Widerspruchsbasiertes Kalkül. Präinterpretation. Variablenzuweisung. Interpretation
|
|
- Waltraud Simen
- vor 6 Jahren
- Abrufe
Transkript
1 Widerspruchsbasiertes Kalkül Ziel: Zeige dass gilt: x 1 x s (B 1 B n ) Mittel: Negiere so dass: B 1 B n Resultate: Widerspruch Variablenbindungen [y/ nil] für sort( nil,y) Präinterpretation Eine Präinterpretation einer Sprache erster Ordnung L besteht aus: Einer nicht-leeren Menge D, die Domäne Für jede Konstante in L, die Zuweisung eines Elements aus D Für jedes n-stellige Funktionssymbol in L, die Zuweisung einer Abbildung von D n nach D. Interpretation Eine Interpretation I einer Sprache erster Ordnung L besteht aus einer Präinterpretation J mit Domäne D aus L und: Für jedes n-stellige Prädikatssymbol aus L, eine Zuweisung einer Abbildung von D n nach {wahr,falsch}. Wir sagen I basiert auf J. Variablenzuweisung Gegeben eine Präinterpretation J für L. Eine Variablenzuweisung für J ordnet jeder Variablen in L ein Element aus der Domäne von J zu.
2 Termzuweisung Gegeben eine Präinterpretation J für L mit Domäne D und Variablenzuweisung V. Eine Termzuweisung für J und V erfolgt für jeden Term in L wie folgt: Jede Variable erhält ihre Zuweisung aus V Jede Konstante erhält ihre Zuweisung aus J Wenn ť 1,,ť n die Termzuweisungen für t 1,,t n sind und f is die Zuweisung für das n-stelligen Funktionssymbol f, dann ist f (ť 1,,ť n ) die Termzuweisung für f(t 1,,t n ). Wahrheitswert Gegeben eine Interpretation I für die Domäne D einer Sprache erster Ordnung L and gegeben eine Variablenzuweisung V, dann erhält eine Formel aus L folgende Zuweisung eines Wahrheitswertes: Wenn die Formel ein Atom p(t 1,,t n ) ist, dann wird p (ť 1,,ť n ) berechnet, wobei p und ť 1,,ť n die Zuweisungen sind laut I und V. Wenn die Formel die Form ~F, F G, F G, F G, oder F G hat, ergibt sich der Wahrheitswert laut Wahrheitstafel. Wenn die Formel die Form xf hat, dann ist der Wahrheitswert der Formel wahr, wenn so ein d D existiert, dass F wahr wird für die Interpretation I und die Variablenzuweisung V(x/d). V(x/d) ist V mit Ausnahme von x, dem d zugewiesen wird. Ansonsten ist xf falsch. Wenn die Formel die Form xf hat, dann ist der Wahrheitswert der Formel wahr, wenn für alle d D F wahr wird für die Interpretation I und die Variablenzuweisung V(x/d). Ansonsten ist xf falsch. Erfüllbar und gültig für I Erfüllbar und gültig Gegeben eine Interpretation I für L und eine Formel W aus L. W ist erfüllbar für I, falls (W) wahr ist in I. W ist gültig für I, falls (W) wahr ist in I. W ist unerfüllbar für I, wenn (W) falsch ist in I. W ist ungültig für I, falls (W) falsch ist in I. Gültig Erfüllbar Ungültig Unerfüllbar
3 Modell Bedeutung Bedeutung: Sei I eine Interpretation für L und F eine geschlossene Formel aus L. I ist ein Modell für F, wenn F wahr ist für I Beispiel Sei T eine aus L und I eine Interpretation für L. I ist ein Modell für T, wenn I jede Formel aus T wahr macht. Wenn es ein Modell für T gibt, dann ist T konsistent. Analog für eine Menge von Formeln. Sonstige Interpr. Intendiertes Modell Modell 1 Modell k Modell n Kalkül fix für Quantoren, Konnektoren variable für Rest Modell: alle Formeln sind wahr Interpretationsfunktion Theoreme der Logische Folgerung Sei S eine Menge geschlossener Formeln und F eine Formel einer Sprache L. F heißt eine logische Folgerung von S, wenn für jede Interpretation I von L, die ein Modell für S ist, auch ein Modell für F ist. Proposition 1: Sei S eine Menge von geschlossenene Formeln und F eine geschlossene Formel aus L. Dann ist F eine logische Folgerung von S, gdw S {~F} unerfüllbar ist. Logische Folgerung - Beweis Angenommen F ist eine logische Folgerung von S. Sei I ein Modell von S. Dann ist I auch ein Modell von F. Dann ist ~F unerfüllbar. Angenommen S {~F} ist unerfüllbar. Sei I ein Modell von S. Da S {~F} unerfüllbar, ist es kein Modell für ~F. Dann ist I ein Modell für F. Dann ist F eine logische Folgerung von S. Beispiel
4 Problem der logischen Konklusion: zeige Unerfüllbarkeit für alle möglichen I! Herbrand-Universum Modell 1 Intendiertes Modell Herbrand Universum Ein Grundterm ist ein variablenfreier Term. Ein Grundatom ist ein Atom ohne Variablen. Sonstige Interpr. Modell k Modell n Kalkül Idee: Es genügt Unerfüllbarkeit auf einer geschickt gewählten Teilmenge aller I zu zeigen! Theoreme der Das Herbrand-Universum U für eine Sprache L ist die Menge aller Grundterme, die aus Konstanten- und Funktionssymbolen von L geformt werden können. Beispiel Herbrand-Interpretation Herbrand-Interpretationen Die Herbrand-Basis B für L ist die Menge aller Grundatome, die gebildet werden kann aus den Prädikatssymbolen von L und Grundtermen aus dem Herbrand-Universum von L. Die Herbrand-Präinterpretation für L ist die Präinterpretation, die: Als Domäne das Herbrand-Universum U von L hat. Konstantensymbole auf sich selbst abbildet. Jedem n-stelligen Funktionssymbol in L die Abbildung von (t 1,,t n ) auf f(t 1,,t n ) zuweist I 1 I 2 Q(a) P(f(b)) Q(a) Herbrand-Basis P(f(b)) ~Q(a) ~P(f(b)) ~P(f(b)) ~Q(a) Die wahren Atome der Herbrand- Basis korrelieren mit der jeweiligen Interpretation Jede Interpretation, die auf einer Herbrand-Präinterpretation basiert ist eine Herbrand-Interpretation I 3
5 Herbrand-Modell Sei S eine Menge geschlossener Formeln aus L. Ein Herbrand-Modell für S ist eine Herbrand- Interpretation für L, die ein Modell für S ist. Beispiel: Slowsort sort(x,y) sorted(y), perm(x,y) sorted(nil) sorted(x.nil) sorted(x.y.z) x y, sorted(y.z) perm(nil,nil) perm(x.y,u.v) delete(u,x.y,z),perm(z,v) delete(x,x.y,y) delete(x,y.z,y.w) delete(x,z,w) 0 x f(x) f(y) x y. Grundterme: 0, nil, f(0), f(nil), 0.nil, nil.0, f(f(0)), f(f(nil)), f(0).nil, f(0).0, f(nil).nil, f(nil).0, Herbrand-Basis: sort(0,0), sort(nil,nil), sort(0,nil), sort(nil,nil), sort(f(0),0), Beispiel: Slowsort Slowsort-Herbrand-Modell sort(x,y) sorted(y), perm(x,y) sorted(nil) sorted(x.nil) sorted(x.y.z) x y, sorted(y.z) perm(nil,nil) perm(x.y,u.v) delete(u,x.y,z),perm(z,v) delete(x,x.y,y) delete(x,y.z,y.w) delete(x,z,w) 0 x f(x) f(y) x y. Ein Herbrand-Modell beschrieben durch die Teilmenge der wahren Grundformeln: 0 0, 0 f(0), f(0) f(f(0)),, ~(f(0) 0), ~(f(f(0)) 0),., perm(nil,nil), perm(0.nil, 0.nil), perm(f(0).nil, f(0).nil), perm(0.0.nil,0.0.nil), perm(f(0).0.nil,f(0).0.nil),, perm(0,0), ~perm(nil.0,nil.0), delete(0,0.nil,nil), delete(f(0),f(0).nil,nil),, delete(f(0), 0.0.f(0).nil, 0.0.nil), delete(f(0),f(0).nil,nil),. Sonstige Interpr. Modell 1 Modell k Intendiertes Modell Modell l Modell n Dieses Herbrand- Modell Kalkül Ein Herbrand-Modell beschrieben durch die Teilmenge der wahren Grundformeln: 0 0, 0 f(0), f(0) f(f(0)),, ~(f(0) 0), ~(f(f(0)) 0),., perm(nil,nil), perm(0.nil, 0.nil), perm(f(0).nil, f(0).nil), perm(0.0.nil,0.0.nil), perm(f(0).0.nil,f(0).0.nil),, perm(0,0), ~perm(nil.0,nil.0), delete(0,0.nil,nil), delete(f(0),f(0).nil,nil), Theoreme der, delete(f(0), 0.0.f(0).nil, 0.0.nil), delete(f(0),f(0).nil,nil),.
6 Modell impliziert Herbrand-Modell Pränexe und Konjunktive Normalform Proposition 2: Sei S eine Menge von Klauseln. S hat ein Modell I, gdw. S ein Herbrand-Modell hat. Wir definieren eine Herbrand-Interpretation I wie folgt: I ={p(t 1,,t n ) B S : p(t 1,,t n ) ist wahr in I}. Induktiver Beweis über den Formelaufbau, dass I ein Modell Notiz: Nur wahr für Klauseln. Gegenbeispiel: p(a) x~p(x) Eine Formel ist in pränexer und konjunktiver Normalform, wenn sie die Form hat: Q 1 x 1.Q k x k ((L 11 L 1m1 ) (L n1 L nmn )) wobei Q i {, } und jedes L jl ein Literal ist. Zwei Formeln W und V sind logisch äquivalent wenn (W V) gültig ist. Proposition 3: Zu jeder Formel W gibt es eine logisch äquivalente Formel V, die in pränexer und konjunktiver Normalform ist. Beweis über Formelaufbau. Datenbank vs Logik Typisierte Terme Domänen Personen Firmen Abteilungen. Anfragen sind zu Entitäten eines Entitytyps PL1 kennt keine Typen, ABER es gibt Typisierte erster Ordnung! Endliche Mengen von Typen: τ, σ, Variablen/Konstanten: Typ τ Prädikatssymbole: Typ τ 1 τ n Funktionssymbole: Typ τ 1 τ n τ Quantoren: τ, τ Ein Term vom Typ τ ist induktiv wie folgt definiert: Eine Variable von Typ τ ist ein Term von Typ τ Eine Konstante vom Typ τ ist ein Term von Typ τ Wenn f ein n-stelliges Funktionssymbol ist vom Typ τ 1 τ n τ und t i sind Terme vom Typ τ i dann ist f(t 1,,t n ) vom Typ τ
7 Typisierte WFF Eine typisierte WFF ist induktiv wie folgt definiert: Wenn p ein n-stelliges Prädikatssymbol vom Typ τ 1 τ n ist und t i sind Terme vom Typ τ i dann ist p(t 1,,t n ) eine typisierte atomare Formel. Wenn F und G typisierte Formeln sind, dann auch (~F), (F G), (F G), (F G), (F G) F eine Formel ist und x ist eine Variable vom Typ τ, dann sind ( τ xf) und ( τ xf) typisierte Formeln Typisierte WFF Die typisierte Sprache erster Ordnung, die sich durch ein Alphabet definiert, besteht aus allen typisierten WFF, die mit den Symbolen des Alphabets konstruiert sind. Notation: Statt ( τ xf) und ( τ xf) schreibt man auch ( x/τ F) und ( x/τ F). (F) und (F) bezeichnen den existentiellen bzw. universellen Abschluss der typisierten Formel F unter Berücksichtigung der richtigen Typisierung. Präinterpretation einer typisierten Sprache Eine Präinterpretation einer typisierten Sprache erster Ordnung L besteht aus: Für jeden Typ τ eine nicht-leere Menge D τ, die Domäne des Typs τ geheißen wird. Für jede Konstante vom Typ τ, die Zuweisung eines Elements aus D τ Für jedes n-stellige Funktionssymbol vom Typ τ 1 τ n τ die Zuweisung einer Abbildung von D τ 1 D τn nach D τ Interpretation Eine Interpretation I einer typisierten Sprache erster Ordnung L besteht aus einer Präinterpretation J mit Domänen D τ 1,,D τn aus L und: Für jedes n-stellige Prädikatssymbol vom Typ τ 1 τ n aus L, eine Zuweisung einer Abbildung von D τ1 D τn nach {wahr,falsch}. Wir sagen I basiert auf J. Typisierung von PL1 ist praktisch, erhöht aber nicht die Ausdrucksstärke.
8 All penguins are black and white. Some old TV shows are black and white. Thus, some penguins are old TV shows. ( x Penguin(x) blackandwhite(x)) ( x oldtvshow(x) blackandwhite(x)) Thus: ( x Penguin(x) oldtvshow(x)). Sei I(penguin)(a), I(blackandwhite)(a), I(oldTVshow)(b), I(blackandwhite)(b) wahr, I(oldTVshow)(a) jedoch falsch, Dann ist die Formel unter I falsch, d.h. I F. D.h. Pinguine sind unlogisch.
Theoretische Grundlagen des Software Engineering
Theoretische Grundlagen des Software Engineering 9: Prädikatenlogik schulz@eprover.org Rückblick 2 Rückblick: Vor- und Nachteile von Aussagenlogik Aussagenlogik ist deklarativ: Syntaxelemente entsprechen
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.
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
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:
MehrFixpunktsemantik logischer Programme Pascal Hitzler Juli 1997 Kurzuberblick im Rahmen der Vorlesung Einfuhrung in Prolog von T. Cornell im Sommersemester 1997 an der Universitat Tubingen. Beweise sind
MehrSatz. Für jede Herbrand-Struktur A für F und alle t D(F ) gilt offensichtlich
Herbrand-Strukturen und Herbrand-Modelle Sei F eine Aussage in Skolemform. Dann heißt jede zu F passende Struktur A =(U A, I A )eineherbrand-struktur für F, falls folgendes gilt: 1 U A = D(F ), 2 für jedes
MehrBinäre Suchbäume (binary search trees, kurz: bst)
Binäre Suchbäume (binary search trees, kurz: bst) Datenstruktur zum Speichern einer endlichen Menge M von Zahlen. Genauer: Binärbaum T mit n := M Knoten Jeder Knoten v von T ist mit einer Zahl m v M markiert.
MehrFormale Methoden II. Gerhard Jäger. SS 2008 Universität Bielefeld. Teil 8, 11. Juni 2008. Formale Methoden II p.1/30
Formale Methoden II SS 2008 Universität Bielefeld Teil 8, 11. Juni 2008 Gerhard Jäger Formale Methoden II p.1/30 Beispiele Anmerkung: wenn der Wahrheitswert einer Formel in einem Modell nicht von der Belegungsfunktion
MehrTerme stehen für Namen von Objekten des Diskursbereichs (Subjekte, Objekte des natürlichsprachlichen Satzes)
Prädikatenlogik Man kann den natürlichsprachlichen Satz Die Sonne scheint. in der Prädikatenlogik beispielsweise als logisches Atom scheint(sonne) darstellen. In der Sprache der Prädikatenlogik werden
MehrDatenstruktur zum Speichern einer endlichen Menge M von Zahlen. Genauer:
Binäre Suchbäume (binary search trees, kurz: bst) Datenstruktur zum Speichern einer endlichen Menge M von Zahlen. Genauer: Binärbaum T mit n := M Knoten Jeder Knoten v von T ist mit einer Zahl m v M markiert.
MehrWissensrepräsentation und -verarbeitung in Logiken. bereinigt Pränex Skolem ( -Eliminierung) Klausel (Menge von Klauseln, Notation ohne Quantoren)
Was bisher geschah Wissensrepräsentation und -verarbeitung in Logiken klassische Aussagenlogik klassische Prädikatenlogik: Wiederholung Syntax, Semantik Normalformen: bereinigt Pränex Skolem ( -Eliminierung)
MehrErfüllbarkeit und Allgemeingültigkeit
Theoretische Informatik: Logik, M. Lange, FB16, Uni Kassel: 3.3 Aussagenlogik Erfüllbarkeit 44 Erfüllbarkeit und Allgemeingültigkeit Def.: eine Formel ϕ heißt erfüllbar, wennesein I gibt, so dass I = ϕ
MehrBeispiel. Bsp.: Betrachte Schlussweise in: (3) folgt aus (1) und (2), siehe z.b. Resolutionsregel. was ist mit folgender Schlußweise:
Theoretische Informatik: Logik, M. Lange, FB16, Uni Kassel: 5.4 Prädikatenlogik mit Gleichheit Resolution 192 Beispiel Bsp.: Betrachte Schlussweise in: 1 Wenn es regnet, dann wird die Straße nass. R N
Mehr2. Vorlesung. Slide 40
2. Vorlesung Slide 40 Knobelaufgabe Was tut dieses Programm? Informell Formal Wie stellt man dies sicher? knobel(a,b) { Wenn a = 0 dann return b sonst { solange b 0 wenn a > b dann { a := a - b sonst b
MehrKlausur für Studiengänge INF und IST
Familienname: Matrikelnummer: Studiengang: (bitte ankreuzen) INF IST MED Vorname: Email-Adresse: Immatrikulationsjahr: Klausur für Studiengänge INF und IST sowie Leistungsschein für Studiengang Medieninformatik
MehrLogik & Semantik 7. Vorlesung Prädikatenlogik 1. Syntax der Prädikatenlogik Semantik der Prädikatenlogik: Grundbegriffe (Variablen-)Substitutionen
Logik & Semantik 7. Vorlesung Prädikatenlogik 1 Syntax der Prädikatenlogik Semantik der Prädikatenlogik: Grundbegriffe (Variablen-)Substitutionen 1 Definition eines logischen Systems: Generelles Schema
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
MehrUniversität Koblenz-Landau, Abteilung Koblenz FB 4 Informatik. Seminar Entscheidungsverfahren für logische Theorien. Endliche Modelle.
Universität Koblenz-Landau, Abteilung Koblenz FB 4 Informatik Seminar Entscheidungsverfahren für logische Theorien Tobias Hebel Koblenz, am 18.02.2005 Inhaltsverzeichnis 1 Einleitung... 3 2 Grundlagen...
MehrKlausur Formale Systeme Fakultät für Informatik WS 2009/2010
Klausur Formale Systeme Fakultät für Informatik WS 2009/2010 Prof. Dr. Bernhard Beckert 18. Februar 2010 Name: Mustermann Vorname: Peter Matrikel-Nr.: 0000000 Klausur-ID: 0000 A1 (15) A2 (10) A3 (10) A4
Mehr5 Logische Programmierung
5 Logische Programmierung Logik wird als Programmiersprache benutzt Der logische Ansatz zu Programmierung ist (sowie der funktionale) deklarativ; Programme können mit Hilfe zweier abstrakten, maschinen-unabhängigen
MehrProf. Dr. sc. Hans-Dieter Burkhard Vorlesung Winter-Semester 2003/04. Wissensrepräsentation: Resolution (im PK1)
Einführung in die KI Prof. Dr. sc. Hans-Dieter Burkhard Vorlesung Wissensrepräsentation: Resolution (im PK1) 2. Resolution Vorbild für Formalismus : exakt, präzise, (theoretisch) beherrscht Aufbau: Zeichen
MehrKapitel 7 Dr. Jérôme Kunegis. Logische Kalküle. WeST Web Science & Technologies
Kapitel 7 Dr. Jérôme Kunegis Logische Kalküle WeST Web Science & Technologies Lernziele Grundideen des Domain-Relationenkalküls (DRK) und des Tupel-Relationenkalküls (TRK) Relationale Datenbank als Formelmenge
MehrPrädikatenlogik: Grundlagen
Prädikatenlogik: Grundlagen Vorversion der Folien des Kap. 9! Stand 15.05.2007 Im Verlauf der Vorlesungen zu diesem Kapitel werden Änderungen und Ergänzungen erfolgen. Sie sollten daher sorgfältig auf
MehrTheoretische Grundlagen des Software Engineering
Theoretische Grundlagen des Software Engineering 12: Termersetzungssysteme schulz@eprover.org Reduktionssysteme Definition: Reduktionssystem Ein Reduktionssystem ist ein Tupel (A, ) Dabei gilt: A ist eine
MehrNichtmonotones Schließen
Was bisher geschah Wissensrepräsentation und -verarbeitung in Zustandsübergangssystemen klassischer Aussagenlogik: Entscheidungstabellen, -bäume, -diagramme Wissensrepräsentation und -verarbeitung durch
MehrSemantic Web Technologies I!
www.semantic-web-grundlagen.de Semantic Web Technologies I! Lehrveranstaltung im WS11/12! Dr. Elena Simperl! DP Dr. Sebastian Rudolph! M.Sc. Anees ul Mehdi! www.semantic-web-grundlagen.de Logik Grundlagen!
Mehr1 Aussagenlogische Formeln
1 Aussagenlogische Formeln Aufgabe 1.1 Transformieren Sie die Formel in disjunktive Normalform (DNF). ((:A! :B) ^ D)! ((A _ C) $ (:B ^ D)) Lösung 1.1 Schrittweise Transformation: Schritt 1: ((:A! :B) ^
Mehr5. Aussagenlogik und Schaltalgebra
5. Aussagenlogik und Schaltalgebra Aussageformen und Aussagenlogik Boolesche Terme und Boolesche Funktionen Boolesche Algebra Schaltalgebra Schaltnetze und Schaltwerke R. Der 1 Aussagen Information oft
MehrWissensbasierte Systeme/ Expertensysteme. Teil 2
Wissensbasierte Systeme/ Expertensysteme Teil 2 BiTS, Sommersemester 2004 Dr. Stefan Kooths KOOTHS BiTS: Wissensbasierte Systeme/Expertensysteme Teil 2 1 Gliederung 1. Einführung und Einordnung 2. Entscheidungsunterstützung(ssysteme)
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
MehrKapitel DB:V (Fortsetzung)
Kapitel DB:V (Fortsetzung) V. Grundlagen relationaler Anfragesprachen Anfragen und Änderungen Relationale Algebra Anfragekalküle Relationaler Tupelkalkül Relationaler Domänenkalkül DB:V-67 Relational Algebra
MehrZusammenfassung. Satz. 1 Seien F, G Boolesche Ausdrücke (in den Variablen x 1,..., x n ) 2 Seien f : B n B, g : B n B ihre Booleschen Funktionen
Zusammenfassung Zusammenfassung der letzten LV Einführung in die Theoretische Informatik Woche 6 Harald Zankl Institut für Informatik @ UIBK Wintersemester 2014/2015 Satz 1 Seien F, G Boolesche Ausdrücke
MehrMai 2006. Hauptseminar: Nichtrelationale Datenbanken Historisch-Kulturwissenschaftliche Informationsverarbeitung Universität zu Köln
Hauptseminar: Nichtrelationale Historisch-Kulturwissenschaftliche Informationsverarbeitung Universität zu Köln Mai 2006 Was ist eine Datenbank? Erweiterung relationaler um eine Deduktionskomponente Diese
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
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
MehrBeschreibungslogiken. Daniel Schradick 1schradi@informatik.uni-hamburg.de
Beschreibungslogiken Daniel Schradick 1schradi@informatik.uni-hamburg.de Was sind Beschreibungslogiken? Definition: Formalisms that represent knowledge of some problem domain (the world ) by first defining
MehrZusammenfassung. 1 Wir betrachten die folgende Signatur F = {+,,, 0, 1} sodass. 3 Wir betrachten die Gleichungen E. 4 Dann gilt E 1 + x 1
Zusammenfassung Zusammenfassung der letzten LV Einführung in die Theoretische Informatik Woche 7 Harald Zankl Institut für Informatik @ UIBK Wintersemester 2014/2015 1 Wir betrachten die folgende Signatur
MehrProlog basiert auf Prädikatenlogik
Software-Technologie Software-Systeme sind sehr komplex. Im Idealfall erfolgt die Programmierung problemorientiert, während die notwendige Übertragung in ausführbare Programme automatisch erfolgt. Prolog-Philosophie:
Mehr8. Logische Programmierung. Prolog Sprachkonstrukte: Fakten. Prolog Übersicht
8. Logische Programmierung GPS-8-1 Übersicht zur logischen Programmierung GPS-8-2 Themen dieses Kapitels: Deklaratives Programmieren: Problem beschreiben statt Algorithmus implementieren (idealisiert).
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
MehrTheorie der Informatik
Theorie der Informatik 6. Formale Sprachen und Grammatiken Malte Helmert Gabriele Röger Universität Basel 17. März 2014 Einführung Beispiel: Aussagenlogische Formeln Aus dem Logikteil: Definition (Syntax
MehrSemantik von Formeln und Sequenzen
Semantik von Formeln und Sequenzen 33 Grundidee der Verwendung von Logik im Software Entwurf Syntax: Menge von Formeln = Axiome Ax K ist beweisbar Formel ϕ beschreiben Korrektkeit Vollständigkeit beschreibt
Mehr9.2. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 83
9.. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 83 Die Grundfrage bei der Anwendung des Satzes über implizite Funktionen betrifft immer die folgende Situation: Wir haben eine Funktion f : V W und eine Stelle x
MehrGrundbegriffe der Informatik
Grundbegriffe der Informatik Einheit 3: Alphabete (und Relationen, Funktionen, Aussagenlogik) Thomas Worsch Universität Karlsruhe, Fakultät für Informatik Oktober 2008 1/18 Überblick Alphabete ASCII Unicode
MehrEinfache Ausdrücke Datentypen Rekursive funktionale Sprache Franz Wotawa Institut für Softwaretechnologie wotawa@ist.tugraz.at
Inhalt SWP Funktionale Programme (2. Teil) Einfache Ausdrücke Datentypen Rekursive funktionale Sprache Franz Wotawa Institut für Softwaretechnologie wotawa@ist.tugraz.at Interpreter für funktionale Sprache
MehrLogische Folgerung. Definition 2.11
Logische Folgerung Definition 2.11 Sei 2A eine aussagenlogische Formel und F eine endliche Menge aussagenlogischer Formeln aus A. heißt logische Folgerung von F genau dann, wenn I ( ) =1für jedes Modell
MehrInhalt. SWP Logische Programme. Motivation. Formalisierung. Wissensbasis. Bsp (Bibel)Verwandtschaften. Motivation Sprache LP
Inhalt SWP Logische Programme Franz Wotawa Institut für Softwaretechnologie wotawa@ist.tugraz.at Motivation Sprache LP Resolution Unifikation Datenbanken und logische Programme Semantik 2 Motivation Bsp
MehrTheoretische Informatik
Theoretische Informatik - das Quiz zur Vorlesung Teil I - Grundzüge der Logik In der Logik geht es um... (A) die Formen korrekten Folgerns (B) die Unterscheidung von wahr und falsch (C) das Finden von
MehrPrädikatenlogik - Micromodels of Software
Prädikatenlogik - Micromodels of Software Philipp Koch Seminar Logik für Informatiker Universität Paderborn Revision: 30. Mai 2005 1 Inhaltsverzeichnis 1 Motivation 3 2 Modelle 3 2.1 Definition eines Modells.......................
MehrTemporale Logiken: CTL und LTL
Westfälische Wilhelms-Universität Münster usarbeitung Temporale Logiken: CTL und LTL im Rahmen des Seminars Formale Spezifikation im WS 2005/06 Thorsten Bruns Themensteller: Prof. Dr. Herbert Kuchen Betreuer:
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,
MehrLogische Programmierung
Logische Programmierung B-82 Deklaratives Programmieren in Prädikatenlogik: Problem beschreiben statt Algorithmus implementieren (idealisiert). Grundlagen: Relationen bzw. Prädikate (statt Funktionen);
MehrTheoretische Informatik
Theoretische Informatik Einheit 1 Mathematische Methodik 1. Problemlösen 2. Beweistechniken 3. Wichtige Grundbegriffe Methodik des Problemlösens Klärung der Voraussetzungen Welche Begriffe sind zum Verständnis
MehrA.1 Schaltfunktionen und Schaltnetze
Schaltfunktionen und Schaltnetze A. Schaltfunktionen und Schaltnetze 22 Prof. Dr. Rainer Manthey Informatik II Bedeutung des Binärsystems für den Rechneraufbau Seit Beginn der Entwicklung von Computerhardware
MehrFormale Methoden III - Tutorium
Formale Methoden III - Tutorium Daniel Jettka 19.06.06 Inhaltsverzeichnis 1. Logische Eigenschaften von Merkmalsstrukturen 1. Logische Eigenschaften von MS Ausgangspunkt: Unterscheidung von: Linguistische
MehrAussagenlogik Schnelldurchlauf
Aussagelogik Schelldurchlauf Michael Leuschel Softwaretechik ud Programmiersprache Lecture 3 Teil 1: Sprache (Sytax) Bestadteile Atomare Aussage (atomic propositios) Etweder wahr oder falsch (Wahrheitswert,
Mehr3.Inferenzsysteme 3.4 Logische Programme und Antwortmengensemantik
Darstellung, Verarbeitung und Erwerb von Wissen 3.Inferenzsysteme 3.4 Logische Programme und Antwortmengensemantik DVEW WS 2004/05 c Gabriele Kern-Isberner 1 Stratifizierte Programme (Whlg.) Sei P ein
Mehry(p F x) gebunden und in den Formeln F xy
Wirkungsbereich (Skopus) eines Quantors i bzw. i nennen wir die unmittelbar auf i bzw. i folgende Formel. Wir sagen, eine IV i kommt in einer Formel A gebunden vor, wenn sie unmittelbar auf oder folgt
MehrGleichungen und Ungleichungen
Gleichungen Ungleichungen. Lineare Gleichungen Sei die Gleichung ax = b gegeben, wobei x die Unbekannte ist a, b reelle Zahlen sind. Diese Gleichung hat als Lösung die einzige reelle Zahl x = b, falls
Mehr7. Formale Sprachen und Grammatiken
7. Formale Sprachen und Grammatiken Computer verwenden zur Verarbeitung von Daten und Informationen künstliche, formale Sprachen (Maschinenspr., Assemblerspachen, Programmierspr., Datenbankspr., Wissensrepräsentationsspr.,...)
MehrWissensbasierte Systeme
WBS4 Slide 1 Wissensbasierte Systeme Vorlesung 4 vom 03.11.2004 Sebastian Iwanowski FH Wedel WBS4 Slide 2 Wissensbasierte Systeme 1. Motivation 2. Prinzipien und Anwendungen 3. Logische Grundlagen 4. Suchstrategien
MehrDiskrete Strukturen und Logik WiSe 2007/08 in Trier. Henning Fernau Universität Trier fernau@uni-trier.de
Diskrete Strukturen und Logik WiSe 2007/08 in Trier Henning Fernau Universität Trier fernau@uni-trier.de 1 Diskrete Strukturen und Logik Gesamtübersicht Organisatorisches Einführung Logik & Mengenlehre
Mehr1 Aussagenlogik und Mengenlehre
1 Aussagenlogik und engenlehre 1.1 engenlehre Definition (Georg Cantor): nter einer enge verstehen wir jede Zusammenfassung von bestimmten wohl unterschiedenen Objekten (m) unserer Anschauung oder unseres
MehrWortproblem für kontextfreie Grammatiken
Wortproblem für kontextfreie Grammatiken G kontextfreie Grammatik. w Σ w L(G)? Wortproblem ist primitiv rekursiv entscheidbar. (schlechte obere Schranke!) Kellerautomat der L(G) akzeptiert Ist dieser effizient?
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
Mehr4 Semantik von Nominalphrasen
4 Semantik von Nominalphrasen 4 Semantik von Nominalphrasen 4.1 Nominalphrasen und Determinatoren Eigennamen quantifizierende NPn und definite NPn die neben anderen natürlichsprachlichen Ausdrücken zur
MehrRelationale Kalküle. Grundlagen der Datenbanken. Dr. Jérôme Kunegis Wintersemester 2013/14
Web Science & Technologies University of Koblenz Landau, Germany Grundlagen der Datenbanken Dr. Jérôme Kunegis Wintersemester 2013/14 Lernziele Grundideen des Domänen-Relationenkalküls (DRK) und des Tupel-Relationenkalküls
MehrDeductive Reasoning Agents
Multiagentensysteme Deductive Reasoning Agents Volkan Aksu & Sebastian Ptock Überblick Einleitung Deductive Reasoning Agents Der Staubsauger-Roboter Agentenorientierte Programmierung (AOP) Concurrent MetateM
MehrMathematische Grundlagen der Informatik
Skriptum zur Vorlesung Mathematische Grundlagen der Informatik gehalten in WS 2015/16 von Sven Kosub 4. Februar 2016 Version v4.20 Inhaltsverzeichnis Prolog 1 1 Logik 5 1.1 Aussagen.....................................
MehrProgram = Logic + Control
Program = Logic + Control Prozedurale/imperative Sprachen: Abläufe formulieren Computer führt aus von-neumann-maschine Idee von deklarativen/logischen/funktionalen Programmiersprachen: Zusammenhänge formulieren
MehrPrädikate zum Testen und Manipulieren der Struktur der Terme; Mehr meta-logische Prädikate z.b. zum Testen des Zustands der Ableitung;
Mehr Prolog Prolog bietet mehr an, z.b.: Prädikate zum Testen und Manipulieren der Struktur der Terme; Mehr meta-logische Prädikate z.b. zum Testen des Zustands der Ableitung; Mehr extra-logische Prädikate,
MehrFormale Methoden. Alexander Knapp, Gerhard Schellhorn. Universität Augsburg
Formale Methoden Alexander Knapp, Gerhard Schellhorn Universität Augsburg Formale Methoden: Ziele (1) Grundlagen für die Softwareerstellung Mathematik von Spezifikations- und Programmiersprachen Vermeidung
MehrSatz Ein Boolescher Term t ist eine Tautologie genau dann, wenn t unerfüllbar ist.
Erfüllbarkeit, Uerfüllbarkeit, Allgemeigültigkeit Defiitio Eie Belegug β ist passed zu eiem Boolesche Term t, falls β für alle atomare Terme i t defiiert ist. (Wird ab jetzt ageomme.) Ist β(t) = true,
MehrLogik für Informatiker Wintersemester 2012/13
2 Prädikatenlogik In der Prädikatenlogik kann man die in der Aussagenlogik bereits betrachteten atomaren Aussagen eleganter formulieren: A = Borussia Dortmund ist deutscher Fußballmeister : deutscher_fussballmeister(
MehrN Bit binäre Zahlen (signed)
N Bit binäre Zahlen (signed) n Bit Darstellung ist ein Fenster auf die ersten n Stellen der Binär Zahl 0000000000000000000000000000000000000000000000000110 = 6 1111111111111111111111111111111111111111111111111101
Mehr6.1 Syntax und Semantik von Constraint-Logikprogrammen
Kapitel 6 Logikprogrammierung mit Constraints Nachdem wir nun sowohl die reine Logikprogrammierung als auch ihre Implementierung in der Sprache Prolog betrachtet haben, wollen wir uns zum Schluss mit einer
MehrVorlesung 04.12.2006: Binäre Entscheidungsdiagramme (BDDs) Dr. Carsten Sinz
Vorlesung 04.12.2006: Binäre Entscheidungsdiagramme (BDDs) Dr. Carsten Sinz Datenstruktur BDD 1986 von R. Bryant vorgeschlagen zur Darstellung von aussagenlogischen Formeln (genauer: Booleschen Funktionen)
MehrGeometrische Mannigfaltigkeiten
Geometrische Mannigfaltigkeiten Thilo Kuessner Abstract Kurzfassung der Vorlesung: Definitionen, Beispiele und Sätze, keine Beweise. Definition 1. Ein topologischer Raum ist eine Menge X mit einer Familie
MehrMathematische Grundlagen
Luise Unger In LATEX gesetzt von Luise Unger Mathematische Grundlagen Kurseinheit 1: Grundlagen 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 77 7 7 777 7 77 7777777 77777 7 77 7 7 7 7 7 7 77777777777
MehrFragen für die Klausuren
Fragen für die Klausuren Vom Quellcode zum ausführbaren Programm Was ist ein Quellcode? Ist der Quellcode von einem Programm auf unterschiedlichen Rechner gleich? Nennen Sie drei Programmiersprachen. Was
MehrSemantic Web Grundlagen
Semantic Web Grundlagen Lösung zur Übung 2: Logik, RDF-Semantik, Datalog Birte Glimm WS 2011/2012 Lösung (2.1). (a) (p p): allgemeingültig I(p) I( p) I(p p) t f t f t t (b) ((p q) ( p q)): erfülbal & widerlegbar
MehrProlog = Programmierung in Logik (Roussell, Colmerauer, 1973/74)
Logikprogrammierung Historie: Philosophie / Mathematik Künstliche Intelligenz Praktische Programmiersprache: Prolog = Programmierung in Logik (Roussell, Colmerauer, 1973/74) Grundidee: Ein Programm ist
MehrLogik und Mengenlehre. ... wenn man doch nur vernünftig mit Datenbanken umgehen können will?
Mengenlehre und Logik: iederholung Repetitorium: Grundlagen von Mengenlehre und Logik 2002 Prof. Dr. Rainer Manthey Informationssysteme 1 arum??? arum um alles in der elt muss man sich mit herumschlagen,......
MehrSprachen/Grammatiken eine Wiederholung
Sprachen/Grammatiken eine Wiederholung Was sind reguläre Sprachen? Eigenschaften regulärer Sprachen Sprachen Begriffe Symbol: unzerlegbare Grundzeichen Alphabet: endliche Menge von Symbolen Zeichenreihe:
MehrKomplexitätstheorie Einführung und Überblick (Wiederholung)
Literatur C. Papadimitriou UC Berkeley Zum Komplexitätsbegriff Strukturelle Komplexität Average Case Analyse Effiziente Algorithmen Logische Komplexität Beschreibungssprachen: SQL Kolmogorov Komplexität
MehrEinführung in das Programmieren Prolog Sommersemester 2006. Teil 2: Arithmetik. Version 1.0
Einführung in das Programmieren Prolog Sommersemester 2006 Teil 2: Arithmetik Version 1.0 Gliederung der LV Teil 1: Ein motivierendes Beispiel Teil 2: Einführung und Grundkonzepte Syntax, Regeln, Unifikation,
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
Mehr5.1 Drei wichtige Beweistechniken... 55 5.2 Erklärungen zu den Beweistechniken... 56
5 Beweistechniken Übersicht 5.1 Drei wichtige Beweistechniken................................. 55 5. Erklärungen zu den Beweistechniken............................ 56 Dieses Kapitel ist den drei wichtigsten
MehrDie Gleichung A x = a hat für A 0 die eindeutig bestimmte Lösung. Für A=0 und a 0 existiert keine Lösung.
Lineare Gleichungen mit einer Unbekannten Die Grundform der linearen Gleichung mit einer Unbekannten x lautet A x = a Dabei sind A, a reelle Zahlen. Die Gleichung lösen heißt, alle reellen Zahlen anzugeben,
MehrTheoretische Grundlagen des Software Engineering
Theoretische Grundlagen des Software Engineering 11: Abstrakte Reduktionssysteme schulz@eprover.org Reduktionssysteme Definition: Reduktionssystem Ein Reduktionssystem ist ein Tupel (A, ) Dabei gilt: A
Mehr9. Übung Formale Grundlagen der Informatik
Institut für Informatik Sommersemester 2001 Universität Zürich 9. Übung Formale Grundlagen der Informatik Norbert E. Fuchs (fuchs@ifi.unizh.ch) Reinhard Riedl (riedl@ifi.unizh.ch) Nadine Korolnik (korolnik@ifi.unizh.ch)
MehrEntwicklung eines korrekten Übersetzers
Entwicklung eines korrekten Übersetzers für eine funktionale Programmiersprache im Theorembeweiser Coq Thomas Strathmann 14.01.2011 Gliederung 1 Einleitung
MehrFormale Sprachen, reguläre und kontextfreie Grammatiken
Formale Sprachen, reguläre und kontextfreie Grammatiken Alphabet A: endliche Menge von Zeichen Wort über A: endliche Folge von Zeichen aus A A : volle Sprache über A: Menge der A-Worte formale Sprache
MehrSWP Logische Programme
SWP Logische Programme Alexander Felfernig, Stephan Gspandl Institut für Softwaretechnologie {alexander.felfernig,sgspandl}@ist.tugraz.at Institute for Software Technology Inhalt Motivation Logische Programme
MehrKünstliche Intelligenz Maschinelles Lernen
Künstliche Intelligenz Maschinelles Lernen Stephan Schwiebert Sommersemester 2009 Sprachliche Informationsverarbeitung Institut für Linguistik Universität zu Köln Maschinelles Lernen Überwachtes Lernen
Mehr2. Universelle Algebra
2. Universelle Algebra Die Theorie der universellen Algebra verallgemeinert die Theorien der klassischen Algebren. Obwohl ursprünglich nur eine Sorte betrachtet wurde, werden wir hier gleich den mehrsortigen
MehrLogik für Informatiker
Vorlesung Logik für Informatiker 3. Aussagenlogik Einführung: Logisches Schließen im Allgemeinen Bernhard Beckert Universität Koblenz-Landau Sommersemester 2006 Logik für Informatiker, SS 06 p.1 Beispiel:
MehrDiana Lange. Generative Gestaltung Operatoren
Diana Lange Generative Gestaltung Operatoren Begriffserklärung Verknüpfungsvorschrift im Rahmen logischer Kalküle. Quelle: google Operatoren sind Zeichen, die mit einer bestimmten Bedeutung versehen sind.
MehrAufgaben Theoretische Informatik
Aufgaben Theoretische Informatik Elmar Eder 26. Dezember 2015 Lösungen der Aufgaben bitte abgeben auf dem Abgabesystem von Dominik Kaaser auf https://ti.cosy.sbg.ac.at/ als ASCII- oder UTF-8-Dateien mit
MehrVorlesung. Funktionen/Abbildungen 1
Vorlesung Funktionen/Abbildungen 1 1 Grundlagen Hinweis: In dieser Vorlesung werden Funktionen und Abbildungen synonym verwendet. In der Schule wird eine Funktion häufig als eindeutige Zuordnung definiert.
Mehr