Übersicht. Wissensbasierte Agenten. Allgemeiner Entwurf eines Agenten (1) Allgemeiner Entwurf eines Agenten (2)
|
|
- Benedict Clemens Raske
- vor 6 Jahren
- Abrufe
Transkript
1 Übersicht I Künstliche Intelligenz II Problemlösen III Wissen und Schlussfolgern 7. Logische Agenten 8. Prädikatenlogik 1. Stufe 9. Schließen in der Prädikatenlogik 1. Stufe 10. Wissensrepräsentation IV Logisch Handeln V Unsicheres Wissen und Schließen VI Lernen VII Kommunizieren, Wahrnehmen und Handeln Künstliche Intelligenz: 7. Logische Agenten Frank Puppe 1 Wissensbasierte Agenten Vorteile wissensbasierter Agenten: Eleganter Umgang mit nur teilweise beobachtbaren Umgebungen: Aus Wahrnehmungen und Wissen kann der Weltzustand präzisiert werden (Bsp.: Med. Diagnose, Sprachverstehen) Neue Aufgaben als explizit beschriebene Ziele Schneller Kompetenzerwerb durch Mitteilung oder Lernen Adaption an Umweltänderungen durch Wissensadaptionen Grundstruktur wissensbasierter Agenten: In jedem Zeittakt: 1. Speichere Wahrnehmung in Wissensbasis (Tell) 2. Leite eine Aktion aus Wissensbasis her (Ask) 3. Führe die Aktion aus 4. Speichere Aktion in Wissensbasis (Tell) Wissen lässt sich gut in Logik formulieren! Künstliche Intelligenz: 7. Logische Agenten Frank Puppe 2 Allgemeiner Entwurf eines Agenten (1) Wissensbasis (knowledge base): Enthält Repräsentationen von Fakten über die Welt. Satz (sentence): Eine individuelle Repräsentation. Wissensrepräsentation(ssprache) (knowledge representation language): Sprache, in der die Sätze formuliert werden. Tell und Ask: Hinzufügen neuer Sätze und Abfragen von Sätzen, die aus dem vorhandenen Wissen folgen. Inferenz(mechanismus) (inference): Mechanismus, mit dem neue Sätze aus den bekannten Sätzen hergeleitet werden. Hintergrundwissen (background knowledge): Apriori vorhandenes Wissen in der Wissensbasis Künstliche Intelligenz: 7. Logische Agenten Frank Puppe 3 Allgemeiner Entwurf eines Agenten (2) 3 Ebenen, auf denen ein Wissensbasierter Agent beschrieben werden kann: 1. Wissensebene (Epistemologische Ebene): Ein Agent weiß etwas, z.b. daß die Friedensbrücke den Ostteil und den Westteil von Würzburg verbindet. 2. Logische Ebene: Ebene, in der das Wissen in Sätzen beschrieben ist, z.b. "verbindet (Friedensbrücke, Ostwürzburg, Westwürzburg)". 3. Implementationsebene: Implementierung der logischen Ebene, z.b. als Array, verzeigerte Liste, Prädikat,... Deklarative Systementwicklung: Wissensbasis wird aufgebaut, indem dem System ein Satz nach dem anderen mitgeteilt wird (oder es Sätze aufgrund von Wahrnehmungen lernt). Prozedurale Systementwicklung: Direkte Programmierung des Verhaltens als Programmcode Künstliche Intelligenz: 7. Logische Agenten Frank Puppe 4
2 WUMPUS-Welt Die WUMPUS-Welt ist ein Höhlensystem mit durch Gänge verbundenen Höhlen. Darin gibt es Gold, aber auch einen drachenähnlichen WUMPUS sowie Löcher (pits), aus denen man sich nicht befreien kann. Von benachbarten Feldern kann man den WUMPUS riechen, die Löcher durch einen Windzug (breeze) spüren. Den WUMPUS kann man mit einem Pfeil töten. Künstliche Intelligenz: 7. Logische Agenten Frank Puppe 5 PEAS-Beschreibung der WUMPUS-Welt Performance Measure: 1000 Punkte für das Gold, Punkte, wenn man in ein Loch fällt oder vom WUMPUS gefressen wird, -1 Punkt für jeden Schritt und -10 Punkte für das Verschießen des Pfeils. Environment: 4*4 Matrix von Höhlen. Der Agent startet im Feld [1,1]. Der Ort des WUMPUS und des Goldes werden per Zufall gewählt. Jedes Feld kann ein Loch mit der Wahrscheinlichkeit von 20% sein. Aktuatoren: Sich um 90 o drehen, einen Schritt vorwärts gehen (hat keinen Effekt bei Wand), Sterben in Löchern und beim WUMPUS, Das Gold grabschen, Schießen (nur einmal). Sensoren: Der Agent hat 5 boolsche Sensoren: Riechen (stench), Luftzug spüren (breeze), Glitzern sehen (glitter), sich an einer Wand stoßen (bump), den Todesschrei des WUMPUS hören (scream), die als 5-Tupel repräsentiert sind. Künstliche Intelligenz: 7. Logische Agenten Frank Puppe 6 Schließen & Handeln in der WUMPUS - Welt (1) Schließen & Handeln in der WUMPUS - Welt (2) Künstliche Intelligenz: 7. Logische Agenten Frank Puppe 7 Künstliche Intelligenz: 7. Logische Agenten Frank Puppe 8
3 (Gegen-) Beispiel für logisches Schließen Syntax und Semantik Wenn eine Wissensbasis in der realen Welt wahr ist, dann sind auch alle daraus mit einer wahrheitserhaltenden (sound) Inferenzprozedur hergeleiteten Sätze in der Welt wahr! Künstliche Intelligenz: 7. Logische Agenten Frank Puppe 9 Künstliche Intelligenz: 7. Logische Agenten Frank Puppe 10 Grundlegende Konzepte der Logik Syntax der Repräsentationssprache: spezifiziert wohlgeformte Sätze z.b. x+y=4 ist wohlgeformt, xy4+= ist nicht wohlgeformt. Semantik der Repräsentationssprache: definiert die Wahrheit von Sätzen hinsichtlich möglicher Welten (Modellen), z.b. x+y=4 ist wahr im Modell mit x=2 & y=2, aber falsch im Modell mit x=1 & y=1. Entailment (logische Implikation): α = β bedeutet, dass in jedem Modell, in dem α wahr ist, auch β wahr ist, z.b. (x+y=4) = (4=y+x) Inferenzprozedur i: WB - i α bedeutet, dass aus der Wissensbasis WB die Inferenzprozedur den Satz α herleitet - wahrheitserhaltend (sound): WB - i α nur dann, wenn WB = α - vollständig (complete): i kann alle Sätze herleiten, die logisch folgern Model Checking: Eine Inferenzprozedur, die alle Modelle aufzählt und darin die Schlussfolgerung überprüft (sound & complete). Beweis: Folge von Inferenzschritten zur Herleitung eines Satzes Grounding: Verbindung zwischen Logik und realer Welt des Agenten; teils über Sensoren (Fakten), teils über Lernen (Regeln) Künstliche Intelligenz: 7. Logische Agenten Frank Puppe 11 Metapher für Entailment und Inferenz "Nadel im Heuhaufen" Heuhaufen: Alle Konsequenzen, die aus einer Wissensbasis logisch folgern. Nadel: Eine bestimmter Satz α Entailment: Die Nadel α ist im Heuhaufen Inferenzprozedur: Verfahren, die Nadel zu finden. Wahrheitserhaltende Inferenzprozedur: findet nur Nadeln, die wirklich im Heuhaufen sind Vollständige Inferenzprozedur: findet alle Nadeln im Heuhaufen (bei endlichen Heuhaufen ist model checking vollständig). Künstliche Intelligenz: 7. Logische Agenten Frank Puppe 12
4 Bsp. für Model Checking in WUMPUS-Welt Logiken Eine Logik besteht aus einem formalen System mit Syntax und Semantik sowie einer Beweistheorie. Zwei wichtige Logiken sind die Aussagenlogik und die Prädikatenlogik: Aussagenlogik: Fakten und Konnektoren Prädikatenlogik 1. Stufe: Objekte, Prädikate, Konnektoren, Quantoren Ontologische Annahmen: beziehen sich auf die Realität Epistemologische Annahmen: beziehen sich auf Wissen von Agenten Künstliche Intelligenz: 7. Logische Agenten Frank Puppe 13 Künstliche Intelligenz: 7. Logische Agenten Frank Puppe 14 Ontologische und epistemologische Annahmen Aussagenlogik Syntax (nächste Folie [nf]) Semantik (nf + 1) Test auf Tautologien (nf + 2) Inferenzregeln (nf + 3/4) Komplexität von Inferenzen in Aussagenlogik (NP-vollständig) Monotonie: if KB 1 = a then KB 1 KB 2 = a Hornklausel: P 1 P 2... P n Q Lineare Komplexität von Inferenzen mit Hornklauseln Künstliche Intelligenz: 7. Logische Agenten Frank Puppe 15 Künstliche Intelligenz: 7. Logische Agenten Frank Puppe 16
5 Syntax der Aussagenlogik Semantik der Aussagenlogik Wahrheitstabelle für die fünf Konnektoren Konvention: Man kann die Klammern auch weglassen, wenn die Bedeutung eindeutig ist; dann gelten Präzedenzregeln für die Konnektoren in obiger Reihenfolge ( ); Künstliche Intelligenz: 7. Logische Agenten Frank Puppe 17 Künstliche Intelligenz: 7. Logische Agenten Frank Puppe 18 Beweis von Tautologien Tautologien: gültige (valid) Sätze, die immer gelten (d.h. in allen Modellen) unerfüllbare (unsatisfiable) Sätze, die nie gelten (d.h. in keinem Modell) erfüllbare (satisfiable) Sätze, die in manchen Modellen gelten Logische Äquivalenzen Können leicht über die Wahrheitstabelle bewiesen werden! (α, β und γ stehen für beliebige logische Sätze) Tautologien können einfach mittels Wahrheitstabellen überprüft werden: Künstliche Intelligenz: 7. Logische Agenten Frank Puppe 19 Künstliche Intelligenz: 7. Logische Agenten Frank Puppe 20
6 Inferenzregeln der Aussagenlogik Modus Ponens: Wenn α βund α gelten, dann kann β hergeleitet werden: Und-Eliminierung: Von einer Konjunktion können Teile entfernt werden: Unit-Resolution: Wenn in einer Disjunktion ein Teil falsch ist, muss der restliche Teil wahr sein: Wissensbasis der Agenten Sei S 1,2 : Geruch (Stench) auf Feld [1,2]; B 2,1 : Luftzug (Breeze) auf [2,1]. Dann ist die Wissensbasis nach diesen beiden Wahrnehmungen: S 1,1, S 2,1, S 1,2, B 1,1, B 2,1, B 1,2 Weiterhin sind alle logischen Äquivalenzen (s. letzte Folie) als Inferenzregeln geeignet. Künstliche Intelligenz: 7. Logische Agenten Frank Puppe 21 Künstliche Intelligenz: 7. Logische Agenten Frank Puppe 22 Finden des WUMPUS R1: S 1,1 W 1,1 W 2,1 W 1,2 ;R2: S 2,1 W 1,1 W 2,1 W 2,2 W 3,1 R3: S 1,2 W 1,1 W 1,2 W 2,2 W 1,3 ; R4: S 1,2 W 1,3 W 1,2 W 2,2 W 1,1 Resolution Die bisherigen Inferenzregeln sind zwar wahrheitserhaltend, aber ihre Vollständigkeit haben wir nicht analysiert. Sie können durch eine einzige Inferenzregel ersetzt werden, die wahrheitserhaltend und vollständig ist: Resolution Resolutionsregel mit 2 Klauseln: allgemeine Resolutionsregel (l i und m i sind komplementäre Literale): Resolution kann zwar nicht alle wahren Sätze aufzählen, aber entscheiden, ob ein Satz wahr oder falsch ist Widerspruchsbeweis: um zu zeigen, dass (WB = α), zeige dass (WB α) unerfüllbar ist. Künstliche Intelligenz: 7. Logische Agenten Frank Puppe 23 Künstliche Intelligenz: 7. Logische Agenten Frank Puppe 24
7 Konjunktive Normalform (KNF) Die Resolutionsregel erfordert eine Disjunktion von Literalen. Jeder Satz kann in eine Konjunktion von Disjunktionen von Literalen umgeformt werden (d.h. in konjunktive Normalform), d.h. in (l 1,1 l 1,k ) (l n,1 l n,m ) Umwandlungsprozedur: 1. Ersetze alle, indem (a b) durch (a b) (b a) ersetzt wird 2. Ersetze alle, indem (a b) durch ( a b) ersetzt wird 3. Ersetze alle, die nicht vor Literalen stehen, mit 3 Regeln: ( a) a; (a b) ( a b); (a b) ( a b); 4. Bewege mit Distributivgesetzen nach innen. Beispiel für Umformung in KNF Ausgangssatz: 1. Ersetze : 2. Ersetze : 3. Ersetze äußere : 4. Bewege : Künstliche Intelligenz: 7. Logische Agenten Frank Puppe 25 Künstliche Intelligenz: 7. Logische Agenten Frank Puppe 26 Beispiel für Ableitung mittels Resolution Um in der Startkonfiguration der WUMPUS-Welt zu zeigen, dass kein Loch (Pit) im Feld (1,2) ist, weil kein Luftzug (breeze) auf (1,1) ist ( B 1,1 ), wird zunächst die Regel B 1,1 P 1,2 P 2,1 in Klauselnormalform (konjunktive Normalform) umgewandelt (s. letzte Folie) und dann P 1,2 durch Widerspruchsbeweis gezeigt, d.h. die Frage wird negiert ( P 1,2 = P 1,2 ), der Klauselmenge hinzugefügt und eine leere Klauselmenge hergeleitet (ganz rechts). Vorwärts- und Rückwärtsverkettung Vereinfachung der Resolution: Statt Klauseln Hornklauseln Hornklausel als Regel: (l 1 l 2 l n l), d.h. eine Klausel mit höchstens einem nicht-negierten Literal: ( l 1 l 2 l n l) Hornklausel ohne nicht-negiertes Literals heißt auch Fakt. Inferenzen mit Hornklauseln erfordern nur lineare Zeit (zur Größe der Wissensbasis). Zwei Algorithmen: Vorwärtsverkettung: Prüfe bei allen Regeln, ob deren Vorbedingung erfüllt ist, und füge dann Nachbedingung zu (Einzel)Fakten hinzu, bis keine neuen Fakten mehr herleitbar sind Rückwärtsverkettung: Ausgehend von einer Anfrage (Einzelfakt) werden die Regeln überprüft, die das Fakt herleiten können. Wenn bei deren Vorbedingungen Fakten unbekannt sind, wiederhole Prozedur rekursiv. Künstliche Intelligenz: 7. Logische Agenten Frank Puppe 27 Künstliche Intelligenz: 7. Logische Agenten Frank Puppe 28
8 Vorwärtsverkettungs-Algorithmus PL-FC-Entails? Noch nicht verarbeitete wahre Symbole werden auf Agenda notiert und nach ihrer Herleitung genau einmal bearbeitet. Regeln haben Zähler für Anzahl unerfüllter Vorbedingungen, die bei Erfüllung erniedrigt werden wenn Zähler = 0 kann die Regel feuern. Beispiel für Vorwärtsverkettung Als Und-Oder-Graph dargestellte Wissensbasis für Vorwärtsverkettung Künstliche Intelligenz: 7. Logische Agenten Frank Puppe 29 Künstliche Intelligenz: 7. Logische Agenten Frank Puppe 30 Ein vollständiger Backtracking Algorithmus DPLL: Davis-Putnam-Logemann-Loveland Algorithmus Eine rekursive, tiefensuch-basierte Aufzählung aller möglichen Modelle für den Satz der Anfrage 3 Verbesserungen zur vollständigen Aufzählung Frühe Terminierung: Eine (disjunktive) Klausel ist wahr, wenn irgendein Literal wahr ist. Eine (konjunktiver) Satz ist wahr, wenn alle Klauseln wahr sind z.b. (A v C) (A v B) ist wahr, wenn A wahr ist. Ein Satz ist falsch, wenn irgendeine Klausel falsch ist. Pure Symbol Heuristic: Ein Symbol ist "pure", wenn es nur mit einem Vorzeichen (d.h. nur negiert oder nur nicht-negiert) vorkommt. Wenn ein Satz ein Modell hat, dann nur dann, wenn das negierte Symbol auf "falsch" bzw. das nicht-negierte auf "wahr" gesetzt wird. Unit Clause Heuristic: Eine Unit Clause enthält nur ein Literal. Bevor andere Literale ausprobiert werden, werden erst alle Unit Clauses auf wahr bzw. falsch gesetzt und deren Werte propagiert. Künstliche Intelligenz: 7. Logische Agenten Frank Puppe 31 Hill-Climbing Algorithmus für Erfüllbarkeit Grundidee: Wähle zufällig komplette Belegung aller Variablen (ein Modell) und ändere den Wert einzelner Variablen so lange, bis alle Klauseln erfüllt sind (oder ein Schwellwert erreicht ist). Kriterien zur Auswahl der zu ändernden Variable: 1. Sie soll in einer bisher nicht erfüllten Klausel vorkommen. 2. Sie soll die Anzahl der bisher nicht erfüllten Klauseln möglichst stark reduzieren (vgl. Min-Conflicts-Heuristik). 3. Sie soll auch ein gewisses Zufallselement enthalten (wie bei Simulated Annealing, zur Vermeidung lokaler Minima) Umsetzung der Kriterien in WalkSAT-Algorithmus: Wähle unerfüllte Klausel (Kriterium 1) Wähle mit gewisser Wahrscheinlichkeit p zufällig ein Symbol (Kriterium 3) oder wähle das Symbol, das die Anzahl erfüllter Klauseln maximiert (Kriterium 2) Künstliche Intelligenz: 7. Logische Agenten Frank Puppe 32
9 Bewertung von WalkSAT Nicht vollständig Aber in der Praxis sehr erfolgreich Wenn nach gewisser Zeit keine Lösung für ein Erfüllbarkeitsproblem gefunden wurde, kann man die Heuristik verwenden, dass es keine Lösung gibt. Vergleich WalkSAT und DPLL bei 100 zufällig generierten erfülbaren 3-KNF-Problemen (d.h. KNF mit jeweils 3 Literalen pro Klausel): s. rechts Praxis: Problemlöser wie CHAFF können Tausende von Symbolen & Millionen von Klauseln routinemäßig bearbeiten Künstliche Intelligenz: 7. Logische Agenten Frank Puppe 33 Anwendung auf WUMPUS-Welt Schließen: In jeder Situation schließt der Agent aufgrund seiner Wahrnehmungen und seinen Regeln für jedes Feld, ob es sicher, tödlich oder unsicher (d.h. weder sicher noch tödlich) ist. Planen: Wenn der Agent eine Glitzern sieht, nimmt er das Gold, sonst geht er auf ein sicheres Feld oder falls es keines gibt, auf ein unsicheres Feld. Handeln: Den kürzesten Weg von seiner aktuellen Position zum anvisierten Feld findet der Agent durch eine A*-Suche, wobei nur bekannte Felder besucht werden. Probleme: Für jedes Feld müssen gesonderte Regeln existieren, obwohl diese gleichartig sind (aber durch Schema generierbar). Der Übergang von einer Situation zur nächsten erfolgt außerhalb der Logik-Welt in einem Verwaltungsprogramm. Künstliche Intelligenz: 7. Logische Agenten Frank Puppe 34 Vermeiden von nicht-logischen Elementen Indexieren aller Regeln mit Situationen sowie Formulierung der Situationsübergänge mit Zusatzregeln: sehr aufwändig Schaltkreis-basierte Agenten (circuit-based agents) Benutzung einer aussagekräftigeren Logik: Prädikatenlogik 1. Stufe. Künstliche Intelligenz: 7. Logische Agenten Frank Puppe 35
Künstliche 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
MehrLogische Agenten. Einführung in die Wissensverarbeitung 2 VO UE SS Institut für Signalverarbeitung und Sprachkommunikation
Logische Agenten Einführung in die Wissensverarbeitung 2 VO 708.560 + 1 UE 442.072 SS 2013 Institut für Signalverarbeitung und Sprachkommunikation TU Graz Inffeldgasse 12/1 www.spsc.tugraz.at Institut
Mehr7 Logische Agenten. Die Wumpus-Welt. Sensoren: Die Quadrate um den Wumpus herum stinken (Stench)
7 Logische Agenten 12.01.2007 Logische Agenten Logische Agenten / 1 Die Wumpus-Welt Sensoren: Die Quadrate um den Wumpus herum stinken (Stench) In Quadraten um eine Falltür (Pit) herum ist ein Luftzug
MehrKünstliche Intelligenz
Künstliche Intelligenz Logische Agenten Claes Neuefeind Sprachliche Informationsverarbeitung Universität zu Köln 02. November 2011 Logische Agenten Wissensbasierte Agenten Eine Modellwelt Aussagen Logik
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
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
MehrÜbersicht. Prädikatenlogik höherer Stufe. Syntax der Prädikatenlogik 1. Stufe (mit Gleichheit)
Übersicht I Künstliche Intelligenz II Problemlösen III Wissen und Schlussfolgern 7. Logische Agenten 8. Prädikatenlogik 1. Stufe 9. Schließen in der Prädikatenlogik 1. Stufe 10. Wissensrepräsentation IV
MehrDeduktion in der Aussagenlogik
Deduktion in der Aussagenlogik Menge von Ausdrücken der Aussagenlogik beschreibt einen bestimmten Sachverhalt, eine "Theorie" des Anwendungsbereiches. Was folgt logisch aus dieser Theorie? Deduktion: aus
Mehr5. Logik in der KI. Wissensbasis: Menge von Aussagen, die Fakten über die Welt repräsentieren, formuliert in einer Wissensrepräsentationssprache.
5. Logik in der KI Wissensbasis: Menge von Aussagen, die Fakten über die Welt repräsentieren, formuliert in einer Wissensrepräsentationssprache. Neue Aussagen können in die Wissensbasis eingefügt werden:
MehrÜbersicht. 7. 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
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
MehrFormale Grundlagen der Informatik 1 Kapitel 16 Normalformen und Hornformeln
Formale Grundlagen der Informatik 1 Kapitel 16 Normalformen und Frank Heitmann heitmann@informatik.uni-hamburg.de 9. Juni 2015 Frank Heitmann heitmann@informatik.uni-hamburg.de 1/36 Ersetzbarkeitstheorem
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
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 ;)
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
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
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 /
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
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.
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
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
MehrAussagenlogik. Übersicht: 1 Teil 1: Syntax und Semantik. 2 Teil 2: Modellierung und Beweise. Aussagenlogik H. Kleine Büning 1/37
Aussagenlogik Übersicht: 1 Teil 1: Syntax und Semantik 2 Teil 2: Modellierung und Beweise Aussagenlogik H. Kleine Büning 1/37 Modellierungsaufgabe Es gibt drei Tauben und zwei Löcher. Jede Taube soll in
MehrMethoden der KI in der Biomedizin Logische Agenten 2
ethoden der KI in der iomedizin ogische genten 2 Karl D. Fritscher Übersicht Wissensbasierte genten Wumpus Welt ogik allgemein ussagenlogik Syntax, Semantik Äquivalenz, llgemeingültigkeit und Erfüllbarkeit
MehrLogik für Informatiker Logic for Computer Scientists
Logik für Informatiker Logic for Computer Scientists Till Mossakowski Wintersemester 2014/15 Till Mossakowski Logik 1/ 18 Vollständigkeit der Aussagenlogik Till Mossakowski Logik 2/ 18 Objekt- und Metatheorie
MehrResolutionskalkül. wird t als eine Menge K t von Klauseln geschrieben, welche die einzelnen Maxterme repräsentieren:
Resolutionskalkül Ein Kalkül ist eine Kollektion von syntaktischen Umformungsregeln, die unter gegebenen Voraussetzungen aus bereits vorhandenen Formeln neue Formeln erzeugen. Der Resolutionskalkül besteht
MehrGeschichte der Logik ist eng verknüpft mit (Sprach-) Philosophie. Logik untersucht, wie aus wahren Aussagen andere wahre Aussagen folgen
Was ist Logik? Geschichte der Logik ist eng verknüpft mit (Sprach-) Philosophie Logik untersucht, wie aus wahren Aussagen andere wahre Aussagen folgen Beschränkung auf "Aussage A folgt nach einer gegebenen
MehrWas ist Logik? Was ist Logik? Logische Konnektoren. Aussagenlogik. Logik stellt Sprachen zur Darstellung von Wissen zur Verfügung
Was ist Logik? Geschichte der Logik ist eng verknüpft mit (Sprach-) Philosophie Logik untersucht, wie aus wahren Aussagen andere wahre Aussagen folgen Beschränkung auf "Aussage A folgt nach einer gegebenen
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
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,
MehrFormale Systeme. Das Erfu llbarkeitsproblem. Prof. Dr. Bernhard Beckert, WS 2017/2018
Formale Systeme Prof. Dr. Bernhard Beckert, WS 2017/2018 Das Erfu llbarkeitsproblem 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
MehrAllgemeingültige Aussagen
Allgemeingültige Aussagen Definition 19 Eine (aussagenlogische) Formel p heißt allgemeingültig (oder auch eine Tautologie), falls p unter jeder Belegung wahr ist. Eine (aussagenlogische) Formel p heißt
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
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
MehrResolution für die Aussagenlogik
Resolution für die Aussagenlogik Der Resolutionskakül ist ein Beweiskalkül, der auf Klauselmengen, d.h. Formeln in KNF arbeitet und nur eine Schlußregel besitzt. Der Resolution liegt die folgende Vorstellung
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)
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
MehrInformatik A. Prof. Dr. Norbert Fuhr auf Basis des Skripts von Prof. Dr. Wolfram Luther und der Folien von Peter Fankhauser
Informatik A Prof. Dr. Norbert Fuhr fuhr@uni-duisburg.de auf Basis des Skripts von Prof. Dr. Wolfram Luther und der Folien von Peter Fankhauser 1 Teil I Logik 2 Geschichte R. Descartes (17. Jhdt): klassische
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
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
MehrWS 2013/14. Diskrete Strukturen
WS 2013/14 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/ws1314
MehrUniversität Potsdam Seminar: Automatic Problem Solving. SAT und DPLL. Falko Zander
Universität Potsdam Seminar: Automatic Problem Solving SAT und DPLL Falko Zander Überblick Das SAT Problem: Einführung, Praxisbezug und aktuelle Algorithmen Geschichtlicher Rückblick Davis-Putman-Algorithmus
MehrGeschichte der Logik ist eng verknüpft mit (Sprach-) Philosophie. Begriff Logik wird im Alltag vielseitig verwendet
Was ist Logik? Geschichte der Logik ist eng verknüpft mit (Sprach-) Philosophie Begriff Logik wird im Alltag vielseitig verwendet Logik untersucht, wie aus wahren Aussagen andere wahre Aussagen folgen
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
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
MehrLogik für Informatiker
Logik für Informatiker Wintersemester 2007/08 Thomas Schwentick Teil A: Aussagenlogik 3. Erfüllbarkeit Version von: 23. Januar 2008(16:11) Inhalt 3.1 Grundbegriffe 3.2 Aussagenlogische Resolution 3.3 Endlichkeitssatz
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
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
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
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
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
MehrWas ist Logik? Was ist Logik? Logische Konnektoren. Aussagenlogik. Geschichte der Logik ist eng verknüpft mit (Sprach-) Philosophie
Was ist Logik? Geschichte der Logik ist eng verknüpft mit (Sprach-) Philosophie Begriff Logik wird im Alltag vielseitig verwendet Logik untersucht, wie aus wahren Aussagen andere wahre Aussagen folgen
MehrErfüllbarkeitstests. Im folgenden: Ein sehr effizienter Erfüllbarkeitstest für eine spezielle Klasse von Formeln in KNF, sogenannte Hornformeln (vgl.
Erfüllbarkeitstests Im folgenden: Ein sehr effizienter Erfüllbarkeitstest für eine spezielle Klasse von Formeln in KNF, sogenannte Hornformeln (vgl. Grundlagen und diskrete Strukturen ) Ein für Formeln
MehrSyntax. 1 Jedes A AS AL ist eine (atomare) Formel. 2 Ist F eine Formel, so ist auch F eine Formel. 3 Sind F und G Formeln, so sind auch
Formale der Informatik 1 Kapitel 15 Folgerbarkeit, Äquivalenzen und Normalformen Frank Heitmann heitmann@informatik.uni-hamburg.de 8. Juni 2015 Syntax Definition (Syntax der Aussagenlogik) Mit AS AL sei
MehrLogik. Logik. Vorkurs Informatik Theoretischer Teil WS 2013/ September Vorkurs Informatik - Theorie - WS2013/14
Logik Logik Vorkurs Informatik Theoretischer Teil WS 2013/14 30. September 2013 Logik > Logik > logische Aussagen Logik Logik > Logik > logische Aussagen Motivation Logik spielt in der Informatik eine
MehrAufgabe. Gelten die folgenden Äquivalenzen?. 2/??
Äquivalenz Zwei Formeln F und G heißen (semantisch) äquivalent, falls für alle Belegungen A, die sowohl für F als auch für G passend sind, gilt A(F ) = A(G). Hierfür schreiben wir F G.. 1/?? Aufgabe Gelten
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
MehrRalf Möller, TUHH. Beim vorigen Mal: Heute: Prädikatenlogik: Algorithmus für Erfüllbarkeitsproblem. Lernziele: Beweisverfahren für Prädikatenlogik
Ralf Möller, TUHH Beim vorigen Mal: Heute: Prädikatenlogik: Algorithmus für Erfüllbarkeitsproblem Lernziele: Beweisverfahren für Prädikatenlogik Danksagung Bildmaterial: S. Russell, P. Norvig, Artificial
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.
MehrWeitere NP-vollständige Probleme
Weitere NP-vollständige Probleme Wir betrachten nun folgende Reduktionskette und weisen dadurch nach, daß alle diese Probleme NP-hart sind (sie sind auch in NP und damit NP-vollständig). SAT p 3-SAT p
MehrEigenschaften der Resolution für PL1 Formeln
Eigenschaften der Resolution für PL1 Formeln Widerlegungsvollständigkeit (ohne Beweis): Sofern man Resolution auf eine widersprüchliche Klauselmenge anwendet, so existiert eine endliche Folge von Resolutionsschritten,
MehrTheorie der Informatik Übersicht. Theorie der Informatik SAT Graphenprobleme Routing-Probleme. 21.
Theorie der Informatik 19. Mai 2014 21. einige NP-vollständige Probleme Theorie der Informatik 21. einige NP-vollständige Probleme 21.1 Übersicht 21.2 Malte Helmert Gabriele Röger 21.3 Graphenprobleme
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
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
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
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.
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:
Mehr1 Aussagenlogischer Kalkül
1 Aussagenlogischer Kalkül Ein Kalkül in der Aussagenlogik soll die Wahrheit oder Algemeingültigkeit von Aussageformen allein auf syntaktischer Ebene zeigen. Die Wahrheit soll durch Umformung von Formeln
MehrGrundlagen der Programmierung
GdP2 Slide 1 Grundlagen der Programmierung Vorlesung 2 Sebastian Ianoski FH Wedel GdP2 Slide 2 Beispiel ür eine Programmveriikation Gegeben sei olgender Algorithmus: i (x>0) ((y+x) 0) then z := x y else
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.
MehrGrundbegriffe für dreiwertige Logik
Grundbegriffe für dreiwertige Logik Hans Kleine Büning Universität Paderborn 1.11.2011 1 Syntax und Semantik Die klassische Aussagenlogik mit den Wahrheitswerten falsch und wahr bezeichnen wir im weiteren
MehrAlgorithmischer Aufbau der Aussagenlogik
Algorithmischer Aufbau der Aussagenlogik In diesem Abschnitt betrachten wir Verfahren die bei gegebener endlichen Menge Σ und A-Form A entscheiden ob Σ = A gilt. Die bisher betrachteten Verfahren prüfen
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
MehrAufgabe 13 (Markierungsalgorithmus). Gegeben ist die Formel F = (A D C) (E A) ( ( B D) E) A B (B D)
INTA - Lösungshinweise zum Übungsblatt 4, Version 1.0α. Wenn sie Fehler finden oder Ihnen etwas auch nach dem Gespräch mit ihren Kommilitonen noch unklar ist, dann schicken sie mir bitte eine Email! Aufgabe
MehrAussagenlogik. Formale Methoden der Informatik WiSe 2010/2011 teil 7, folie 1 (von 50)
Aussagenlogik Formale Methoden der Informatik WiSe 2/2 teil 7, folie (von 5) Teil VII: Aussagenlogik. Einführung 2. Boolesche Funktionen 3. Boolesche Schaltungen Franz-Josef Radermacher & Uwe Schöning,
MehrGrundlagen der Theoretischen Informatik
FH Wedel Pro. Dr. Sebastian Ianoski GTI21 Folie 1 Grundlagen der Theoretischen Inormatik Sebastian Ianoski FH Wedel Kap. 2: Logik, Teil 2.1: Aussagenlogik FH Wedel Pro. Dr. Sebastian Ianoski GTI21 Folie
MehrVorsemesterkurs Informatik
Vorsemesterkurs Informatik Vorsemesterkurs Informatik Mario Holldack WS2015/16 30. September 2015 Vorsemesterkurs Informatik 1 Einleitung 2 Aussagenlogik 3 Mengen Vorsemesterkurs Informatik > Einleitung
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
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
MehrSchlussregeln aus anderen Kalkülen
Was bisher geschah Klassische Aussagenlogik: Syntax Semantik semantische Äquivalenz und Folgern syntaktisches Ableiten (Resolution) Modellierung in Aussagenlogik: Wissensrepräsentation, Schaltungslogik,
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
Mehrwenn es regnet ist die Straße nass.
Aussagenlogik 2 In der Aussagenlogik werden, wie der Name schon sagt, Aussagen über logische Operatoren verknüpft. Der Satz diestraßeistnass ist eine Aussage, genauso wie es regnet. Diese beiden Aussagen
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:
MehrEinführung in die Methoden der Künstlichen Intelligenz. Klausurvorbereitung Überblick, Fragen,...
Einführung in die Methoden der Künstlichen Intelligenz Klausurvorbereitung Überblick, Fragen,... PD Dr. David Sabel SoSe 2014 Stand der Folien: 18. Juli 2014 Klausur Termin: Donnerstag 31. Juli um 9.15h
Mehr1.1 Motivation. Theorie der Informatik. Theorie der Informatik. 1.1 Motivation. 1.2 Syntax. 1.3 Semantik. 1.4 Formeleigenschaften. 1.
Theorie der Informatik 19. Februar 2014 1. Aussagenlogik I Theorie der Informatik 1. Aussagenlogik I Malte Helmert Gabriele Röger Universität Basel 19. Februar 2014 1.1 Motivation 1.2 Syntax 1.3 Semantik
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
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
Mehr12 Kombinatorische Suche
177 12 Kombinatorische Suche Bisher haben wir meistens Probleme in polynomieller Zeit (und damit auch Platz) betrachtet. Obwohl es exponentiell viele mögliche Wege von u v gibt, gelingt es mit Dijkstra
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
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
MehrModellierungsmethoden der Informatik Kapitel 2: Logikkalküle
smethoden der Informatik Kapitel 2: Logikkalküle Prädikatenlogik 1. Stufe Norbert Fuhr Gudrun Fischer 29.11.2005 Organisatorisches Organisatorisches Klausur Termin: 20.2.2006, 13-15 Uhr, Audimax Anmeldung
MehrModellierungsmethoden der Informatik Kapitel 2: Logikkalküle
smethoden der Informatik Kapitel 2: Logikkalküle Prädikatenlogik 1. Stufe Norbert Fuhr Gudrun Fischer 29.11.2005 Organisatorisches Organisatorisches Klausur Termin: 20.2.2006, 13-15 Uhr, Audimax Anmeldung
MehrAnalyse von Ansätzen zur Beschleunigung von SAT - Lösern durch dedizierte Hardware Komponenten
Analyse von Ansätzen zur Beschleunigung von SAT - Lösern durch dedizierte Hardware Komponenten E. Zenker 9. November 2011 1 / 28 Gliederung 1. Field Programmable Gate Array - FPGA 2. Satisfiability Testing
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
MehrÜbersicht. Übersicht. Geschichte. Universelle Instantiierung
Übersicht I Künstliche Intelligenz II Problemlösen III Wissen und Schlussfolgern 7. Logische Agenten 8. Prädikatenlogik 1. Stufe 9. Schließen in der Prädikatenlogik 1. Stufe 10. Wissensrepräsentation IV
MehrÜbersicht. Künstliche Intelligenz: 9. Schließen in der Prädikatenlogik 1. Stufe Frank Puppe 1
Übersicht I Künstliche Intelligenz II Problemlösen III Wissen und Schlussfolgern 7. Logische Agenten 8. Prädikatenlogik 1. Stufe 9. Schließen in der Prädikatenlogik 1. Stufe 10. Wissensrepräsentation IV
MehrÜbersicht. Übersicht. Universelle Instantiierung. Geschichte. Universelle und Existentielle Instantiierung. Existentielle Instantiierung
Übersicht I Künstliche Intelligenz II Problemlösen III Wissen und Schlussfolgern 7. Logische Agenten 8. Prädikatenlogik 1. Stufe 9. Schließen in der Prädikatenlogik 1. Stufe 10. Wissensrepräsentation IV
MehrZusammenfassung der letzten LVA. Einführung in die Theoretische Informatik. Syntax der Aussagenlogik. Inhalte der Lehrveranstaltung
Zusammenfassung Zusammenfassung der letzten LVA Einführung in die Theoretische Informatik Wenn das Kind schreit, hat es Hunger Das Kind schreit Also, hat das Kind Hunger Christina Kohl Alexander Maringele
MehrResolution und Regeln
Resolution und Regeln Hans Kleine Büning University of Paderborn Institute for Computer Science Group Paderborn, 18. Juli 2013 Resolution und Regeln Hans Kleine Büning 1/9 Resolution Theorem Resolution:
Mehr