Einführung in die Methoden der Künstlichen Intelligenz. Klausurvorbereitung Überblick, Fragen,...
|
|
- Artur Kästner
- vor 6 Jahren
- Abrufe
Transkript
1 Einführung in die Methoden der Künstlichen Intelligenz Klausurvorbereitung Überblick, Fragen,... PD Dr. David Sabel SoSe 2014 Stand der Folien: 18. Juli 2014
2 Klausur Termin: Donnerstag 31. Juli um 9.15h Ort: Dauer: Magnus-Hörsaal 120 Minuten Keine Hilfsmittel erlaubt! Ausweis mitbringen! D. Sabel KI SoSe 2014 Überblick 2/11
3 Bestehen und Bonus Klausur: Bestehen: Übung: 100 Klausurpunkte ab 50 Punkte 6*50 = 300 Übungspunkte Bonus: min(erworbene Übungspunkte,225) d.h. bei 75% der Übungspunkte schon voller Bonus ab... Punkte Note 4,0 3,7 3,3 3,0 2,7 2,3 2,0 1,7 1,3 1,0 D. Sabel KI SoSe 2014 Überblick 3/11
4 Überblick Suchen und Suchverfahren Suchproblem-Modellierung Initiale Zustände, Nachfolgerfunktion, Zieltest Nicht-informierte Suche (Blind search) Breitensuche, Tiefensuche, Tiefensuche mit Tiefenschranke, Iterative Tiefensuche (Iteratives Vertiefen) Varianten: Mit Sharing / Ohne Sharing Rückwärtsuche und Bidirektionale Suche Informierte Suche / Heuristische Suche Bergsteigen (Hill-climing), Best-first Suche A -Algorithmus D. Sabel KI SoSe 2014 Überblick 4/11
5 Überblick Suchen und Suchverfahren Suchproblem-Modellierung Initiale Zustände, Nachfolgerfunktion, Zieltest Nicht-informierte Suche (Blind search) Breitensuche, Tiefensuche, Tiefensuche mit Tiefenschranke, Iterative Tiefensuche (Iteratives Vertiefen) Varianten: Mit Sharing / Ohne Sharing Rückwärtsuche und Bidirektionale Suche Informierte Suche / Heuristische Suche Bergsteigen (Hill-climing), Best-first Suche A -Algorithmus D. Sabel KI SoSe 2014 Überblick 4/11
6 Überblick Suchen und Suchverfahren Suchproblem-Modellierung Initiale Zustände, Nachfolgerfunktion, Zieltest Nicht-informierte Suche (Blind search) Breitensuche, Tiefensuche, Tiefensuche mit Tiefenschranke, Iterative Tiefensuche (Iteratives Vertiefen) Varianten: Mit Sharing / Ohne Sharing Rückwärtsuche und Bidirektionale Suche Informierte Suche / Heuristische Suche Bergsteigen (Hill-climing), Best-first Suche A -Algorithmus D. Sabel KI SoSe 2014 Überblick 4/11
7 Überblick Suchen und Suchverfahren Suchproblem-Modellierung Initiale Zustände, Nachfolgerfunktion, Zieltest Nicht-informierte Suche (Blind search) Breitensuche, Tiefensuche, Tiefensuche mit Tiefenschranke, Iterative Tiefensuche (Iteratives Vertiefen) Varianten: Mit Sharing / Ohne Sharing Rückwärtsuche und Bidirektionale Suche Informierte Suche / Heuristische Suche Bergsteigen (Hill-climing), Best-first Suche A -Algorithmus D. Sabel KI SoSe 2014 Überblick 4/11
8 Überblick (2) Suchen und Suchverfahren (2) Suche bei Spielen MinMax-Verfahren Alpha-Beta Verfahren (Alpha-Beta Pruning) Varianten: > 2 Spieler, Spiele mit Zufall Evolutionäre Algorithmen Individuuen, Fitness, Genetische Operationen: Mutation, Rekombination D. Sabel KI SoSe 2014 Überblick 5/11
9 Überblick (2) Suchen und Suchverfahren (2) Suche bei Spielen MinMax-Verfahren Alpha-Beta Verfahren (Alpha-Beta Pruning) Varianten: > 2 Spieler, Spiele mit Zufall Evolutionäre Algorithmen Individuuen, Fitness, Genetische Operationen: Mutation, Rekombination D. Sabel KI SoSe 2014 Überblick 5/11
10 Überblick (2) Suchen und Suchverfahren (2) Suche bei Spielen MinMax-Verfahren Alpha-Beta Verfahren (Alpha-Beta Pruning) Varianten: > 2 Spieler, Spiele mit Zufall Evolutionäre Algorithmen Individuuen, Fitness, Genetische Operationen: Mutation, Rekombination D. Sabel KI SoSe 2014 Überblick 5/11
11 Überblick (3) Aussagenlogik Syntax und Semantik der Aussagenlogik Atome, Junktoren, Interpretation, Modelle, Erfüllbarkeit, Falsifizierbarkeit, Allgemeingültigkeit, Widersprüchlichkeit, Komplexität Normalformen Konjunktive NF (Klauselnormalform), Disjunktive NF, Komplexität, schneller CNF-Algorithmus Resolution für Aussagenlogik DPLL-Verfahren Algorithmus, Komplexität Modellierung von Problemen als Aussagenlogische Erfüllbarkeitsprobleme Logeleien, at-most, at-least Formeln, Sudoku,... D. Sabel KI SoSe 2014 Überblick 6/11
12 Überblick (3) Aussagenlogik Syntax und Semantik der Aussagenlogik Atome, Junktoren, Interpretation, Modelle, Erfüllbarkeit, Falsifizierbarkeit, Allgemeingültigkeit, Widersprüchlichkeit, Komplexität Normalformen Konjunktive NF (Klauselnormalform), Disjunktive NF, Komplexität, schneller CNF-Algorithmus Resolution für Aussagenlogik DPLL-Verfahren Algorithmus, Komplexität Modellierung von Problemen als Aussagenlogische Erfüllbarkeitsprobleme Logeleien, at-most, at-least Formeln, Sudoku,... D. Sabel KI SoSe 2014 Überblick 6/11
13 Überblick (3) Aussagenlogik Syntax und Semantik der Aussagenlogik Atome, Junktoren, Interpretation, Modelle, Erfüllbarkeit, Falsifizierbarkeit, Allgemeingültigkeit, Widersprüchlichkeit, Komplexität Normalformen Konjunktive NF (Klauselnormalform), Disjunktive NF, Komplexität, schneller CNF-Algorithmus Resolution für Aussagenlogik DPLL-Verfahren Algorithmus, Komplexität Modellierung von Problemen als Aussagenlogische Erfüllbarkeitsprobleme Logeleien, at-most, at-least Formeln, Sudoku,... D. Sabel KI SoSe 2014 Überblick 6/11
14 Überblick (3) Aussagenlogik Syntax und Semantik der Aussagenlogik Atome, Junktoren, Interpretation, Modelle, Erfüllbarkeit, Falsifizierbarkeit, Allgemeingültigkeit, Widersprüchlichkeit, Komplexität Normalformen Konjunktive NF (Klauselnormalform), Disjunktive NF, Komplexität, schneller CNF-Algorithmus Resolution für Aussagenlogik DPLL-Verfahren Algorithmus, Komplexität Modellierung von Problemen als Aussagenlogische Erfüllbarkeitsprobleme Logeleien, at-most, at-least Formeln, Sudoku,... D. Sabel KI SoSe 2014 Überblick 6/11
15 Überblick (3) Aussagenlogik Syntax und Semantik der Aussagenlogik Atome, Junktoren, Interpretation, Modelle, Erfüllbarkeit, Falsifizierbarkeit, Allgemeingültigkeit, Widersprüchlichkeit, Komplexität Normalformen Konjunktive NF (Klauselnormalform), Disjunktive NF, Komplexität, schneller CNF-Algorithmus Resolution für Aussagenlogik DPLL-Verfahren Algorithmus, Komplexität Modellierung von Problemen als Aussagenlogische Erfüllbarkeitsprobleme Logeleien, at-most, at-least Formeln, Sudoku,... D. Sabel KI SoSe 2014 Überblick 6/11
16 Überblick (3) Aussagenlogik Syntax und Semantik der Aussagenlogik Atome, Junktoren, Interpretation, Modelle, Erfüllbarkeit, Falsifizierbarkeit, Allgemeingültigkeit, Widersprüchlichkeit, Komplexität Normalformen Konjunktive NF (Klauselnormalform), Disjunktive NF, Komplexität, schneller CNF-Algorithmus Resolution für Aussagenlogik DPLL-Verfahren Algorithmus, Komplexität Modellierung von Problemen als Aussagenlogische Erfüllbarkeitsprobleme Logeleien, at-most, at-least Formeln, Sudoku,... D. Sabel KI SoSe 2014 Überblick 6/11
17 Überblick (4) Prädikatenlogik Syntax und Semantik der Prädikatenlogik Berechenbarkeitseigenschaften Normalformen PL 1 -Klauseln, Klauselnormalform, Skolemisierung Allgemeine Resolution für PL 1 Resolution und Faktorisierung mit Unifikation Lineare Resolution inbesondere Hornklauseln, SLD-Resolution D. Sabel KI SoSe 2014 Überblick 7/11
18 Überblick (4) Prädikatenlogik Syntax und Semantik der Prädikatenlogik Berechenbarkeitseigenschaften Normalformen PL 1 -Klauseln, Klauselnormalform, Skolemisierung Allgemeine Resolution für PL 1 Resolution und Faktorisierung mit Unifikation Lineare Resolution inbesondere Hornklauseln, SLD-Resolution D. Sabel KI SoSe 2014 Überblick 7/11
19 Überblick (4) Prädikatenlogik Syntax und Semantik der Prädikatenlogik Berechenbarkeitseigenschaften Normalformen PL 1 -Klauseln, Klauselnormalform, Skolemisierung Allgemeine Resolution für PL 1 Resolution und Faktorisierung mit Unifikation Lineare Resolution inbesondere Hornklauseln, SLD-Resolution D. Sabel KI SoSe 2014 Überblick 7/11
20 Überblick (4) Prädikatenlogik Syntax und Semantik der Prädikatenlogik Berechenbarkeitseigenschaften Normalformen PL 1 -Klauseln, Klauselnormalform, Skolemisierung Allgemeine Resolution für PL 1 Resolution und Faktorisierung mit Unifikation Lineare Resolution inbesondere Hornklauseln, SLD-Resolution D. Sabel KI SoSe 2014 Überblick 7/11
21 Überblick (4) Prädikatenlogik Syntax und Semantik der Prädikatenlogik Berechenbarkeitseigenschaften Normalformen PL 1 -Klauseln, Klauselnormalform, Skolemisierung Allgemeine Resolution für PL 1 Resolution und Faktorisierung mit Unifikation Lineare Resolution inbesondere Hornklauseln, SLD-Resolution D. Sabel KI SoSe 2014 Überblick 7/11
22 Überblick (5) Logisches Programmieren Hornklauselprogramme Definite Klauseln, Prolog-Notation, Logische Notation,... SLD-Resolution Semantik von Hornklauselprogramme... Prolog Einfache Programme, Listenprogrammierung, Cut-Operator und Negation Vergleich: Prolog vs. Hornklauselprogramme Parsen und Sprachverarbeitung in Prolog Definite Clause Grammars (DCGs), Übersetzung in Prolog,... D. Sabel KI SoSe 2014 Überblick 8/11
23 Überblick (5) Logisches Programmieren Hornklauselprogramme Definite Klauseln, Prolog-Notation, Logische Notation,... SLD-Resolution Semantik von Hornklauselprogramme... Prolog Einfache Programme, Listenprogrammierung, Cut-Operator und Negation Vergleich: Prolog vs. Hornklauselprogramme Parsen und Sprachverarbeitung in Prolog Definite Clause Grammars (DCGs), Übersetzung in Prolog,... D. Sabel KI SoSe 2014 Überblick 8/11
24 Überblick (5) Logisches Programmieren Hornklauselprogramme Definite Klauseln, Prolog-Notation, Logische Notation,... SLD-Resolution Semantik von Hornklauselprogramme... Prolog Einfache Programme, Listenprogrammierung, Cut-Operator und Negation Vergleich: Prolog vs. Hornklauselprogramme Parsen und Sprachverarbeitung in Prolog Definite Clause Grammars (DCGs), Übersetzung in Prolog,... D. Sabel KI SoSe 2014 Überblick 8/11
25 Überblick (5) Logisches Programmieren Hornklauselprogramme Definite Klauseln, Prolog-Notation, Logische Notation,... SLD-Resolution Semantik von Hornklauselprogramme... Prolog Einfache Programme, Listenprogrammierung, Cut-Operator und Negation Vergleich: Prolog vs. Hornklauselprogramme Parsen und Sprachverarbeitung in Prolog Definite Clause Grammars (DCGs), Übersetzung in Prolog,... D. Sabel KI SoSe 2014 Überblick 8/11
26 Überblick (5) Logisches Programmieren Hornklauselprogramme Definite Klauseln, Prolog-Notation, Logische Notation,... SLD-Resolution Semantik von Hornklauselprogramme... Prolog Einfache Programme, Listenprogrammierung, Cut-Operator und Negation Vergleich: Prolog vs. Hornklauselprogramme Parsen und Sprachverarbeitung in Prolog Definite Clause Grammars (DCGs), Übersetzung in Prolog,... D. Sabel KI SoSe 2014 Überblick 8/11
27 Überblick (5) Logisches Programmieren Hornklauselprogramme Definite Klauseln, Prolog-Notation, Logische Notation,... SLD-Resolution Semantik von Hornklauselprogramme... Prolog Einfache Programme, Listenprogrammierung, Cut-Operator und Negation Vergleich: Prolog vs. Hornklauselprogramme Parsen und Sprachverarbeitung in Prolog Definite Clause Grammars (DCGs), Übersetzung in Prolog,... D. Sabel KI SoSe 2014 Überblick 8/11
28 Überblick (6) Qualitatives zeitliches Schließen (Allen-Logik) Syntax von Allen-Formeln 13 Basisrelationen, Allensche Constraints, Konjunktive Allen-Constraints Semantik von Allen-Formeln Interpretationen, Erfüllbarkeit, Widersprüchlichkeit,... Allenscher Abschluss Transitivitätsregel, Matrix für die Komposition von Basisrelationen Algorithmen zur Berechnung des Allenschen Abschlusses Unvollständigkeit und Komplexität der Erfüllbarkeit D. Sabel KI SoSe 2014 Überblick 9/11
29 Überblick (6) Qualitatives zeitliches Schließen (Allen-Logik) Syntax von Allen-Formeln 13 Basisrelationen, Allensche Constraints, Konjunktive Allen-Constraints Semantik von Allen-Formeln Interpretationen, Erfüllbarkeit, Widersprüchlichkeit,... Allenscher Abschluss Transitivitätsregel, Matrix für die Komposition von Basisrelationen Algorithmen zur Berechnung des Allenschen Abschlusses Unvollständigkeit und Komplexität der Erfüllbarkeit D. Sabel KI SoSe 2014 Überblick 9/11
30 Überblick (6) Qualitatives zeitliches Schließen (Allen-Logik) Syntax von Allen-Formeln 13 Basisrelationen, Allensche Constraints, Konjunktive Allen-Constraints Semantik von Allen-Formeln Interpretationen, Erfüllbarkeit, Widersprüchlichkeit,... Allenscher Abschluss Transitivitätsregel, Matrix für die Komposition von Basisrelationen Algorithmen zur Berechnung des Allenschen Abschlusses Unvollständigkeit und Komplexität der Erfüllbarkeit D. Sabel KI SoSe 2014 Überblick 9/11
31 Überblick (6) Qualitatives zeitliches Schließen (Allen-Logik) Syntax von Allen-Formeln 13 Basisrelationen, Allensche Constraints, Konjunktive Allen-Constraints Semantik von Allen-Formeln Interpretationen, Erfüllbarkeit, Widersprüchlichkeit,... Allenscher Abschluss Transitivitätsregel, Matrix für die Komposition von Basisrelationen Algorithmen zur Berechnung des Allenschen Abschlusses Unvollständigkeit und Komplexität der Erfüllbarkeit D. Sabel KI SoSe 2014 Überblick 9/11
32 Überblick (6) Qualitatives zeitliches Schließen (Allen-Logik) Syntax von Allen-Formeln 13 Basisrelationen, Allensche Constraints, Konjunktive Allen-Constraints Semantik von Allen-Formeln Interpretationen, Erfüllbarkeit, Widersprüchlichkeit,... Allenscher Abschluss Transitivitätsregel, Matrix für die Komposition von Basisrelationen Algorithmen zur Berechnung des Allenschen Abschlusses Unvollständigkeit und Komplexität der Erfüllbarkeit D. Sabel KI SoSe 2014 Überblick 9/11
33 Überblick (6) Qualitatives zeitliches Schließen (Allen-Logik) Syntax von Allen-Formeln 13 Basisrelationen, Allensche Constraints, Konjunktive Allen-Constraints Semantik von Allen-Formeln Interpretationen, Erfüllbarkeit, Widersprüchlichkeit,... Allenscher Abschluss Transitivitätsregel, Matrix für die Komposition von Basisrelationen Algorithmen zur Berechnung des Allenschen Abschlusses Unvollständigkeit und Komplexität der Erfüllbarkeit D. Sabel KI SoSe 2014 Überblick 9/11
34 Überblick (7) Maschinelles Lernen Einführung Einordnung von Lernverfahren, Maßzahlen, Entropie Entscheidungsbaumlernen ID3-Verfahren, C4.5 Verfahren Versionenraum-Lernverfahren D. Sabel KI SoSe 2014 Überblick 10/11
35 Überblick (7) Maschinelles Lernen Einführung Einordnung von Lernverfahren, Maßzahlen, Entropie Entscheidungsbaumlernen ID3-Verfahren, C4.5 Verfahren Versionenraum-Lernverfahren D. Sabel KI SoSe 2014 Überblick 10/11
36 Überblick (7) Maschinelles Lernen Einführung Einordnung von Lernverfahren, Maßzahlen, Entropie Entscheidungsbaumlernen ID3-Verfahren, C4.5 Verfahren Versionenraum-Lernverfahren D. Sabel KI SoSe 2014 Überblick 10/11
37 Überblick (7) Maschinelles Lernen Einführung Einordnung von Lernverfahren, Maßzahlen, Entropie Entscheidungsbaumlernen ID3-Verfahren, C4.5 Verfahren Versionenraum-Lernverfahren D. Sabel KI SoSe 2014 Überblick 10/11
38 Überblick (8) Konzeptbeschreibungssprachen Semantische Netze, Frames Description Logics Basissprache AL, Syntax, Semantik AL-Familie, Inferenzen und Eigenschaften Terminologien T-Box, Semantik, zyklische T-Boxen und Fixpunktsemantik T-Box und A-Box Subsumtion und Konsistenztests Struktureller Subsumtionstest für FL 0, PSPACE-Konsistenztest (Tableau-Verfahren) für ALC D. Sabel KI SoSe 2014 Überblick 11/11
39 Überblick (8) Konzeptbeschreibungssprachen Semantische Netze, Frames Description Logics Basissprache AL, Syntax, Semantik AL-Familie, Inferenzen und Eigenschaften Terminologien T-Box, Semantik, zyklische T-Boxen und Fixpunktsemantik T-Box und A-Box Subsumtion und Konsistenztests Struktureller Subsumtionstest für FL 0, PSPACE-Konsistenztest (Tableau-Verfahren) für ALC D. Sabel KI SoSe 2014 Überblick 11/11
40 Überblick (8) Konzeptbeschreibungssprachen Semantische Netze, Frames Description Logics Basissprache AL, Syntax, Semantik AL-Familie, Inferenzen und Eigenschaften Terminologien T-Box, Semantik, zyklische T-Boxen und Fixpunktsemantik T-Box und A-Box Subsumtion und Konsistenztests Struktureller Subsumtionstest für FL 0, PSPACE-Konsistenztest (Tableau-Verfahren) für ALC D. Sabel KI SoSe 2014 Überblick 11/11
41 Überblick (8) Konzeptbeschreibungssprachen Semantische Netze, Frames Description Logics Basissprache AL, Syntax, Semantik AL-Familie, Inferenzen und Eigenschaften Terminologien T-Box, Semantik, zyklische T-Boxen und Fixpunktsemantik T-Box und A-Box Subsumtion und Konsistenztests Struktureller Subsumtionstest für FL 0, PSPACE-Konsistenztest (Tableau-Verfahren) für ALC D. Sabel KI SoSe 2014 Überblick 11/11
42 Überblick (8) Konzeptbeschreibungssprachen Semantische Netze, Frames Description Logics Basissprache AL, Syntax, Semantik AL-Familie, Inferenzen und Eigenschaften Terminologien T-Box, Semantik, zyklische T-Boxen und Fixpunktsemantik T-Box und A-Box Subsumtion und Konsistenztests Struktureller Subsumtionstest für FL 0, PSPACE-Konsistenztest (Tableau-Verfahren) für ALC D. Sabel KI SoSe 2014 Überblick 11/11
43 Überblick (8) Konzeptbeschreibungssprachen Semantische Netze, Frames Description Logics Basissprache AL, Syntax, Semantik AL-Familie, Inferenzen und Eigenschaften Terminologien T-Box, Semantik, zyklische T-Boxen und Fixpunktsemantik T-Box und A-Box Subsumtion und Konsistenztests Struktureller Subsumtionstest für FL 0, PSPACE-Konsistenztest (Tableau-Verfahren) für ALC D. Sabel KI SoSe 2014 Überblick 11/11
44 Überblick (8) Konzeptbeschreibungssprachen Semantische Netze, Frames Description Logics Basissprache AL, Syntax, Semantik AL-Familie, Inferenzen und Eigenschaften Terminologien T-Box, Semantik, zyklische T-Boxen und Fixpunktsemantik T-Box und A-Box Subsumtion und Konsistenztests Struktureller Subsumtionstest für FL 0, PSPACE-Konsistenztest (Tableau-Verfahren) für ALC D. Sabel KI SoSe 2014 Überblick 11/11
Logikbasierte Systeme der Wissensverarbeitung
Logikbasierte Systeme der Wissensverarbeitung Sommersemester 2018 Prof. Dr. Manfred Schmidt-Schauß und PD Dr. David Sabel Institut für Informatik Fachbereich Informatik und Mathematik Goethe-Universität
MehrLogik Vorlesung 3: Äquivalenz und Normalformen
Logik Vorlesung 3: Äquivalenz und Normalformen Andreas Maletti 7. November 2014 Überblick Inhalt 1 Motivation und mathematische Grundlagen 2 Aussagenlogik Syntax und Semantik Äquivalenz und Normalformen
MehrEigenschaften der SLD-Resolution
Eigenschaften der SLD-Resolution Vollständigkeit der SLD-Resolution für Hornklauseln Sei F eine inkonsistente Hornklauselmenge. Dann gibt es eine SLD-Widerlegung von F. Beweisskizze: Für inkonsistentes
MehrGDI Medieninformatik. 13. VL: Einführung in die mathematische Logik Prädikatenlogik (II)
GDI Medieninformatik 13. VL: Einführung in die mathematische Logik Prädikatenlogik (II) Prädikatenlogik erster Stufe (FOL): Syntax: Sprachelemente 27.01.2008 GDI - Logik 2 FOL: Syntax 27.01.2008 GDI -
MehrLogik für Informatiker
Logik für Informatiker 2. Aussagenlogik Teil 5 8.05.2012 Viorica Sofronie-Stokkermans Universität Koblenz-Landau e-mail: sofronie@uni-koblenz.de 1 Bis jetzt Syntax der Aussagenlogik: Definition der Menge
MehrLogik Vorlesung 4: Horn-Logik und Kompaktheit
Logik Vorlesung 4: Horn-Logik und Kompaktheit Andreas Maletti 14. November 2014 Überblick Inhalt 1 Motivation und mathematische Grundlagen 2 Aussagenlogik Syntax und Semantik Äquivalenz und Normalformen
MehrLogik für Informatiker
Vorlesung Logik für Informatiker 6. Aussagenlogik Resolution Bernhard Beckert Universität Koblenz-Landau Sommersemester 2006 Logik für Informatiker, SS 06 p.1 Der aussagenlogische Resolutionkalkül Wesentliche
MehrWissensrepräsentation und Schlussfolgern
Wissensrepräsentation und Schlussfolgern Wissensrepräsentationshypothese: (B. Smith) Die Verarbeitung von Wissen lässt sich trennen in: Repräsentation von Wissen, wobei dieses Wissen eine Entsprechung
MehrÜberblick. Einführung in die Methoden der Künstlichen Intelligenz. Aussagenlogik (1) Wissenrepräsentations- und inferenzsysteme (2)
Überblick Einführung in die Methoden der Künstlichen Intelligenz Aussagenlogik (1) Dr. David Sabel WS 2012/13 Grober Inhalt des Kapitels Aussagenlogik allgemein Darstellung von Wissen in der Aussagenlogik
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
MehrFORMALE SYSTEME. 23. Vorlesung: Logisches Schließen. TU Dresden, 16. Januar Markus Krötzsch Lehrstuhl Wissensbasierte Systeme
FORMALE SYSTEME 23. Vorlesung: Logisches Schließen Markus Krötzsch Lehrstuhl Wissensbasierte Systeme TU Dresden, 16. Januar 2017 Rückblick Markus Krötzsch, 16. Januar 2017 Formale Systeme Folie 2 von 31
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
MehrAussagenlogik: Syntax von Aussagen
Aussagenlogik: Syntax von Aussagen A ::= X (A A) (A A) ( A) (A A) (A A) 0 1 Prioritätsreihenfolge :,,,,. A B: Konjunktion (Verundung). A B: Disjunktion (Veroderung). A B: Implikation. A B: Äquivalenz.
MehrAussagenlogik. (MAF2) MAF(I, t) = t und MAF(I, f ) = f. Die Semantik aussagenlogischer Formeln ist durch die Funktion
43 Vergleiche mit MBA! (MAF4) MAF(I, (F G)) = MAF(I, F) MAF(I, G), wobei die zum Symbol gehörende Funktion ist. (MAF3) MAF(I, F) = MAF(I, F) (MAF2) MAF(I, t) = t und MAF(I, f ) = f (MAF1) MAF(I, A) = I(A),
MehrGrundlagen der Künstlichen Intelligenz
Grundlagen der Künstlichen Intelligenz 28. Aussagenlogik: DPLL-Algorithmus Malte Helmert Universität Basel 2. Mai 2014 Aussagenlogik: Überblick Kapitelüberblick Aussagenlogik: 26. Grundlagen 27. Logisches
MehrKünstliche Intelligenz Logische Agenten & Resolution
Künstliche Intelligenz Logische Agenten & Resolution Stephan Schwiebert WS 2009/2010 Sprachliche Informationsverarbeitung Institut für Linguistik Universität zu Köln Inferenz-Algorithmus Wie könnte ein
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
MehrAufgabe 1 (Allgemeines)
Klausur... Einführung in die Künstliche Intelligenz 1SS08 Aufgabe 1 (Allgemeines) (4 Punkte) a) In der Künstlichen Intelligenz unterscheidet man symbolische und subsymbolische Verfahren. Beschreibe diese
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
MehrTableaukalkül für Aussagenlogik
Tableaukalkül für Aussagenlogik Tableau: Test einer Formel auf Widersprüchlichkeit Fallunterscheidung baumförmig organisiert Keine Normalisierung, d.h. alle Formeln sind erlaubt Struktur der Formel wird
Mehr23. Vorlesung: Logisches Schließen Markus Kr otzsch Professur f ur Wissensbasierte Systeme Normalformen
Logik: Glossar FORMALE SYSTEME 23. Vorlesung: Logisches Schließen Markus Krötzsch Professur für Wissensbasierte Systeme TU Dresden, 15. Januar 2018 Atom kleinste mögliche Formel p P Teilformel Unterausdruck,
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
MehrLogik für Informatiker
Logik für Informatiker 2. Aussagenlogik Teil 5 14.05.2012 Viorica Sofronie-Stokkermans Universität Koblenz-Landau e-mail: sofronie@uni-koblenz.de 1 Bis jetzt Normalformen Atome, Literale, Klauseln Konjunktive
MehrPrädikatenlogik. Übersicht: 1 Teil 1: Syntax und Semantik. 2 Teil 2: Normalformen und Grenzen der Prädikatenlogik 1. Stufe
Prädikatenlogik Übersicht: 1 Teil 1: Syntax und Semantik 2 Teil 2: Normalformen und Grenzen der Prädikatenlogik 1. Stufe 3 Teil 3: Modellierung und Beweise 4 Teil 4: Substitution, Unifikation und Resolution
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
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
MehrFormale Systeme. Aussagenlogik: Resolutionskalku l. Prof. Dr. Bernhard Beckert, WS 2018/2019
Formale Systeme Prof. Dr. Bernhard Beckert, WS 2018/2019 Aussagenlogik: Resolutionskalku l KIT I NSTITUT F U R T HEORETISCHE I NFORMATIK www.kit.edu KIT Die Forschungsuniversita t in der Helmholtz-Gemeinschaft
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
MehrKapitel 1. Aussagenlogik
Kapitel 1 Aussagenlogik Einführung Mathematische Logik (WS 2012/13) Kapitel 1: Aussagenlogik 1/17 Übersicht Teil I: Syntax und Semantik der Aussagenlogik (1.0) Junktoren und Wahrheitsfunktionen (1.1) Syntax
MehrWozu formale Logik? Programmiersprachen Logik im Fingerhut. Formeln. Logik im Fingerhut (24. Januar 2005) Belegung und Interpretation
Wozu formale Logik? Logik im Fingerhut Studiengang Informatik Universität Bremen präzise Beschreibung von Aussagen über die Welt bzw. über verschiedene Welten Ziehen und Überprüfen von Schlussfolgerungen
MehrWas bisher geschah: klassische Aussagenlogik
Was bisher geschah: klassische Aussagenlogik Syntax Symbole und Struktur, Junktoren: t, f,,,,, Prinzip der strukturellen Induktion über Baumstruktur von Formeln, arithmetischen Ausdrücken usw. induktive
MehrGrundlagen 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
Mehrverzeichnis Uwe Lämmel, Jürgen Cleve Künstliche Intelligenz ISBN: Weitere Informationen oder Bestellungen unter
verzeichnis Uwe Lämmel, Jürgen Cleve Künstliche Intelligenz ISBN: 978-3-446-42758-7 Weitere Informationen oder Bestellungen unter http://www.hanser.de/978-3-446-42758-7 sowie im Buchhandel. Carl Hanser
Mehr4. Logik und ihre Bedeutung für WBS
4. Logik und ihre Bedeutung für WBS WBS verwenden formale Sprache L um Wissen zu repräsentieren Grundidee: Problemlösen = Folgern aus in L dargestelltem Wissen Folgern = implizites Wissen explizit machen
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
MehrKünstliche Intelligenz
George F. Luger 2008 AGI-Information Management Consultants May be used for personal purporses only or by libraries associated to dandelon.com network. Künstliche Intelligenz Strategien zur Lösung komplexer
MehrPrädikatenlogik: Syntax
Prädikatenlogik: Syntax Signatur : Welche Zeichen gibt es? Funktionssymbole Prädikatensymbol (Eigenschaften) Terme: Variablen f(t 1,... t n ) wenn t i Terme und f Funktionssymbol Formeln: P (t 1,... t
MehrGrundlagen der Programmierung
GdP4 Slide 1 Grundlagen der Programmierung Vorlesung 4 vom 04.11.2004 Sebastian Iwanowski FH Wedel Grundlagen der Programmierung 1. Einführung Grundlegende Eigenschaften von Algorithmen und Programmen
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
MehrFormale Grundlagen der Informatik 1 Wiederholung zum Logik-Teil
Formale Grundlagen der Informatik 1 zum Logik-Teil Frank Heitmann heitmann@informatik.uni-hamburg.de 20. Juni 2016 Frank Heitmann heitmann@informatik.uni-hamburg.de 1/32 Überblick Im hatten wir Aussagenlogik
MehrEinführung in die Methoden der Künstlichen Intelligenz. Suchverfahren / Uninformierte Suche
Einführung in die Methoden der Künstlichen Intelligenz Suchverfahren / Uninformierte Suche PD Dr. David Sabel SoSe 0 Stand der Folien:. pril 0 Einführung Blind Search n-damen Missionare & Kannibalen Modellierung
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
MehrEinführung in die Methoden der Künstlichen Intelligenz. Konzeptbeschreibungssprachen
Einführung in die Methoden der Künstlichen Intelligenz Konzeptbeschreibungssprachen PD Dr. David Sabel SoSe 2014 Stand der Folien: 11. Juli 2014 Vorgänger Description Logic T-Box und A-Box Subsumtionsalgorithmen
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 ;)
MehrMethoden wissensbasierter Systeme
Christoph Beierle Gabriele Kern-Isberner Methoden wissensbasierter Systeme Grundlagen - Algorithmen - Anwendungen 2., überarbeitete und erweiterte Auflage vieweg ix Vorwort zur 2., erweiterten Auflage
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
MehrLogik für Informatiker
Logik für Informatiker 2. Aussagenlogik Teil 4 07.05.2012 Viorica Sofronie-Stokkermans Universität Koblenz-Landau e-mail: sofronie@uni-koblenz.de 1 Gestern Normalformen Atome, Literale, Klauseln Konjunktive
MehrUniversität Koblenz-Landau Fachbereich Informatik Klausur Einführung in die Künstliche Intelligenz / WS 2003/2004. Jun.-Prof. Dr. B.
Universität Koblenz-Landau Fachbereich Informatik Klausur Einführung in die Künstliche Intelligenz / Künstliche Intelligenz für IM Name, Vorname: Matrikel-Nr.: Studiengang: WS 2003/2004 Jun.-Prof. Dr.
MehrEinführung in die Methoden der Künstlichen Intelligenz. Aussagenlogik
Einführung in die Methoden der Künstlichen Intelligenz Aussagenlogik PD Dr. David Sabel SoSe 2014 Stand der Folien: 23. Mai 2014 Überblick Grober Inhalt des Kapitels Aussagenlogik allgemein Darstellung
MehrLogik für Informatiker
Logik für Informatiker Vorlesung 5: Normalformen Babeş-Bolyai Universität, Department für Informatik, Cluj-Napoca csacarea@cs.ubbcluj.ro 2. November 2017 1/37 MOTIVATION FÜR AUSSAGENLOGIK Aussagenlogik
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
MehrEinführung in die Methoden der Künstlichen Intelligenz. Allens Zeitintervalllogik
Einführung in die Methoden der Künstlichen Intelligenz Allens Zeitintervalllogik Dr. David Sabel WS 2012/13 Stand der Folien: 28. Januar 2013 Schließen über Zeit Darstellung und Inferenzen für zeitliche
MehrTU9 Aussagenlogik. Daniela Andrade
TU9 Aussagenlogik Daniela Andrade daniela.andrade@tum.de 18.12.2017 1 / 21 Kleine Anmerkung Meine Folien basieren auf den DS Trainer von Carlos Camino, den ihr auf www.carlos-camino.de/ds findet ;) 2 /
MehrWissensbasierte Systeme 7. Prädikatenlogik
Wissensbasierte Systeme 7. Prädikatenlogik Syntax und Semantik, Normalformen, Herbrandexpansion Michael Beetz Plan-based Robot Control 1 Inhalt 7.1 Motivation 7.2 Syntax und Semantik 7.3 Normalformen 7.4
MehrLogik Vorlesung 5: Grundlagen Resolution
Logik Vorlesung 5: Grundlagen Resolution Andreas Maletti 21. November 2014 Überblick Inhalt 1 Motivation und mathematische Grundlagen 2 Aussagenlogik Syntax und Semantik Äquivalenz und Normalformen Weitere
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.
MehrBeweisen mit Semantischen Tableaux
Beweisen mit Semantischen Tableaux Semantische Tableaux geben ein Beweisverfahren, mit dem ähnlich wie mit Resolution eine Formel dadurch bewiesen wird, dass ihre Negation als widersprüchlich abgeleitet
MehrWas ist Logik? Was ist Logik? Aussagenlogik. Wahrheitstabellen. Geschichte der Logik eng verknüpft mit Philosophie
Was ist Logik? Geschichte der Logik eng verknüpft mit Philosophie Begriff Logik wird im Alltag vielseitig verwendet Logik untersucht, wie man aus Aussagen andere Aussagen ableiten kann Beschränkung auf
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
Mehr7. Prädikatenlogik. Aussagenlogik hat wünschenswerte Eigenschaften wie Korrektheit, Vollständigkeit, Entscheidbarkeit.
7. Prädikatenlogik Aussagenlogik hat wünschenswerte Eigenschaften wie Korrektheit, Vollständigkeit, Entscheidbarkeit. Aber: Aussagenlogik ist sehr beschränkt in der Ausdrucksmächtigkeit. Wissen kann nur
MehrFORMALE SYSTEME. Besprechung Lehrevaluation. Kommentare: Verständlichkeit und Motivation. Kommentare: Allgemeines
FORMALE SYSTEME 21. Vorlesung: Aussagenlogik Besprechung Lehrevaluation Markus Krötzsch Professur für Wissensbasierte Systeme TU Dresden, 8. Januar 2017 Markus Krötzsch, 8. Januar 2017 Formale Systeme
MehrFORMALE SYSTEME. 21. Vorlesung: Aussagenlogik. TU Dresden, 8. Januar Markus Krötzsch Professur für Wissensbasierte Systeme
FORMALE SYSTEME 21. Vorlesung: Aussagenlogik Markus Krötzsch Professur für Wissensbasierte Systeme TU Dresden, 8. Januar 2017 Besprechung Lehrevaluation Markus Krötzsch, 8. Januar 2017 Formale Systeme
MehrLogik für Informatiker
Logik für Informatiker 2. Aussagenlogik Teil 7 15.05.2012 Viorica Sofronie-Stokkermans Universität Koblenz-Landau e-mail: sofronie@uni-koblenz.de 1 Bis jetzt Unser Ziel Kalkül(e) zur systematischen Überprüfung
MehrLabor Compilerbau. Jan Hladik. Sommersemester DHBW Stuttgart. Jan Hladik (DHBW Stuttgart) Labor Compilerbau Sommersemester / 20
Labor Compilerbau Jan Hladik DHBW Stuttgart Sommersemester 2017 Jan Hladik (DHBW Stuttgart) Labor Compilerbau Sommersemester 2017 1 / 20 Resolution in der Prädikatenlogik testet Erfüllbarkeit (indirekt
MehrFormale Systeme. Wiederholung. Prof. Dr. Bernhard Beckert, WS 2017/ KIT Die Forschungsuniversita t in der Helmholtz-Gemeinschaft
Formale Systeme Prof. Dr. Bernhard Beckert, WS 2017/2018 Wiederholung KIT I NSTITUT F U R T HEORETISCHE I NFORMATIK www.kit.edu KIT Die Forschungsuniversita t in der Helmholtz-Gemeinschaft Themen Aussagenlogik
MehrModellierung - Wiederholung
Norbert Fuhr 24. Januar 2006 Einführung Grundbegriffe Einführung Grundbegriffe Syntax vs. Semantik Modellbegriff Repräsentation vs. Information Boolesche Terme Definition Wahrheitswerte Interpretation
MehrKünstliche Intelligenz
Künstliche Intelligenz Bearbeitet von Uwe Lämmel, Jürgen Cleve 4., aktualisierte Auflage 2012. Buch. 336 S. ISBN 978 3 446 42758 7 Format (B x L): 18 x 24,5 cm Gewicht: 717 g Weitere Fachgebiete > EDV,
MehrKurseinheit 1 Einführung und mathematische Grundlagen Aussagenlogik
Kurseinheit 1 Einführung und mathematische Grundlagen Aussagenlogik Fragen Seite Punkte 1. Was ist die Mathematische Logik? 3 2 2. Was sind die Aussagenlogik und die Prädikatenlogik? 5 4 3. Was sind Formeln,
MehrComputational Logic Algorithmische Logik Boolesche Algebra und Resolution
Computational Logic Algorithmische Logik Boolesche Algebra und Resolution Ralf Moeller Hamburg Univ. of Technology Boole'sche Algebra Äquivalenzen als "Transformationsgesetze" Ersetzbarkeitstheorem Zentrale
MehrLogik für Informatiker
Vorlesung Logik für Informatiker 1. Einführung Bernhard Beckert Universität Koblenz-Landau Sommersemester 2006 Logik für Informatiker, SS 06 p.1 Formale Logik Ziel Formalisierung und Automatisierung rationalen
MehrFormale Grundlagen der Informatik 1 Kapitel 24 Zusammenfassung
Formale Grundlagen der Informatik 1 Kapitel 24 Zusammenfassung Frank Heitmann heitmann@informatik.uni-hamburg.de 11. Juli 2016 Frank Heitmann heitmann@informatik.uni-hamburg.de 1/36 Der Der... Frank Heitmann
Mehr5.1 Inferenz. Theorie der Informatik. Theorie der Informatik. 5.1 Inferenz. 5.2 Resolutionskalkül. 5.3 Zusammenfassung. Inferenz: Motivation
Theorie der Informatik 9. März 2015 5. Aussagenlogik III Theorie der Informatik 5. Aussagenlogik III 5.1 Inferenz Malte Helmert Gabriele Röger 5.2 Resolutionskalkül Universität Basel 9. März 2015 5.3 Zusammenfassung
MehrFORMALE SYSTEME. 21. Vorlesung: Aussagenlogik. TU Dresden, 9. Januar Markus Krötzsch Lehrstuhl Wissensbasierte Systeme
FORMALE SYSTEME 21. Vorlesung: Aussagenlogik Markus Krötzsch Lehrstuhl Wissensbasierte Systeme TU Dresden, 9. Januar 2017 Besprechung Lehrevaluation Markus Krötzsch, 9. Januar 2017 Formale Systeme Folie
MehrSchlussregeln aus anderen Kalkülen
Was bisher geschah Klassische Aussagenlogik: Syntax Semantik semantische Äquivalenz und Folgern syntaktisches Ableiten (Resolution) Modellierung in Aussagenlogik: Wissensrepräsentation, Schaltungslogik,
MehrMotivation für Suchverfahren. Einführung in die Methoden der Künstlichen Intelligenz. Suchverfahren / Uninformierte Suche
Motivation für Suchverfahren Einführung in die Methoden der Künstlichen Intelligenz Suchverfahren / Uninformierte Suche Prof. Dr. Manfred Schmidt-Schauß SoSe 06 Beispiele: Spiele: Suche nach dem besten
MehrFORMALE SYSTEME. Besprechung Lehrevaluation. Kommentare: Beispiele und Praxisbezug. Kommentare: Allgemeines
FORMALE SYSTEME 21. Vorlesung: Aussagenlogik Besprechung Lehrevaluation Markus Krötzsch Lehrstuhl Wissensbasierte Systeme TU Dresden, 9. Januar 2017 Markus Krötzsch, 9. Januar 2017 Formale Systeme Folie
MehrFORMALE SYSTEME. 22. Vorlesung: Äquivalenzen und Normalformen. TU Dresden, 11. Januar Markus Krötzsch Professur für Wissensbasierte Systeme
FORMALE SYSTEME 22. Vorlesung: Äquivalenzen und Normalformen Markus Krötzsch Professur für Wissensbasierte Systeme TU Dresden, 11. Januar 2018 Rückblick Markus Krötzsch, 11. Januar 2018 Formale Systeme
MehrFORMALE SYSTEME. 10. Januar Aussagenlogik. Logische Schlussfolgerung. Happy 80th Birthday, Don Knuth!
10. Januar 2018 FORMALE SYSTEME 22. Vorlesung: Äquivalenzen und Normalformen Markus Krötzsch Professur für Wissensbasierte Systeme TU Dresden, 11. Januar 2018 Happy 80th Birthday, Don Knuth! If you find
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.
MehrLogik für Informatiker
Vorlesung Logik für Informatiker 4. Aussagenlogik Syntax und Semantik der Aussagenlogik Bernhard Beckert Universität Koblenz-Landau Sommersemester 2006 Logik für Informatiker, SS 06 p.1 Syntax der Aussagenlogik:
MehrEinführung in die Methoden der Künstlichen Intelligenz. Suchverfahren / Uninformierte Suche
Einführung in die Methoden der Künstlichen Intelligenz Suchverfahren / Uninformierte Suche Prof. Dr. Manfred Schmidt-Schauß SoSe 08 Stand der Folien: 9. pril 08 Einführung Blind Search n-damen Missionare
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
MehrÜbung 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
MehrTheoretische Grundlagen des Software Engineering
Theoretische Grundlagen des Software Engineering 6: Formale Logik Einführung schulz@eprover.org Formale Logik Ziel Formalisierung und Automatisierung rationalen Denkens Rational richtige Ableitung von
MehrBeschreibungslogik Kapitel 7: ABoxen und Anfragebeantwortung
Beschreibungslogik Kapitel 7: ABoxen und Anfragebeantwortung Sommersemester 2017 Thomas Schneider AG Theorie der künstlichen Intelligenz (TdKI) http://tinyurl.com/ss17-bl Beschreibungslogik SoSe 2017 7
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)
MehrEinführung in die Methoden der Künstlichen Intelligenz. Konzeptbeschreibungssprachen
Einführung in die Methoden der Künstlichen Intelligenz Konzeptbeschreibungssprachen Dr. David Sabel WS 2012/13 Stand der Folien: 11. Februar 2013 Vorgänger Description Logic T-Box und A-Box Subsumtionsalgorithmen
MehrModellierungsbeispiel Geräte
Was bisher geschah Modellierung von Aussagen in (klassischer) Aussagenlogik Syntax: Aussagenvariablen sind Atome Junktoren,,,, induktive Definition: Baumstruktur der Formeln strukturelle Induktion äquivalente
MehrQualitatives zeitliches Schließen: Intelligentes Kuchenbacken. David Sabel Goethe-Universität, Frankfurt am Main
Qualitatives zeitliches Schließen: Intelligentes Kuchenbacken David Sabel Goethe-Universität, Frankfurt am Main 16. Juli 2013 Stand der Folien: 16. Juli 2013 Käse-Sahne-Kuchen backen 2/31 Käse-Sahne-Kuchen
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.
MehrResolution mit allgemeinsten Unifikatoren. Elternklausel 1: L, A 1,..., A m σ ist allgemeinster Unifikator
Resolution mit allgemeinsten Unifikatoren Elternklausel 1: L, A 1,..., A m σ ist allgemeinster Unifikator Elternklausel 2: L, B 1,..., B n von L, L mit σ(l) = σ(l ) Resolvente: σ(a 1,..., A m, B 1,...,
Mehr3. Logik 3.1 Aussagenlogik
3. Logik 3.1 Aussagenlogik WS 06/07 mod 301 Kalkül zum logischen Schließen. Grundlagen: Aristoteles 384-322 v. Chr. Aussagen: Sätze, die prinzipiell als ahr oder falsch angesehen erden können. z. B.: Es
MehrAndere Logiken. o Modallogik(en) o Temporallogik(en) o Beschreibungslogik(en) Konzepte und Rollen Fragen und Entscheidbarkeit. Andere Logiken 240
Andere Logiken 240 Andere Logiken o Modallogik(en) o Temporallogik(en) o Beschreibungslogik(en) Konzepte und Rollen Fragen und Entscheidbarkeit Andere Logiken 241 Beschreibungslogiken (BL, Description
MehrMusterlösung der Klausur zur Vorlesung Logik für Informatiker
Musterlösung der Klausur zur Vorlesung Logik für Informatiker Bernhard Beckert Christoph Gladisch Claudia Obermaier Arbeitsgruppe Künstliche Intelligenz Fachbereich Informatik, Universität Koblenz-Landau
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
MehrÜberblick. Einführung in die Methoden der Künstlichen Intelligenz. Aussagenlogik. Wissenrepräsentations- und inferenzsysteme (2)
Überblick Einführung in die Methoden der Künstlichen Intelligenz Aussagenlogik PD Dr. David Sabel SoSe 2014 Grober Inhalt des Kapitels Aussagenlogik allgemein Darstellung von Wissen in der Aussagenlogik
Mehr