 Normalformen. 4 Pumping-Lemma für kontextfreie Sprachen. 5 Pushdown-Automaten (PDAs)
ank Vorlesung Grundlagen der Theoretischen Informatik / Einführung in die Theoretische Informatik I Bernhard Beckert iese Vorlesungsmaterialien basieren ganz wesentlich auf den Folien zu den Vorlesungen
MehrÜbungsblatt 2 - Lösung
Institut für Theoretische Informatik Lehrstuhl Prof. Dr. D. Wagner Übungsblatt 2 - Lösung Vorlesung Algorithmentechnik im WS 08/09 Ausgabe 04. November 2008 Abgabe 8. November, 5:0 Uhr (im Kasten vor Zimmer
Mehr3.1.1 Die Variante T1 und ein Entscheidungsverfahren für die Aussagenlogik
Deduktionssysteme der Aussagenlogik, Kap. 3: Tableaukalküle 38 3 Tableaukalküle 3.1 Klassische Aussagenlogik 3.1.1 Die Variante T1 und ein Entscheidungsverfahren für die Aussagenlogik Ein zweites Entscheidungsverfahren
MehrMusterlösung zu Übungsblatt 6
Fakultät für Informatik Übungen zu Kognitive Systeme Sommersemster 2016 M. Sperber (matthias.sperber@kit.edu) T. Nguyen (nguyen@kit.edu) S. Speidel (stefanie.speidel@kit.edu) D. Katic (darko.katic@kit.edu)
MehrDefinition (Reguläre Ausdrücke) Sei Σ ein Alphabet, dann gilt: (ii) ε ist ein regulärer Ausdruck über Σ.
Reguläre Ausdrücke Definition (Reguläre Ausdrücke) Sei Σ ein Alphabet, dann gilt: (i) ist ein regulärer Ausdruck über Σ. (ii) ε ist ein regulärer Ausdruck über Σ. (iii) Für jedes a Σ ist a ein regulärer
MehrKonjunktive und disjunktive Normalformen
Konjunktive und disjunktive Normalformen Nachdem gesprochen wurde, wie man Boolesche Terme unter einer Belegung der Variablen interpretiert und dass somit jeder Boolesche Term eine Boolesche Funktion repräsentiert,
MehrKlausur Formale Systeme Fakultät für Informatik 2. Klausur zum WS 2010/2011
Fakultät für Informatik 2. Klausur zum WS 2010/2011 Prof. Dr. Bernhard Beckert 08. April 2011 Vorname: Matrikel-Nr.: Platz: Klausur-ID: **Platz** **Id** Die Bearbeitungszeit beträgt 60 Minuten. A1 (17)
MehrErfüllbarkeit von Horn-Klauseln und Berechnung des kleinsten Herbrand-Modells
Erfüllbarkeit von Horn-Klauseln und Berechnung des kleinsten Herbrand-Modells Effiziente Entscheidung der Erfüllbarkeit von Horn-Klauseln Effiziente Berechnung des kleinsten Herbrand-Modells M P Naive
Mehr