Qualitatives zeitliches Schließen
|
|
- Charlotte Fertig
- vor 6 Jahren
- Abrufe
Transkript
1 Kapitel 6 Qualitatives zeitliches Schließen 6.1 llens Zeitintervall-Logik Um Repräsentationen von Zeit kommt man nicht herum. Die Modallogikvarianten können Zeitpunkte inklusive der Zustände repräsentieren und erlauben Schlussfolgerungen aus gegebenen ussagen. Die llensche Zeitlogik macht ussagen über die relativen Lagen von Zeitdauern bzw. Zeitintervalle. Sinnvoll ist der Einsatz, wenn man nur die Information hat, wie verschiedene ktionen, die einen gewisse Zeit dauern, zeitlich zueinander liegen können, und man daraus Schlussfolgerungen herleiten will. Sind die Intervalle genau bekannt, dann braucht man diese Logik nicht. eispiel Wir nehmen ein Teil eines Rezeptes zum pfelkuchenbacken. 1: Hefeteig zubereiten 2: Hefeteig gehen lassen 3: Äpfel schälen und in Scheiben schneiden 4: lech einfetten 5: Teig auf das lech 6: Äpfel auf den Kuchen setzen : ackofen heizt 11: Kuchen im ackofen backen Da wir annehmen, dass nur eine Person in der Küche ist, können wir folgende eziehungen angeben: 1
2 KI, SS 2011, Kap. llen 2 2 folgt direkt auf 1 3 ist später als 1 3 und 4 sind nicht gleichzeitig 1 und 4 sind nicht gleichzeitig 11 ist während 10, 11 und 10 enden gleichzeitig 11 ist nach 3 11 ist nach 4 Hier kann man z.. mit Transitivität schließen, dass 11 nach 1 stattfindet. Man kann auch ohne Widerspruch hinzufügen, dass 3 nach 4 stattfindet (d.h. man kann sequentialisieren). Das hat Ähnlichkeiten zu Job Shop Scheduling Problemen, bei denen aber feste Zeitdauern pro ktion und usschlusskriterien mittels benutzter Ressourcen festgelegt werden. uch bhängigkeiten von ktionen kann man in JSSPs formulieren. Der llensche Intervall-Kalkül baut auf Zeitintervallen und binären Relationen zwischen den Intervallen auf, die deren zeitliche Lage beschreiben. Die Interpretation der Intervalle ist in IR vorstellen, aber in der Repräsentation der llen-logik kann man keine exakten Zeiten angeben und auch keine Zeitdauern formulieren. Die asis des Kalküls ist die Untersuchung der möglichen relativen Lagen zweier Intervalle = [,Z], = [,Z], wobei, Z,, Z reelle Zahlen sind und die Intervalle positive Länge haben. Eine vollständige und disjunkte Liste der Möglichkeiten ist in folgender Tabelle enthalten, wobei man noch die Fälle hinzunehmen muss, in denen, vertauscht sind. edingung bkürzung ezeichnung Z < before Z = m meets < < Z < Z o overlaps = < Z < Z s starts < < Z = Z f finishes < < Z < Z d during =, Z = Z equal
3 KI, SS 2011, Kap. llen 3 ls ild kann man die llenschen Relationen folgendermaßen illustrieren: before meets during overlaps finishes start equal Nimmt man die (relationalen) Inversen dazu, dann hat man die 13 llenschen Relationen zwischen Zeitintervallen. Die Inversen bezeichnet man mit m, ŏ, s, f, d, im Fall von mit und die relationale Inverse von ist selbst, da diese Relation symmetrisch ist. D.h. die 13 llenschen asis-relationen sind: {,, m, o, s, d, f,, m, ŏ, s, d, f}. Diese Menge bezeichnen wir mit R. Die llenschen asis-relationen sind paarweise disjunkt. D.h. r 1 r 2 r 1 = r 2. Die llen-zeitlogik kann folgende llen-formeln bilden: atomare ussagen: r wobei, Intervallnamen sind und r eine der llensche asis-relation ist. aussagenlogische Kombinationen von atomaren ussagen. Die Semantik dazu bildet Intervallnamen auf nichtleere, reelle Intervalle ab. Formeln sind wahr, wenn sie unabhängig von der exakten Zuordnung immer wahr sind. D.h. wenn für alle bbildungen von Intervallnamen auf nichtleere, reelle Intervalle die Formel stets wahr ist. bkürzende Schreibweise Will man mehrere mögliche Lagebeziehung zwischen 2 Intervallen ausdrücken, so kann man dies disjunktiv machen. z.. s f Dies bedeutet: ktion ist früher als, oder, starten gleichzeitig oder enden gleichzeitig. Diese Disjunktion kann man auch verkürzt darstellen als {, s, f}. Wir verwenden diese Schreibweise ab jetzt in der folgenden Form: S, wobei S R. Damit kann man alle Disjunktionen von Einzel-Relationen zwischen zwei Intervallen, darstellen.
4 KI, SS 2011, Kap. llen 4 Dies ergibt eine nzahl von 2 13 verschiedenen (unpräzisen) Relationsbeziehungen zwischen Zeitintervallen, wobei man diese Relationen einfach durch eine höchstens 13-elementige Disjunktion bzw. deren bkürzung darstellen kann. Hier ist auch dabei, die unmögliche Relation, und, die Relation, die alles erlaubt Vereinfachungen Wir argumentieren jetzt, dass man llen-formeln viel einfacher als Constraints, d.h. als Konjunktion von atomaren ussagen, unter enutzung der obigen bkürzungen, beschreiben kann. Dazu stellen wir einige Vereinfachungen vor. Ein atomare ussage der Form r kann man immer vereinfachen zu 0, 1 (true, bzw. false): r 0, wenn r und 1. Weitere Vereinfachungen sind: Negationszeichen kann man nach innen schieben. Eine Formel ( R ) kann man zu (R \ R) ) umformen. Eine Unter-Formel der Form R 1 R 2 kann man durch (R 1 R 2 ) ersetzen und eine Unter-Formel der Form R 1 R 2 kann man durch (R 1 R 2 ) ersetzen. atomare Formeln der Form kann man durch 0 ersetzen und R durch 1. Man kann alle aussagenlogische Umformungen verwenden bis man eine Disjunktion von Konjunktionen von atomaren Constraints hat. Z.. {, s, o} {, s, o} entspricht {s, o}. Das Ergebnis ist eine i.a. kleinere Formel, die eine Disjunktion von Konjunktionen von atomaren llen-ussagen ist. Eine Konjunktion von atomaren llen-ussagen nennt man llen-constraint, und die Disjunktion von llen- Constraints ein disjunktives llen-constraint Inferenzen des llenschen Kalküls Hier setzen die Regeln des llenschen Kalküls an, der aus diesen ngaben weitere eziehungen zwischen Intervallen folgern kann. Die wesentlichen Regeln des llenschen Kalküls betreffen eziehungen zwischen 3 Intervallen (Intervallnamen). Man kann beispielsweise aus C mittels Transitivität von die neue eziehung C schließen. us C kann man dagegen nichts neues über die relative Lage von zu C schließen: alles (im Sinne der llenschen Relationen) ist noch möglich.
5 KI, SS 2011, Kap. llen 5 Da die Menge der Kombinationen endlich ist, kann man alle möglichen neuen Relationen als Verknüpfungen R 1 R 2 sich bereits erstellen und damit weitere Relationen zwischen Intervallen herleiten. Das kann man vor Start des Kalküls durchführen und in einer Matrix abspeichern. Wir geben die Matrix als (ohne die Einträge zu ) an (siehe Tabelle unten). Die Einträge die mit R \ beginnen, bedeuten das Komplement der nachfolgenden Relationen. d d o ŏ m m s s f f R o m o m o m o m d s d s d s d s R ŏ m ŏ m ŏ m ŏ m d f d f d f d f d d R o m d d d o m d f o ŏ o m d f ŏ m d s ŏ m d s R \ m m d s ŏ m d f ŏ m d f o m d s d o d f ŏ d s o d f ŏ d s o d f d ŏ d s d o d s o m R \ d f o m m m ŏ d f ŏ m d s R \ m m ŏ d s o d f o d s o o m ŏ m o d f ŏ d f ŏ m ŏ ŏ d s m ŏ m d s o d s o d s f f m m d s o o m m ŏ d f ŏ d f s s d f ŏ m m d f o m s d o m ŏ d f m s s s d o m d f s o m d f f d ŏ d f d o d f ŏ o d f m s s s ŏ d ŏ m d s o d s ŏ m m d ŏ m f f f f ŏ m d s o d s d o ŏ d s m ŏ d s o d f f f bbildung 6.1: Die Kompositionsmatrix der llenschen Relationen
6 KI, SS 2011, Kap. llen 6 eispiele für Einträge in der Matrix sind: eispiel Wenn d C, dann ist {, o, m, s, d} C: C Man sieht, dass es genau die Möglichkeiten, o, m, s, d zwischen und C gibt. Hat man mehrere Elementarrelationen, dann kann man die Kombination der Elementarrelationen bilden, das entsprechende Kompositions-Resultat in einer Tabelle ablesen, und dann die Vereinigung bilden: z.. {m, d} {f, d} C erlaubt auf folgende Relation zu schließen: (m f m d d f d d) C. Hier ergibt sich {d, s, o} {d, s, o} {d} {d} C. Das bedeutet: {d, s, o} C. Man kann sich auf die Konjunktion von Relationsbeziehungen beschränken, d.h. auf (konjunktive) llen-constraints, da man die Disjunktionen unabhängig bearbeiten kann. erechnungen des llenschen bschlusses eines Constraints die aussagenlogischen Regeln dürfen verwendet werden. R 1 R 2 (R 1 R 2 ), 0, R 1, R 0, wenn R. R 1, wenn in R. R R. Im letzten Fall ist auszunutzen, dass. auf einer Menge von Elementarrelationen distributiv auf alle verteilt wird:.({r 1, r 2 }) = { r 1, r 2 }. Man nutzt dann noch aus, dass r = r, und dass =, und dass =, =. Es gilt auch.(r 1 r 2 ) = r 2 r 1. Ist R 1 R 2 C gegeben, dann berechne die Komposition R 3 der Relationen und schließe auf R 3 C. Die erechnung führt man zurück auf die erechnung der Komposition der Elementarrelationen: {r 1,..., r k } {r 1,..., r k } C ist R, wobei R als {r i r j i = 1,..., k, j = 1,..., k } berechnet werden kann. Diese kann man aus obiger Tabelle ablesen
7 KI, SS 2011, Kap. llen 7 Ist die Eingabe eine rein konjunktive Formel, dann kann man mit Fixpunktiteration ein Resultat erzielen, und dann auf jede disjunktive Komponente den llen-kalkül anwenden. Ist die Konstante 0 in einer Konjunktion, dann ist die entsprechende Konjunktion falsch. Sind alle Konjunktionen in einer Disjunktion falsch, dann hat man eine Inkonsistenz entdeckt. eispiel Wir betrachten nochmal das eispiel des Kuchenbackens: 1: Hefeteig zubereiten 2: Hefeteig gehen lassen 3: Äpfel schälen und in Scheiben schneiden 4: lech einfetten 5: Teig auf das lech 6: Äpfel auf den Kuchen setzen. Relationen zwischen 1,..., 6, wenn mehrere Personen eine parallelisierte Verarbeitung ermöglichen: 1 m 2 2 {m, } 5 4 {m, } 5 3 {m, } 6 5 {m, } 6 Neue Relationen mittels des llen Kalküls: 1 { } 5, 2 { } 5, 2 { } 5 Ein übersichtliches ild der Relationen ist: Wenn wir annehmen, dass es nur eine Person ist, gibt es keine parallelen ktionen:
8 KI, SS 2011, Kap. llen 8 1 m 2 2 {m, } 5 4 {m, } 5 3 {m, } 6 5 {m, } 6 1 {, m, m, } 3 1 {, m, m, } 4 1 {, m, m, } 5 3 {, m, m, } 4 3 {, m, m, } 4 Eine Möglichkeit, die man durch Hinzufügen von Sequentialisierung bekommt ist im ild dargestellt: Eine der Möglichkeiten (Pfeil bedeutet danach ) Untersuchungen zum Kalkül Zunächst eine Definition, wann ein llen-constraint erfüllbar ist. Hierbei wird auf die Semantik der Intervalle als Intervalle von reellen Zahlen zurückgegriffen. Definition Semantik Sei F ein llensches Constraint. F ist erfüllbar, gdw: es gibt eine elegung der Intervallkonstanten mit reellen Intervallen, so dass die Formel nach uswertung den Wahrheitswert 1 ergibt. F ist unerfüllbar (bzw. widersprüchlich), gdw: es gibt keine elegung der Intervallkonstanten mit reellen Intervallen, so dass die Formel nach uswertung den Wahrheitswert 1 ergibt. Wir sagen, der Kalkül ist korrekt, wenn bei Transformation von F nach F folgendes gilt: F ist erfüllbar, gdw. F ist erfüllbar. Wir sagen, der Kalkül ist herleitungs-vollständig, wenn er für jedes konjunktive Constraint alle semantisch folgerbaren Einzel-Relationen herleiten kann. Wir sagen, der Kalkül ist widerspruchs-vollständig, wenn er für jedes konjunktive Constraint herausfinden kann, ob es widersprüchlich ist, indem der Kalkül irgendwann die atomare Formel falsch hinzufügt. Fragen: Wie aufwendig ist die erechnung des bschlusses der llenschen Relationen?
9 KI, SS 2011, Kap. llen 9 Ist die erechnung vollständig? D.h. gibt es nicht doch noch nicht erkannte Relationsbeziehungen, die aus der Semantik der linearen, reellen Zeitachse aus einer vorgegebenen Formel folgen? Was ist die Komplexität der Logik und der Herleitungsbeziehung, evtl. für eingeschränkte Eingabeformeln? Wie kann man den llenschen Kalkül für aussagenlogische Kombinationen von Intervallformeln verwenden? Komplexität der Implementierung Ein Vervollständigungsalgorithmus kann analog zur erechnung des transitiven bschlusses einer Relation implementiert werden. Methoden des dynamischen Programmierens kann man dazu verwenden. Das ergibt einen polynomiellen ufwand zur Vervollständigung. Korrektheit ussage Der llensche Kalkül ist korrekt. Das muss man mittels der Semantik nachweisen. Partielle Vollständigkeit ussage Der llensche Kalkül ist vollständig in eingeschränktem Sinn: Sind zwei Relationen 1 R R 2 2 gegeben, dann ermittelt der llensche Kalkül alle Relationsbeziehungen, die daraus folgen. Leider gilt: Der llensche Kalkül ist nicht herleitungsvollständig Ein eispiel für die Unvollständigkeit des llenschen Kalküls: Man benötigt 4 Intervallkonstanten,, C, D. Die eziehungen sind: D {o}, D {s, m} C, D {s, m}, {d, d}, C {d, d} Mit der kompositionellen Vervollständigung (nach Umdrehen) kann man aus C { s, m} D, D {s, m} die Relation C {s, s,, o, ŏ, d, d, f, f} schließen. us {d, d}, {d, d} C kann man nur schließen, dass alles möglich ist. Der Schnitt ergibt somit C {s, s,, o, ŏ, d, d, f, f} etrachtet man aber genauer die Möglichkeiten auf der reellen chse, dann sieht man, dass in diesem speziellen Fall die Relation C {f, f, o, ŏ} nicht möglich ist. Im ild sind jeweils die Möglichkeiten für und C eingezeichnet.
10 KI, SS 2011, Kap. llen 10 D C Damit ist die llensche Vervollständigung bezüglich der Semantik einer reellen Zeitachse nicht vollständig. Es können nicht alle Relationen exakt hergeleitet werden. Der llensche Kalkül kann damit auch nicht immer erkennen, ob eine eingegebene Menge von Relationen inkonsistent ist. eispiel Ein eispiel kann man durch bwandlung des Gegenbeispiels zur Vollständigkeit gewinnen: s,m o D s, m d, d C f, f Man sieht, dass die llensche Vervollständigung hier keine weiteren Erkenntnisse bringt: Man muss 12 Möglichkeiten der Komposition prüfen. Jede ergibt nur allgemeinere edingungen als die schon vorhandenen. Somit kann der Kalkül nichts Neues schließen. Insbesondere findet er keinen Widerspruch, obwohl die Menge der Constraints widersprüchlich ist. emerkung Man kann sich bei nfragen an den llen-kalkül nur darauf verlassen, dass die Vervollständigung richtig ist, aber evtl. nicht optimal. Wenn man die Frage stellt: Ist der Constraint C widersprüchlich, so kann man sich nur bei J auf die ntwort verlassen, aber micht bei NEIN. ei der Frage nach der Erfüllbarkeit kann sich dementsprechend nur auf die ntwort NEIN verlassen. d, d
11 KI, SS 2011, Kap. llen Komplexität Komplexität des Problems und des lgorithmus sind zu unterscheiden: Die Komplexität des Problems ist schlechter, denn es gilt: ussage Die Erfüllbarkeit einer Konjunktion von llenschen Relationen ist N P-hart: Die Erfüllbarkeit eines konjunktiven llenschen Constraints ist N P-hart. Zum eweis nehme das N P-vollständige Problem der Drei-Färbbarkeit eines Graphen. Gegeben ein Graph mit Knotenmenge N und Kantenmenge K. Gibt es eine Färbung der Knoten mit drei Farben, so dass benachbarte Knoten verschiedene Farbe haben? Sei eine Instanz gegeben. Dann erzeuge ein llensches Constraint: Sei eine Intervallkonstante. Für jeden Knoten v i N erzeuge eine Intervallkonstante. i. Das llensche Constraint ist definiert durch: v i N : i {m,, m} (v i, v j ) K : i {m, m,, } j Die Übersetzung kann in polynomieller Zeit abhängig von der Größe des Graphen gemacht werden. Es gilt: der Graph ist dreifärbbar, gdw.: die llenschen Relationen erfüllbar sind. Hier macht man die Zuordnung: Wenn v i Farbe 1 hat, dann i Wenn v i Farbe 2 hat, dann i m Wenn v i Farbe 3 hat, dann i m Eine Lösung des llenschen Constraint kann man konstruieren, indem man drei verschiedene Intervalle: 1,, 2 angibt wobei 1 m m 2 und jedes i zu einem der drei äquivalent ist. Diese Übersetzung zeigt die N P-Härte der llenschen Constraints. Es ist auch leicht einzusehen, dass die Erfüllbarkeit eines llensches Constraints in NP ist. Man muss nur ein lineare Reihenfolge aller Werte X a, X e angeben (bzw. raten), wobei X eine Intervallkonstante ist und X a der nfang und X e das Ende. Der Test, ob diese lineare Reihenfolge das Constraint erfüllt, ist dann polynomiell. Damit ist die Erfüllbarkeit von llenschen Constraints N P-vollständig. ls Schlussfolgerung kann man sagen, dass ein vollständiger lgorithmus nach aktuellem Wissenstand mindestens exponentiell sein muss, während der llensche Vervollständigungs-lgorithmus polynomiell aber unvollständig ist.
12 KI, SS 2011, Kap. llen Eine polynomielle und vollständige Variante Man kann Varianten und Einschränkungen der llenschen Constraints suchen, die einen sowohl vollständigen als auch polynomiellen Erfüllbarkeitstest erlauben. Eine Variante ist die Menge der Relationen, die man durch eine Konjunktion von atomaren Ungleichungen der Form x < y oder x = y repräsentieren kann, wobei x, y Endpunkte von Intervallen sind. Hier kommt es darauf an, dass man keine Disjunktionen hat, die eine Fallunterscheidung erzwingen. Einen passenden Satz von Relationen gibt es: lle asisrelationen, {d, o, s}, und {ŏ, f, d} und deren Konverse. d.h. { d, ŏ, s}, und {o, f, d}. eachte, dass man noch weitere dazu nehmen kann. Die Relation {d, o, s} z.. kann man als Ungleichung über den Endpunkten ausdrücken: Wenn = [ 1, 2 ], = [ 1, 2 ], dann entspricht obige Relation der Konjunktion der Ungleichungen: 1 < 2, 1 < 2, 2 < 2, 1 < 2 Eine Konjunktion von solchen Relationsbeziehungen ergibt in der Summe einen Constraint, der eine Konjunktion von Ungleichungen der Endpunkte von Intervallen ist. Diese Konjunktion kann man mittels transitivem bschluss über die Endpunkte von Intervallen vervollständigen. Dies geht in polynomieller Zeit. Wenn man eine Relation der Form X < X erzeugt hat, dann ist der Constraint unerfüllbar. nsonsten ist er erfüllbar, denn die Endpunkte kann man mit topologischem Sortieren in eine lineare Reihenfolge bringen. Insgesamt hat man gezeigt, dass der so definierte Kalkül auf den eingeschränkten Constraints vollständig und polynomiell ist. emerkung Der Hintergrund der speziellen Klasse von llenschen Constraints ist, dass sich diese Klasse als Grund-Hornklauseln darstellen lassen. Hornklauseln sind Klauseln, die maximal ein positives Literal haben. Hierbei ist ein Literal positiv, wenn es ein unnegiertes tom ist. Für aussagenlogische Hornklauselmengen und auch für Grund- Hornklauselmengen gilt, dass deren Erfüllbarkeit in polynomieller Zeit testbar ist. Die notwendige Menge von xiomen und Fakten ist in dem eingeschränkten Fall eine Hornklauselmenge,: Man hat Fakten in der Form a < b und c = d, wobei a, b, c, d unbekannte Konstanten sind. Es gibt auch Hornklauseln, die von der Symmetrie und Transitivität stammen:
13 KI, SS 2011, Kap. llen 13 x < y y < z x < z x = y y = z x = z x = y y = x x < y y = z x < z x = y y < z x < z
Schließen über Zeit. Einführung in die Methoden der Künstlichen Intelligenz... Allens Zeitintervalllogik. Beispiel: Rezept zum Apfelkuchenbacken
Einführung in die Methoden der Künstlichen Intelligenz... llens Zeitintervalllogik Dr. David Sabel WS 2012/13 1: Hefeteig zubereiten 2: Hefeteig gehen lassen 3: Äpfel schälen und schneiden 4: lech einfetten
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
MehrDarstellung und Inferenzen fu r zeitliche Zusammenha nge Viele verschiedene Logiken Allens Zeitintervalllogik
Schließen u ber Zeit Einfu hrung in die Methoden der Ku nstlichen Intelligenz Darstellung und Inferenzen fu r zeitliche Zusammenha nge Viele verschiedene Logiken llens Zeitintervalllogik z.. Modallogiken
MehrEinführung in die Methoden der Künstlichen Intelligenz. Allens Zeitintervalllogik
Einführung in die Methoden der Künstlichen Intelligenz Allens Zeitintervalllogik PD Dr. David Sabel SoSe 2014 Stand der Folien: 20. August 2015 Schließen über Zeit Darstellung und Inferenzen für zeitliche
MehrLogikbasierte Systeme der Wissensverarbeitung. Allens Zeitintervalllogik
Logikbasierte Systeme der Wissensverarbeitung Allens Zeitintervalllogik Prof. Dr M. Schmidt-Schauß SoSe 2018 Stand der Folien: 5. Juli 2018 Schließen über Zeit Darstellung und Inferenzen für zeitliche
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
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: 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.
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
MehrAussagenlogik. Übersicht: 1 Teil 1: Syntax und Semantik. 2 Teil 2: Modellierung und Beweise. Aussagenlogik H. Kleine Büning 1/25
Aussagenlogik Übersicht: 1 Teil 1: Syntax und Semantik 2 Teil 2: Modellierung und Beweise Aussagenlogik H. Kleine Büning 1/25 Einführendes Beispiel Falls Lisa Peter trifft, dann trifft Lisa auch Gregor.
MehrFormale 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
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
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)
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)
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.
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
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
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
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
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
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
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
MehrDeduktion in der Aussagenlogik. Semantische Folgerungsbeziehung. Zusammenhang zwischen semantischer und syntaktischer Folgerung
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
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
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
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)
MehrLogik. Gabriele Kern-Isberner LS 1 Information Engineering. TU Dortmund Wintersemester 2014/15 WS 2014/15
Logik Gabriele Kern-Isberner LS 1 Information Engineering TU Dortmund Wintersemester 2014/15 WS 2014/15 G. Kern-Isberner (TU Dortmund) Logik WS 2014/15 1 / 125 Übersicht Modallogik 5. Grundlagen 6. Erfüllbarkeit
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
MehrZusammenfassung Syntax: Formale Grundlagen der Informatik 1 Kapitel 15 Normalformen und Hornformeln. Zusammenfassung
Formale der Informatik 1 Kapitel 15 und Frank Heitmann heitmann@informatik.uni-hamburg.de 30. Mai 2016 Zusammenfassung Syntax Zusammenfassung Syntax: Motivation Definition der Syntax: Alphabet, Junktor
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
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
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
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
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
MehrSatz 227 3SAT ist N P-vollständig. Info IV 2 N P-Vollständigkeit 375/388 c Ernst W. Mayr
Definition 6 3SAT ist die Menge der booleschen Formeln in konjunktiver Normalform, die in jeder Klausel höchstens drei Literale enthalten und die erfüllbar sind. Satz 7 3SAT ist N P-vollständig. Info IV
MehrLogische und funktionale Programmierung
Logische und funktionale Programmierung Vorlesung 11: Logikprogramme Babeş-Bolyai Universität, Department für Informatik, Cluj-Napoca csacarea@cs.ubbcluj.ro 19. Dezember 2016 1/55 WIEDERHOLUNG: HORN-KLAUSELN
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 Grundlagen der Informatik 1 Kapitel 15 Normalformen und Hornformeln
Formale Grundlagen der Informatik 1 Kapitel 15 Normalformen und Frank Heitmann heitmann@informatik.uni-hamburg.de 30. Mai 2016 Frank Heitmann heitmann@informatik.uni-hamburg.de 1/42 Zusammenfassung Syntax
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:
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
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
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
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,
MehrDank. Grundlagen der Theoretischen Informatik / Einführung in die Theoretische Informatik I. Reduktion. Komplexitätsklassen.
Dank Vorlesung Grundlagen der Theoretischen Informatik / Einführung in die Theoretische Informatik I Bernhard Beckert Diese Vorlesungsmaterialien basieren ganz wesentlich auf den Folien zu den Vorlesungen
Mehr6.3 NP-Vollständigkeit. alle anderen Probleme in NP darauf polynomiell reduzierbar. 1 Polynomielle Reduzierbarkeit p
6.3 NP-Vollständigkeit 1 Polynomielle Reduzierbarkeit p 2 NP-vollständige Probleme = härteste Probleme in NP, alle anderen Probleme in NP darauf polynomiell reduzierbar 3 Satz: SAT ist NP-vollständig Definition
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
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
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
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
MehrVorlesung Logik Wintersemester 2017/18 Universität Duisburg-Essen
Vorlesung Logik Wintersemester 2017/18 Universität Duisburg-Essen Barbara König Übungsleitung: Dennis Nolte, Harsh Beohar Barbara König Logik 1 Mengen, Relationen und Funktionen Menge: Menge X von Elementen,
MehrSS Juli Übungen zur Vorlesung Logik Blatt 11
SS 2011 06. Juli 2011 Übungen zur Vorlesung Logik Blatt 11 Prof. Dr. Klaus Madlener Abgabe bis 13. Juli 2011 10:00 Uhr 1. Aufgabe: [Axiomatisierung, Übung] 1. Definieren Sie eine Formel A n der Prädikatenlogik
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
MehrEinige Grundlagen der Komplexitätstheorie
Deterministische Polynomialzeit Einige Grundlagen der Komplexitätstheorie Ziel: NP-Vollständigkeit als ressourcenbeschränktes Analagon zur RE-Vollständigkeit. Komplexitätstheorie untersucht den Ressourcenbedarf
Mehr3.1.1 Die Variante T1 und ein Entscheidungsverfahren für die Aussagenlogik
Deduktionssysteme der Aussagenlogik, Kap. 3: Tableaukalküle 38 3 Tableaukalküle 3.1 Klassische Aussagenlogik 3.1.1 Die Variante T1 und ein Entscheidungsverfahren für die Aussagenlogik Ein zweites Entscheidungsverfahren
MehrGrundlagen und Diskrete Strukturen Aufgaben zur Vorbereitung der Klausur
Technische Universität Ilmenau WS 2008/2009 Institut für Mathematik Informatik, 1.FS Dr. Thomas Böhme Aufgabe 1 : Grundlagen und Diskrete Strukturen Aufgaben zur Vorbereitung der Klausur Gegeben sind die
MehrLogik für Informatiker
Vorlesung Logik für Informatiker 13. Prädikatenlogik Der Satz von Herbrand Bernhard Beckert Universität Koblenz-Landau Sommersemester 2006 Logik für Informatiker, SS 06 p.1 Semantische Bäume Eine klassische
MehrKAPITEL 5. Damit wird F n (B) selbst zu einer Booleschen Algebra und es gilt f(x) := f(x) 0(x) := 0 B 1(x) := 1 B
KAPITEL 5 Boolesche Polynome Polynome über R, d.h. reelle Funktionen der Form p(x) = a 0 + a 1 x + + a n x n, x R, sind schon aus der Schulmathematik bekannt. Wir beschäftigen uns nun mit Booleschen Polynomen,
MehrLogische und funktionale Programmierung
Logische und funktionale Programmierung Vorlesung 2 und 3: Resolution Babeş-Bolyai Universität, Department für Informatik, Cluj-Napoca csacarea@cs.ubbcluj.ro 3. November 2017 1/43 HERBRAND-STRUKTUR Sei
MehrLogik, Mengen und Abbildungen
Kapitel 1 Logik, Mengen und bbildungen Josef Leydold Mathematik für VW WS 2016/17 1 Logik, Mengen und bbildungen 1 / 26 ussage Um Mathematik betreiben zu können, sind ein paar Grundkenntnisse der mathematischen
MehrDiskrete Strukturen Endterm
Technische Universität München Winter 016/17 Prof H J ungartz / Dr M Luttenberger, J räckle, K Röhner H- Diskrete Strukturen Endterm eachten Sie: Soweit nicht anders angegeben, ist stets eine egründung
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
MehrÜbungsblatt 4. Vorlesung Theoretische Grundlagen der Informatik im WS 17/18
Institut für Theoretische Informatik Lehrstuhl Prof. Dr. D. Wagner Übungsblatt 4 Vorlesung Theoretische Grundlagen der Informatik im WS 17/18 Ausgabe 6. Dezember 2017 Abgabe 19. Dezember 2017, 11:00 Uhr
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
MehrTheoretische Informatik: Logik
Theoretische Informatik: Logik Vorlesung mit Übungen im WS 2006/2007 Vorlesung: Montag Montag 9-10 Uhr, Raum 1603 WAneu 14-16 Uhr, Raum 1603 WAneu Beginn: Montag, den 23.10.2006, 9 15 Uhr. Übungen in 3
MehrEinführung in die theoretische Informatik Sommersemester 2017 Übungsblatt Lösungsskizze 13
Prof. J. Esparza Technische Universität München S. Sickert, J. Krämer KEINE ABGABE Einführung in die theoretische Informatik Sommersemester 2017 Übungsblatt Lösungsskizze 13 Übungsblatt Wir unterscheiden
MehrDiskrete Strukturen Wiederholungsklausur
Technische Universität München (I7) Winter 2013/14 Prof. J. Esparza / Dr. M. Luttenberger LÖSUNG Diskrete Strukturen Wiederholungsklausur Beachten Sie: Soweit nicht anders angegeben, ist stets eine Begründung
MehrKochrezept für NP-Vollständigkeitsbeweise
Kochrezept für NP-Vollständigkeitsbeweise Prof. Dr. Berthold Vöcking Lehrstuhl Informatik 1 Algorithmen und Komplexität RWTH Aachen 11. Januar 2010 Berthold Vöcking, Informatik 1 () Vorlesung Berechenbarkeit
MehrÜbungsblatt Nr. 5. Lösungsvorschlag
Institut für Kryptographie und Sicherheit Prof. Dr. Jörn Müller-Quade Dirk Achenbach Tobias Nilges Vorlesung Theoretische Grundlagen der Informatik Übungsblatt Nr. 5 Aufgabe 1: Eine schöne Bescherung (K)
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 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
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
MehrInformationsverarbeitung auf Bitebene
Informationsverarbeitung auf Bitebene Dr. Christian Herta 5. November 2005 Einführung in die Informatik - Informationsverarbeitung auf Bitebene Dr. Christian Herta Grundlagen der Informationverarbeitung
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
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
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
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
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
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.
MehrLogische Aussagen können durch die in der folgenden Tabelle angegebenen Operationen verknüpft werden.
Logische Operationen Logische ussagen können durch die in der folgenden Tabelle angegebenen Operationen verknüpft werden. ezeichnung Schreibweise (Sprechweise) wahr, genau dann wenn Negation (nicht ) falsch
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
MehrDer Hilbert-Kalkül für die Aussagenlogik (Notizen zur Vorlesung Logik im Wintersemester 2003/04 an der Universität Stuttgart)
Der Hilbert-Kalkül für die Aussagenlogik (Notizen zur Vorlesung Logik im Wintersemester 2003/04 an der Universität Stuttgart) Javier Esparza und Barbara König 4. Dezember 2003 Für eine gegebene aussagenlogische
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
MehrGeometrie und Lineare Algebra für das Lehramt
Geometrie und Lineare lgebra für das Lehramt Stefan Haller Dies ist ein Skriptum zu meiner Vorlesung im Sommersemester 2018. Es steht unter http://www.mat.univie.ac.at/~stefan/geometrie.s2018.html zur
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
MehrAufgabe 1 Beweise in Fitch (Präsenzaufgabe) Beweisen Sie folgende aussagenlogischen Formeln durch natürliches Schliessen (d.h. im Fitch- Kalkül):
Grundlagen der Logik in der Informatik WS 2017 Übungsblatt 4 bgabe der Lösungen: Tutorium in der Woche 04.12.-08.12. ufgabe 1 Beweise in Fitch (Präsenzaufgabe) Beweisen Sie folgende aussagenlogischen Formeln
MehrAussagenlogik. Aussagen und Aussagenverknüpfungen
Aussagenlogik Aussagen und Aussagenverknüpfungen Aussagen sind Sätze, von denen sich sinnvollerweise sagen läßt, sie seien wahr oder falsch. Jede Aussage besitzt also einen von zwei möglichen Wahrheitswerten,
MehrLogik (Prof. Dr. Wagner FB AI)
Logik (Prof. Dr. Wagner FB AI) LERNZIELE: Über die Kenntnis und das Verständnis der gegebenen Definitionen hinaus verfolgt dieser Teil der Lehrveranstaltung die folgenden Lernziele: Bei gegebenen sprachlichen
Mehr2.3 Deduktiver Aufbau der Aussagenlogik
2.3 Deduktiver Aufbau der Aussagenlogik Dieser Abschnitt beschäftigt sich mit einem axiomatischen Aufbau der Aussagenlogik mittels eines Deduktiven Systems oder eines Kalküls. Eine syntaktisch korrekte
MehrLogik für Informatiker
Logik für Informatiker 2. Aussagenlogik Teil 10 4.06.2012 Viorica Sofronie-Stokkermans Universität Koblenz-Landau e-mail: sofronie@uni-koblenz.de 1 Organisatorisches Hauptklausur: Montag, 23.07.2012, 16:00-18:00,
MehrHilbert-Kalkül (Einführung)
Hilbert-Kalkül (Einführung) Es gibt viele verschiedene Kalküle, mit denen sich durch syntaktische Umformungen zeigen läßt, ob eine Formel gültig bzw. unerfüllbar ist. Zwei Gruppen von Kalkülen: Kalküle
MehrEinführung in die mathematische Logik
Prof. Dr. H. Brenner Osnabrück SS 2014 Einführung in die mathematische Logik Vorlesung 3 Tautologien In der letzten Vorlesung haben wir erklärt, wie man ausgehend von einer Wahrheitsbelegung λ der Aussagevariablen
MehrVorsemesterkurs Informatik
Vorsemesterkurs Informatik Sommersemester 2018 Ronja Düffel 14. März 2018 Theoretische Informatik Wieso, weshalb, warum??!? 1 Modellieren und Formalisieren von Problemen und Lösungen 2 Verifikation (Beweis
MehrDisMod-Repetitorium Tag 1
DisMod-Repetitorium Tag 1 Aussagenlogik, Mengen 19. März 2018 1 Organisatorisches 2 Tipps zur Klausur 3 Aussagenlogik Was gehört in die Aussagenlogik, was nicht? Notationen für viele Terme Belegungen,
MehrRückblick. Erweiterte b-adische Darstellung von Kommazahlen. 7,1875 dargestellt mit l = 4 und m = 4 Bits. Informatik 1 / Kapitel 2: Grundlagen
Rückblick Erweiterte b-adische Darstellung von Kommazahlen 7,1875 dargestellt mit l = 4 und m = 4 Bits 66 Rückblick Gleitkommazahlen (IEEE Floating Point Standard 754) lassen das Komma bei der Darstellung
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),
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
Mehr