Logika klasyczna i rozmyta. Rozmyte złożenie relacji (ang. fuzzy composition) Złożenie relacji (ang. composition)

Wielkość: px
Rozpocząć pokaz od strony:

Download "Logika klasyczna i rozmyta. Rozmyte złożenie relacji (ang. fuzzy composition) Złożenie relacji (ang. composition)"

Transkrypt

1 Złożenie relacji ang. compoition) Niech X Y, Y Z. Ptanie: X Z? Cz można znaleźć taą relację, tóra wiąże te ame element z X, tóre zawiera z tmi ammi elementami z Z, tóre zawiera? Czli cz zuam X Z. Przład Podtawowe form operacji złożenia max-min i max-product czaem nazwana max-dot):. max-min o χ x,z). max-product χ x,z) V χ x,) χ,z Y max min χ x,), χ,z) Y max χ x,) χ,z V χ x,) χ,z Y Y ozmte złożenie relacji ang. fuzz compoition) Ja w przpadu crip. Niech ~ będzie relacją tóra mapuje element z przetrzeni X na Y, a ~ relacją, tóra mapuje element z Y na Z. zuam ~ z X Z. max-min ~ ~ o ~ x,z) V x,),z ~ ~ ~ Y max min x,),,z) Y ~ ~. max-product ~ ~ ~ x,z) V x,),z ~ Y ~ ~ Y ~ ~ max min x,),z) Operacje na macierzach). aciej Hape ogia rozmta w zatoowaniach inżnierich 40 aciej Hape ogia rozmta w zatoowaniach inżnierich 4 ogia laczna i rozmta ogia laczna Załóżm, że mam dwa twierdzenia P: prawda, że x Q: prawda, że x Prawdziwość mierzona jet natępująco: Jeżeli x, P) ; w przeciwnm wpadu P) 0 Jeżeli x, Q) ; w przeciwnm wpadu Q) 0 pójnii logiczne ang. logical connective) Djuncja Koniuncja Negacja P Q: x lub x P Q) maxp),q P Q: x i x P Q) minp),q Jeżeli P), to P) 0 Jeżeli P) 0, to P) P Q): x lub x P Q) P Q) ównoważność P Q): P Q), dla P) 0, dla P) Q) Q) Klaczna impliacja P Q jet prawdziwa we wztich przpadach, oprócz taiego, gd poprzedni jet prawdą, a natępni fałzem. Przład:. Jeżeli + to 4>0. Jeżeli +3 to 4>0 3. Jeżeli +3 to 4<0 4. Jeżeli + to 4<0 Czli P Q) P) Q) P) Q) Wobraźm obie, że impliacja dotcz dwóch różnch przetrzeni P jet twierdzeniem termem) wrażonm przez zbiór oreślonm na X Q jet twierdzeniem termem) wrażonm przez zbiór oreślonm na Y P Q może bć też wrażona przez relację : jeżeli to Y) aciej Hape ogia rozmta w zatoowaniach inżnierich 4 aciej Hape ogia rozmta w zatoowaniach inżnierich 43

2 jeżeli to, w przeciwnm razie C C ) w logice P Q) P ) gdzie : C, C Y Deducja wnioowanie, w tórm z przełane wnia logicznie wnioe Deducja modu ponen reguła odrwania) Z prawdziwości przełani i impliacji wnia prawdziwość wniou. Przład autologie W logice pomocne ą związi, tóre ą zawze prawdziwe tautologie) w ażdej nieputej dziedzinie. Przład tautologii: Każd pie jet aiem Każd pie jet ręgowcem w domśle Każd a jet ręgowcem ) jet jet C jet C ~ Λ x) V ~ x) x x jet zbiorem liczb pierwzch,,, 33, 45..., wted twierdzenie i nie jet podzielne przez 6 jet tautologią. C Przełana Wnioe Jan jet ierowcą Jan poiada prawo jazd Deducja modu tollen Przełana Wnioe Jan nie poiada prawa jazd Jan nie jet ierowcą aciej Hape ogia rozmta w zatoowaniach inżnierich 44 aciej Hape ogia rozmta w zatoowaniach inżnierich 45 Wnioowanie deducjne Załóżm, że mam regułę ) JEŻEI, O ) Y gdzie jet zdefiniowane na X, a na Y.? cz znając now poprzedni możem wwnioować now natępni? może bć znalezione natępująco: ) Y Parado logii dwuwartościowej Golibroda z evilli goli wztich i tlo tch mężczzn, tórz ami ię nie golą, to goli golibrodę? ubię wztich tch i tlo tch tórz ami iebie nie lubią. Cz łamca z Kret łamie gd mówi wzc Kreteńczc ą łamcami. Niech golibroda am ię goli golibroda am ię nie goli Wted oraz, tzn., czli ) ) ) ) ½ półprawda pół fałz) aciej Hape ogia rozmta w zatoowaniach inżnierich 46 aciej Hape ogia rozmta w zatoowaniach inżnierich 47

3 ogia rozmta Załóżm, że twierdzenie P ~ jet przpiane do zbioru ~, wted wartość prawdziwa twierdzenia będzie wrażona: P ~ ) x), gdzie x) [0, ] ~ topień prawdziwości P ~ ) jet odpowiada topniowi prznależności x do ~. Niech P ~ będzie oreślone na zbiorze ~, a Q ~ na zbiorze ~. Wted ~ Jeżeli x jet ~ to jet ~ funcja prznależności ~ ~ ~ ) ~ Y) x, ) max[ x), x] ~ ~ ~ ~ Jeżeli x jet ~ to jet ~, w przeciwnm razie jet C ~ ~ ~ ~ ) ~ C ~ ) x, ) max[ x), x ~ ~ ~ ~ C ~ ] Negacja P ~ ) P ~ ) Djuncja P ~ v Q ~ : x jet ~ lub ~ P ~ v Q ~ ) maxp ~ ), Q ~ Koniuncja P ~ Q ~ : x jet ~ i ~ P ~ Q ~ ) minp ~ ), Q ~ [Zadeh, 973] P ~ Q ~ : x jet ~, to jet ~ P ~ v Q ~ ) max P ~ ), Q ~ aciej Hape ogia rozmta w zatoowaniach inżnierich 48 aciej Hape ogia rozmta w zatoowaniach inżnierich 49 Wnioowanie przbliżone Wnioowanie z niepreczjnch twierdzeń) Uogólniona rozmta) reguła wnioowania modu ponen. Przład: Przełana x jet ~ Jeżeli x jet ~ to jet ~ Wnioe jet ~ Przełana Wnioe ~ ~ ~ Prędość amochodu jet duża Jeżeli prędość amochodu jet bardzo duża, to poziom hałau jet woi Poziom hałau w amochodzie jet średniowoi Inne operacje rozmtej impliacji Zadeha 973) x, ) max{min[ x), )], ~ ~ ~ ~ amdani ego 976) x, ) min{ x), ~ ~ ~ arena x,) x) ~ ~ ~ Łuaiewicza x, ) min{,[ x) + Ocena przełani ) )} ~ ~ ~ )]} x)} Wnioowanie rozmte - ocena topnia pełnienia przełane pozczególnch reguł i przenieienie go na onluzje. poób obliczania topnia pełnienia przełani JEŻEI x x) x x aciej Hape ogia rozmta w zatoowaniach inżnierich 50 aciej Hape ogia rozmta w zatoowaniach inżnierich 5

4 Przład graficzne wnioowania. Jeżeli x to wejście jet crip) Obliczenia dla uprozczonej werji dretnej, tzn x 6.5, tzn. ' crip) ' fuzz) amdaniego i ilocznowa Jeżeli x to wejście jet fuzz) ad.. \ [ ] ad.. \ [ ] aciej Hape ogia rozmta w zatoowaniach inżnierich 5 aciej Hape ogia rozmta w zatoowaniach inżnierich 53 ozmte tem regułowe trutura temu rozmtego x Fuzz tem n input output x x tem x Fuzz tem n input output ) Fuz Inferencja Defuz x x xn Fuzz tem n input output Potać anoniczna temu rozmtego eguła : JEŻEI c, O r eguła : JEŻEI c, O r n Nazwa oper. Fuzfiacja rozmwanie) Oper. obliczanie topnia prznależności wartości wejść modelu do zbiorów rozmtch tch wejść Elem. funcje prznależności wejść Inferencja wnioowanie) ocena topnia pełn. przełane reguł oreślenie f. przn. onluzji oreślenie wniowej f. przn. wztich reguł baza reguł mechanizm inferencji funcje prznależności wjścia Defuzfiacja otrzenie) zatąpienie zbioru rozmtego wartością otrą mechanizm defuzfiacji aciej Hape ogia rozmta w zatoowaniach inżnierich 54 aciej Hape ogia rozmta w zatoowaniach inżnierich 55

5 Deompozcja reguł złożonch Wiele oniuncji poprzedniów JEŻEI x jet ~ oraz x jet ~ ~ ~ ~... ~ x)] x) t[ x),..., ~ ~ ~ JEŻEI x jet ~ O jet ~ Dla dwóch przełane protch: JEŻEI x ) I x ) O jet ~ to dla x x oraz x x topień jej prawdziwości jet obliczan x,x ) x,x ) t x), ~ gdzie t jet jednm z operatorów t-norm. Operator t-norm. min-operator t x), x min x), x. iloczn algebraiczn t x ), x x ) x ) x Wiele djuncji poprzedniów JEŻEI x jet ~ lub x jet ~ ~ ~ ~... ~ x) max[ x),..., ~ ~ ~ JEŻEI x jet ~ O jet ~ Dla dwóch przełane protch: x)] O jet ~ JEŻEI x ) U x ) x,x ) x,x ) x), ~ Operator -norm:. max-operator x ), x max x ), x. uma algebraiczna x ), x x ) + x ) x) x) x x t, x x x aciej Hape ogia rozmta w zatoowaniach inżnierich 56 aciej Hape ogia rozmta w zatoowaniach inżnierich 57 gregacja zbioru reguł rozmtch W oreślaniu trategii agregacji itnieją dwa etremalne przpadi: a. Koniuncjn tem reguł. Wztie reguł muzą bć pełnione, połączenie and. and and and r r funcja prznależności ) min ), ),..., r b. Djuncjn tem reguł. dla Y u wmagane jet pełnienie prznajmniej jednej reguł. Łączni or. or or or r r funcja prznależności ) max ), ),..., r dla Y Graficzne technii wnioowania tem reguł z wieloma przełanami) Załóżm rozmt tem regułow, djuncjn: wejścia i wjście 4 przpadi:. x i x ą crip funcjami delta), wted Wg metod wnioowania amdaniego, ) max[min[ inputi, inputj]],,...,r ~ ~ ~. x i x ą crip funcjami delta), wted Wg metod max-product inference method) ) max[ inputi inputj],,...,r ~ ~ ~ 3. x i x ą rozmte Wg metod wnioowania amdaniego ) max[min{max[ x) x )], ~ max[ ~ ~ x) x )]}],,...,r 4. x i x ą rozmte Wg metod wnioowania max-product ) max[max[ x) x )],max[ x) x )]] ~ ~ ~ aciej Hape ogia rozmta w zatoowaniach inżnierich 58 aciej Hape ogia rozmta w zatoowaniach inżnierich 59

6 lgortm inferencji eguła : JEŻEI x I I x n n, O eguła j: JEŻEI x j I I x n jn, O j eguła m: JEŻEI x m I I x n jn, O m Kro. Oreślić topień pełnienia przełane pozczególnch reguł agregacja przełane, t-norma) h t x ),..., x h t h j m j t m x ),..., x ),..., n jn x mn n n x n ) th, j ) th, m j m j ) th, m Kro 3. Oreślić wniową funcję prznależności ) przez aumulację zmodfiowanch funcji prznależności ) onluzji pozczególnch reguł j ) ) ),..., m Kro. Oreślić zmodfiowane funcje prznależności j ) onluzji natępniów) pozczególnch reguł inferencja w regułach). lo dla reguł, tórch przełani pełnione ą w topniu h>0. aciej Hape ogia rozmta w zatoowaniach inżnierich 60 aciej Hape ogia rozmta w zatoowaniach inżnierich 6

Wstęp do Sztucznej Inteligencji: Laboratorium Sterownik rozmyty

Wstęp do Sztucznej Inteligencji: Laboratorium Sterownik rozmyty Wstęp do Sztucznej Inteligencji: Laboratorium Sterowni rozmt Zbior rozmte pozwalają w sposób usstematzowan modelować pojęcia niepreczjne, jaimi ludzie posługują się na co dzień. Przładem może bć wrażenie

Bardziej szczegółowo

Definicja. Złożenie zbioru rozmytego i relacji rozmytej. Rozważmy. zbiór rozmyty A X z funkcją przynależności

Definicja. Złożenie zbioru rozmytego i relacji rozmytej. Rozważmy. zbiór rozmyty A X z funkcją przynależności Zagadnienia I Złożenie zbioru rozmtego i relacji rozmtej Rozważm zbiór rozmt X z funcją prznależności relację rozmtą RX Y z funcją prznależności Definicja R Złożenie zbioru rozmtego i relacji rozmtej R

Bardziej szczegółowo

ELEMENTY TEORII ZBIORÓW ROZMYTYCH

ELEMENTY TEORII ZBIORÓW ROZMYTYCH ELEMENTY TEORII ZBIORÓW ROZMYTYCH OPRACOWAŁ: M. KWIESIELEWICZ POJĘCIA NIEPRECYZYJNE ODDZIAŁYWANIA CZŁOWIEK-OBIEKT TECHNICZNY OTOCZENIE (Hoang 990: człowieka na otoczenie, np.: ergonomiczna konstrukcja

Bardziej szczegółowo

Sterowanie rozmyte. mgr inż. Piotr Fiertek p. 544

Sterowanie rozmyte. mgr inż. Piotr Fiertek p. 544 Sterowanie rozmte mgr inż. Piotr iertek p. 544 Literatura do wkładu: D. Driankov H. Hellendoorn M. einfrank Wprowadzenie do sterowania ozmtego Wdawnictwo Naukowo-Techniczne Warszawa 996 Piegat A.: Modelowanie

Bardziej szczegółowo

Zmienna losowa. M. Przybycień Rachunek prawdopodobieństwa i statystyka

Zmienna losowa. M. Przybycień Rachunek prawdopodobieństwa i statystyka Zmienna losowa ozszerzenie znaczenia funcji zmiennej rzeczwistej na przpadi, ied zmienna niezależna nie jest liczbą rzeczwistą: odległość to funcja par puntów, obwód trójąta, to funcja oreślona na zbiorze

Bardziej szczegółowo

Modelowanie niepewności

Modelowanie niepewności Modelowanie niepewności rzetwarzanie numerczne informacji niepewnej niepełnej nej i niepreczjnej lan władu Źródła a niepewności informacji odejście probabilistczne do modelowania niepewności - twierdzenie

Bardziej szczegółowo

STANDARDOWE FUNKCJE PRZYNALEŻNOŚCI. METODY HEURYSTYCZNE wykład 6. (alternatywa dla s) (zdef. poprzez klasę s) GAUSSOWSKA F.

STANDARDOWE FUNKCJE PRZYNALEŻNOŚCI. METODY HEURYSTYCZNE wykład 6. (alternatywa dla s) (zdef. poprzez klasę s) GAUSSOWSKA F. METODY HEURYSTYCZNE wykład 6 STANDARDOWE FUNKCJE PRZYNALEŻNOŚCI 2 GAUSSOWSKA F. PRZYNALEŻNOŚCI F. PRZYNALEŻNOŚCI KLASY s środek; a określa szerokość krzywej 3 4 F. PRZYNALEŻNOŚCI KLASY π F. PRZYNALEŻNOŚCI

Bardziej szczegółowo

Blok 2: Zależność funkcyjna wielkości fizycznych

Blok 2: Zależność funkcyjna wielkości fizycznych Blok : Zależność funkcjna wielkości fizcznch I. Odcztwanie informacji z wkreu co tak naprawdę na nim ię znajduje. Chcąc odcztać informacje z wkreu funkcji, muim dokładnie wiedzieć, jaka wielkość fizczna

Bardziej szczegółowo

SZTUCZNA INTELIGENCJA

SZTUCZNA INTELIGENCJA SZTUCZNA INTELIGENCJA WYKŁAD 10. WNIOSKOWANIE W LOGICE ROZMYTEJ Częstochowa 2014 Dr hab. inż. Grzegorz Dudek Wydział Elektryczny Politechnika Częstochowska WNIOSKOWANIE W LOGICE DWUWARTOŚCIOWEJ W logice

Bardziej szczegółowo

Ekstrema funkcji dwóch zmiennych

Ekstrema funkcji dwóch zmiennych Wkład z matematki inżnierskiej Ekstrema funkcji dwóch zmiennch JJ, IMiF UTP 18 JJ (JJ, IMiF UTP) EKSTREMA 18 1 / 47 Ekstrema lokalne DEFINICJA. Załóżm, że funkcja f (, ) jest określona w pewnm otoczeniu

Bardziej szczegółowo

Zasada rozszerzania. A U A jest zbiorem rozmytym, B jest obrazem zbioru A Przeniesienie rozmytości A w odwzorowaniu f na zbiór B. sup.

Zasada rozszerzania. A U A jest zbiorem rozmytym, B jest obrazem zbioru A Przeniesienie rozmytości A w odwzorowaniu f na zbiór B. sup. Zasada rozszerzania f U V U jest zbiorem rozmytym V = f( ), jest obrazem zbioru Przeniesienie rozmytości w odwzorowaniu f na zbiór v) = ( v)? ( f ( ) = sup ( u) gdy ( v) 0 1 = 1 u f ( v) f( ) ( v) 1 0

Bardziej szczegółowo

SKRYPT Z MATEMATYKI. Wstęp do matematyki. Rafał Filipów Piotr Szuca

SKRYPT Z MATEMATYKI. Wstęp do matematyki. Rafał Filipów Piotr Szuca Publikacja współfinansowana przez Unię Europejską w ramach Europejskiego Funduszu Społecznego SKRYPT Z MATEMATYKI Wstęp do matematki Rafał Filipów Piotr Szuca Publikacja współfinansowana przez Unię Europejską

Bardziej szczegółowo

Metody numeryczne. Wykład nr 2. dr hab. Piotr Fronczak

Metody numeryczne. Wykład nr 2. dr hab. Piotr Fronczak Metod numerczne Wład nr dr hab. Piotr Froncza Przbliżone rozwiązwanie równań nieliniowch Jedno równanie z jedną niewiadomą Szuam pierwiastów rzeczwistch równania =. zwle jest uncją nieliniową zatem orzstam

Bardziej szczegółowo

Warsztat pracy matematyka

Warsztat pracy matematyka Warsztat prac matematka Izabela Bondecka-Krzkowska Marcin Borkowski Jęzk matematki Teoria Jednm z podstawowch pojęc matematki jest pojęcie zbioru. Teorię opisującą zbior nazwa sie teorią mnogości. Definicja

Bardziej szczegółowo

Elementy logiki matematycznej

Elementy logiki matematycznej Elementy logiki matematycznej Przedmiotem logiki matematycznej jest badanie tzw. wyrażeń logicznych oraz metod rozumowania i sposobów dowodzenia używanych w matematyce, a także w innych dziedzinach, w

Bardziej szczegółowo

1 Macierze i wyznaczniki

1 Macierze i wyznaczniki 1 Macierze i wyznaczniki 11 Definicje, twierdzenia, wzory 1 Macierzą rzeczywistą (zespoloną) wymiaru m n, gdzie m N oraz n N, nazywamy prostokątną tablicę złożoną z mn liczb rzeczywistych (zespolonych)

Bardziej szczegółowo

14. Grupy, pierścienie i ciała.

14. Grupy, pierścienie i ciała. 4. Grup, pierścienie i ciała. Definicja : Zbiór A nazwam grupą jeśli jest wposaŝon w działanie wewnętrzne łączne, jeśli to działanie posiada element neutraln i kaŝd element zbioru A posiada element odwrotn.

Bardziej szczegółowo

Rysunek 1-1. Przykładowy zbiór klasyczny (nierozmyty) oraz jego funkcja przynale żności.

Rysunek 1-1. Przykładowy zbiór klasyczny (nierozmyty) oraz jego funkcja przynale żności. Podstaw logiki rozmtej i regulatorów rozmtch. Zbiór rozmt Pojęcie zbioru rozmtego zostało wprowadzone przez L. A. Zadeha w 965. Celem wprowadzenia tego pojęcia bła chęć modelowania procesów złożonch, w

Bardziej szczegółowo

INŻYNIERIA WIEDZY I SYSTEMY EKSPERTOWE

INŻYNIERIA WIEDZY I SYSTEMY EKSPERTOWE Temat: Podstawowe pojęcia z logiki rozmytej Instrukcja do ćwiczeń przedmiotu INŻYNIERIA WIEDZY I SYSTEMY EKSPERTOWE Dr inż. Barbara Mrzygłód KISiM, WIMiIP, AGH mrzyglod@ agh.edu.pl 1 Wprowadzenie Sterowanie

Bardziej szczegółowo

Myślenie w celu zdobycia wiedzy = poznawanie. Myślenie z udziałem rozumu = myślenie racjonalne. Myślenie racjonalne logiczne statystyczne

Myślenie w celu zdobycia wiedzy = poznawanie. Myślenie z udziałem rozumu = myślenie racjonalne. Myślenie racjonalne logiczne statystyczne Literatura: podstawowa: C. Radhakrishna Rao, Statystyka i prawda, 1994. G. Wieczorkowska-Wierzbińska, J. Wierzbiński, Statystyka. Od teorii do praktyki, 2013. A. Aczel, Statystyka w zarządzaniu, 2002.

Bardziej szczegółowo

Przestrzenie liniowe w zadaniach

Przestrzenie liniowe w zadaniach Przestrzenie linioe zadaniach Zadanie 1. Cz ektor [3, 4, 4 jest kombinacja linioa ektoró [1, 1, 1, [1, 0, 1, [1, 3, 5 przestrzeni R 3? Roziazanie. Szukam x,, z R takich, że [3, 4, 4 x [1, 1, 1 + [1, 0,

Bardziej szczegółowo

Zbiory rozmyte. Teoria i zastosowania we wnioskowaniu aproksymacyjnym

Zbiory rozmyte. Teoria i zastosowania we wnioskowaniu aproksymacyjnym Zior rozmte Teori i zstosowni we wniosowniu prosmcjnm PODSTWOWE POJĘCI Motwcje Potrze opisni zjwis i pojęć wielozncznch i niepreczjnch użwnch swoodnie w jęzu nturlnm np. wso tempertur młod człowie średni

Bardziej szczegółowo

Macierze normalne. D : Dowolną macierz kwadratową można zapisać w postaci A = B + ic gdzie ( ) B = A + A B = A + A = ( A + A)

Macierze normalne. D : Dowolną macierz kwadratową można zapisać w postaci A = B + ic gdzie ( ) B = A + A B = A + A = ( A + A) Macierze normalne Twierdzenie: Macierz można zdiagonalizować za pomocą unitarnej transformacji podobieństwa wted i tlko wted gd jest normalna (AA A A). ( ) D : Dowolną macierz kwadratową można zapisać

Bardziej szczegółowo

Metoda podziału zbioru obiektów na wielokryterialne klastry jakościowe

Metoda podziału zbioru obiektów na wielokryterialne klastry jakościowe BIULET ISTTUTU SSTEMÓW IFOMATCZCH (03) Metoda podziału zbioru obietów na wielorterialne lastr jaościowe A. AMELJAŃCZK aameljancz@wat.edu.pl Insttut Sstemów Informatcznch Wdział Cberneti WAT ul. S. Kalisiego,

Bardziej szczegółowo

4. Schematy blokowe; algebra schematów blokowych

4. Schematy blokowe; algebra schematów blokowych 57. Schemat bloowe; algebra chematów bloowch W ażdm złożonm ładzie atomati można wodrębnić wpółpracjące ze obą element protze, tórch właściwości ą znane i formłowane np. w potaci tranmitancji operatorowej.

Bardziej szczegółowo

Pochodna funkcji wykład 5

Pochodna funkcji wykład 5 Pochodna funkcji wkład 5 dr Mariusz Grządziel 8 listopada 2010 Funkcja logistczna 40 Rozważm funkcję logistczną = f 0 (t) = 1+5e 0,5t Funkcja f może bć wkorzstana np. do modelowania wzrostu mas ziaren

Bardziej szczegółowo

METODY INTELIGENCJI OBLICZENIOWEJ wykład 6

METODY INTELIGENCJI OBLICZENIOWEJ wykład 6 METODY INTELIGENCJI OBLICZENIOWEJ wykład 6 2 ZBIORY ROZMYTE I WNIOSKOWANIE PRZYBLIŻONE 965 Lotfi A. Zadeh: : Fuzzy sets In almost every case you can build the same product without fuzzy logic, but fuzzy

Bardziej szczegółowo

1 Przekształcenie Laplace a

1 Przekształcenie Laplace a Przekztałcenie Laplace a. Definicja i podtawowe właności przekztałcenia Laplace a Definicja Niech dana będzie funkcja f określona na przedziale [,. Przekztałcenie (tranformatę Laplace a funkcji f definiujemy

Bardziej szczegółowo

Testy dotyczące wartości oczekiwanej (1 próbka).

Testy dotyczące wartości oczekiwanej (1 próbka). ZASADY TESTOWANIA HIPOTEZ STATYSTYCZNYCH. TESTY DOTYCZĄCE WARTOŚCI OCZEKIWANEJ Przez hipotezę tatytyczną rozumiemy, najogólniej mówiąc, pewną wypowiedź na temat rozkładu intereującej na cechy. Hipotezy

Bardziej szczegółowo

Wartości i wektory własne

Wartości i wektory własne Rozdział 7 Wartości i wektor własne Niech X będzie skończenie wmiarową przestrzenią liniową nad ciałem F = R lub F = C. Niech f : X X będzie endomorfizmem, tj. odwzorowaniem liniowm przekształającm przestrzeń

Bardziej szczegółowo

A i A j lub A j A i. Operator γ : 2 X 2 X jest ciągły gdy

A i A j lub A j A i. Operator γ : 2 X 2 X jest ciągły gdy 3. Wyład 7: Inducja i reursja struturalna. Termy i podstawianie termów. Dla uninięcia nieporozumień notacyjnych wprowadzimy rozróżnienie między funcjami i operatorami. Operatorem γ w zbiorze X jest funcja

Bardziej szczegółowo

Matematyka dyskretna. Wykład 2: Kombinatoryka. Gniewomir Sarbicki

Matematyka dyskretna. Wykład 2: Kombinatoryka. Gniewomir Sarbicki Matematya dysretna Wyład 2: Kombinatorya Gniewomir Sarbici Kombinatorya Definicja Kombinatorya zajmuje się oreślaniem mocy zbiorów sończonych, w szczególności mocy zbiorów odwzorowań jednego zbioru w drugi

Bardziej szczegółowo

Uwaga 1.1 Jeśli R jest relacją w zbiorze X X, to mówimy, że R jest relacją w zbiorze X. Rozważmy relację R X X. Relację R nazywamy zwrotną, gdy:

Uwaga 1.1 Jeśli R jest relacją w zbiorze X X, to mówimy, że R jest relacją w zbiorze X. Rozważmy relację R X X. Relację R nazywamy zwrotną, gdy: Matematya dysretna - wyład 1. Relacje Definicja 1.1 Relacją dwuargumentową nazywamy podzbiór produtu artezjańsiego X Y, tórego elementami są pary uporządowane (x, y), taie, że x X i y Y. Uwaga 1.1 Jeśli

Bardziej szczegółowo

(g) (p q) [(p q) p]; (h) p [( p q) ( p q)]; (i) [p ( p q)]; (j) p [( q q) r]; (k) [(p q) (q p)] (p q); (l) [(p q) (r s)] [(p s) (q r)];

(g) (p q) [(p q) p]; (h) p [( p q) ( p q)]; (i) [p ( p q)]; (j) p [( q q) r]; (k) [(p q) (q p)] (p q); (l) [(p q) (r s)] [(p s) (q r)]; Logika 1. Czy następujące sformułowania są zdaniami: (a) Wszystkie koty w Polsce są czarne. (b) Jak to udowodnić? (c) x + y = 7. (d) Jeśli x 2 = y 2, to x = y. (e) Jeśli x = y, to x 2 = y 2. (f) 2 n +

Bardziej szczegółowo

Inżynieria Wiedzy i Systemy Ekspertowe. Logika rozmyta. dr inż. Michał Bereta Politechnika Krakowska

Inżynieria Wiedzy i Systemy Ekspertowe. Logika rozmyta. dr inż. Michał Bereta Politechnika Krakowska Inżynieria Wiedzy i Systemy Ekspertowe Logika rozmyta dr inż. Michał Bereta Politechnika Krakowska http://torus.uck.pk.edu.pl/~beretam/ beretam@torus.uck.pk.edu.pl 1 Wyostrzanie Ostateczna, ostra wartość

Bardziej szczegółowo

LVI Olimpiada Matematyczna

LVI Olimpiada Matematyczna LVI Olimpiada Matematyczna Rozwiązania zadań konkurowych zawodów topnia trzeciego 13 kwietnia 2005 r (pierwzy dzień zawodów) Zadanie 1 Wyznaczyć wzytkie trójki (x, y, n) liczb całkowitych dodatnich pełniające

Bardziej szczegółowo

Podstawy Sztucznej Inteligencji (PSZT)

Podstawy Sztucznej Inteligencji (PSZT) Podstawy Sztucznej Inteligencji (PSZT) Paweł Wawrzyński Wnioskowanie logiczne i systemy eksperckie Systemy posługujące się logiką predykatów: część 3/3 Dzisiaj Uogólnienie Poprawność i pełność wnioskowania

Bardziej szczegółowo

Rachunek zdań i predykatów

Rachunek zdań i predykatów Rachunek zdań i predykatów Agnieszka Nowak 14 czerwca 2008 1 Rachunek zdań Do nauczenia :! 1. ((p q) p) q - reguła odrywania RO 2. reguła modus tollens MT: ((p q) q) p ((p q) q) p (( p q) q) p (( p q)

Bardziej szczegółowo

Przykłady zdań w matematyce. Jeśli a 2 + b 2 = c 2, to trójkąt o bokach długości a, b, c jest prostokątny (a, b, c oznaczają dane liczby dodatnie),

Przykłady zdań w matematyce. Jeśli a 2 + b 2 = c 2, to trójkąt o bokach długości a, b, c jest prostokątny (a, b, c oznaczają dane liczby dodatnie), Elementy logiki 1 Przykłady zdań w matematyce Zdania prawdziwe: 1 3 + 1 6 = 1 2, 3 6, 2 Q, Jeśli x = 1, to x 2 = 1 (x oznacza daną liczbę rzeczywistą), Jeśli a 2 + b 2 = c 2, to trójkąt o bokach długości

Bardziej szczegółowo

0.1. Logika podstawowe pojęcia: zdania i funktory, reguły wnioskowania, zmienne zdaniowe, rachunek zdań.

0.1. Logika podstawowe pojęcia: zdania i funktory, reguły wnioskowania, zmienne zdaniowe, rachunek zdań. Wykłady z Analizy rzeczywistej i zespolonej w Matematyce stosowanej Wykład ELEMENTY LOGIKI ALGEBRA BOOLE A Logika podstawowe pojęcia: zdania i funktory, reguły wnioskowania, zmienne zdaniowe, rachunek

Bardziej szczegółowo

Programowanie nieliniowe optymalizacja funkcji wielu zmiennych

Programowanie nieliniowe optymalizacja funkcji wielu zmiennych Ekonomia matematczna II Ekonomia matematczna II Prowadząc ćwiczenia Programowanie nieliniowe optmalizacja unkcji wielu zmiennch Modele programowania liniowego często okazują się niewstarczające w modelowaniu

Bardziej szczegółowo

Wykład 2. Informatyka Stosowana. 8 października 2018, M. A-B. Informatyka Stosowana Wykład 2 8 października 2018, M. A-B 1 / 41

Wykład 2. Informatyka Stosowana. 8 października 2018, M. A-B. Informatyka Stosowana Wykład 2 8 października 2018, M. A-B 1 / 41 Wykład 2 Informatyka Stosowana 8 października 2018, M. A-B Informatyka Stosowana Wykład 2 8 października 2018, M. A-B 1 / 41 Elementy logiki matematycznej Informatyka Stosowana Wykład 2 8 października

Bardziej szczegółowo

Transformacja Hilberta (1905)

Transformacja Hilberta (1905) Tranormacja Hilbera 95 Zjęcie hp://en.wikipeia.org/wiki/davi_hilber Tranormacja Hilbera je liniowm przekzałceniem całkowm w ej amej ziezinie, zn. zarówno la gnału jak i jego ranorma, argumen je najczęściej

Bardziej szczegółowo

Rachunek zdao i logika matematyczna

Rachunek zdao i logika matematyczna Rachunek zdao i logika matematyczna Pojęcia Logika - Zajmuje się badaniem ogólnych praw, według których przebiegają wszelkie poprawne rozumowania, w szczególności wnioskowania. Rachunek zdao - dział logiki

Bardziej szczegółowo

Logika Stosowana. Wykład 1 - Logika zdaniowa. Marcin Szczuka. Instytut Informatyki UW. Wykład monograficzny, semestr letni 2016/2017

Logika Stosowana. Wykład 1 - Logika zdaniowa. Marcin Szczuka. Instytut Informatyki UW. Wykład monograficzny, semestr letni 2016/2017 Logika Stosowana Wykład 1 - Logika zdaniowa Marcin Szczuka Instytut Informatyki UW Wykład monograficzny, semestr letni 2016/2017 Marcin Szczuka (MIMUW) Logika Stosowana 2017 1 / 30 Plan wykładu 1 Język

Bardziej szczegółowo

Zagadnienia AI wykład 3

Zagadnienia AI wykład 3 Zagadnienia I wyład 3 Rozmyte systemy wniosujące by móc sterować pewnym procesem technologicznym lub tez pracą urządzeń onieczne jest zbudowanie modelu, na podstawie tórego można będzie podejmować decyzje

Bardziej szczegółowo

Wnioskowanie rozmyte. Krzysztof Patan

Wnioskowanie rozmyte. Krzysztof Patan Wnioskowanie rozmyte Krzysztof Patan Wprowadzenie Informacja precyzyjna jest to jedyna postać informacji akceptowanej przez konwencjonalne metody matematyczne, najczęściej dostarczana jest przez precyzyjne

Bardziej szczegółowo

Indukcja. Materiały pomocnicze do wykładu. wykładowca: dr Magdalena Kacprzak

Indukcja. Materiały pomocnicze do wykładu. wykładowca: dr Magdalena Kacprzak Indukcja Materiały pomocnicze do wykładu wykładowca: dr Magdalena Kacprzak Charakteryzacja zbioru liczb naturalnych Arytmetyka liczb naturalnych Jedną z najważniejszych teorii matematycznych jest arytmetyka

Bardziej szczegółowo

Wykład Analiza jakościowa równań różniczkowych

Wykład Analiza jakościowa równań różniczkowych Na podstawie książki J. Rusinka, Równania różniczkowe i różnicowe w zarządzaniu, Oficna Wdawnicza WSM, Warszawa 2005. 21 maja 2012 Definicja Stabilność Niech = F (x, ) będzie równaniem różniczkowm. Rozwiązanie

Bardziej szczegółowo

POLITYKA DYWIDENDY. Podstawowy dylemat: ile zysku przeznaczyć na dywidendy, a ile zatrzymać w firmie i przeznaczyć na potrzeby jej dalszego rozwoju?

POLITYKA DYWIDENDY. Podstawowy dylemat: ile zysku przeznaczyć na dywidendy, a ile zatrzymać w firmie i przeznaczyć na potrzeby jej dalszego rozwoju? POLITYKA DYWIDENDY Treść wyładu politya dywidendy jao element trategii formy wypłaty dywidendy teorie polityi politya dywidendowa polich półe Polityę dywidendą oreśla ię jao decyzje roztrzygające o tym,

Bardziej szczegółowo

Testy statystyczne teoria

Testy statystyczne teoria Tety tatytyczne teoria przygotowanie: dr A Goroncy, dr J Karłowka-Pik Niech X,, X n będzie próbą loową protą z rozkładu P θ, θ Θ oraz niech α (0, ) będzie poziomem itotności (najczęściej 0,, 0,05, czy

Bardziej szczegółowo

1 Podstawowe oznaczenia

1 Podstawowe oznaczenia Poniżej mogą Państwo znaleźć skondensowane wiadomości z wykładu. Należy je traktować jako przegląd pojęć, które pojawiły się na wykładzie. Materiały te nie są w pełni tożsame z tym co pojawia się na wykładzie.

Bardziej szczegółowo

Logika i teoria mnogości Ćwiczenia

Logika i teoria mnogości Ćwiczenia Logika i teoria mnogości Ćwiczenia Spis treści 1 Zdania logiczne i tautologie 1 2 Algebra zbiorów 3 3 Różnica symetryczna 4 4 Iloczyn kartezjański. Kwantyfikatory. 5 5 Kwantyfikatory. 6 6 Relacje 7 7 Relacje

Bardziej szczegółowo

Jeśli X jest przestrzenią o nieskończonej liczbie elementów:

Jeśli X jest przestrzenią o nieskończonej liczbie elementów: Logika rozmyta 2 Zbiór rozmyty może być formalnie zapisany na dwa sposoby w zależności od tego z jakim typem przestrzeni elementów mamy do czynienia: Jeśli X jest przestrzenią o skończonej liczbie elementów

Bardziej szczegółowo

RÓWNANIA RÓŻNICZKOWE WYKŁAD 3

RÓWNANIA RÓŻNICZKOWE WYKŁAD 3 RÓWNANIA RÓŻNICZKOWE WYKŁAD 3 Równania różniczkowe liniowe Metoda przewidwań Metoda przewidwań całkowania równania niejednorodnego ' p( x) opiera się na następującm twierdzeniu. Twierdzenie f ( x) Suma

Bardziej szczegółowo

Algorytmy ewolucyjne (2)

Algorytmy ewolucyjne (2) Algorytmy ewolucyjne (2) zajecia.jakubw.pl/nai/ ALGORYTM GEETYCZY Cel: znaleźć makimum unkcji. Założenie: unkcja ta jet dodatnia. 1. Tworzymy oobników loowych. 2. Stoujemy operacje mutacji i krzyżowania

Bardziej szczegółowo

Krzywe Freya i Wielkie Twierdzenie Fermata

Krzywe Freya i Wielkie Twierdzenie Fermata Krzywe Freya i Wielkie Twierdzenie Fermata Michał Krzemiński 29 listopad 2006 Naukowe Koło Matematyki Politechnika Gdańska 1 1 Krzywe algebraiczne Definicja 1.1 Krzywą algebraiczną C nad ciałem K nazywamy

Bardziej szczegółowo

Inżynieria Wiedzy i Systemy Ekspertowe. Niepewność wiedzy. dr inż. Michał Bereta Politechnika Krakowska

Inżynieria Wiedzy i Systemy Ekspertowe. Niepewność wiedzy. dr inż. Michał Bereta Politechnika Krakowska Inżynieria Wiedzy i Systemy Ekspertowe Niepewność wiedzy dr inż. Michał Bereta Politechnika Krakowska http://torus.uck.pk.edu.pl/~beretam/ beretam@torus.uck.pk.edu.pl 1 Logika Rozmyta (Fuzzy Logic) Mimo

Bardziej szczegółowo

12. FUNKCJE WIELU ZMIENNYCH. z = x + y jest R 2, natomiast jej

12. FUNKCJE WIELU ZMIENNYCH. z = x + y jest R 2, natomiast jej 1. FUNKCJE WIELU ZMIENNYCH 1.1. FUNKCJE DWÓCH ZMIENNYCH Funkcją dwóch zmiennch określoną w zbiorze D R nazwam przporządkowanie każdej parze liczb () D dokładnie jednej liczb rzeczwistej z. Piszem prz tm

Bardziej szczegółowo

σ-ciało zdarzeń Niech Ω będzie niepustym zbiorem zdarzeń elementarnych, a zbiór F rodziną podzbiorów zbioru Ω spełniającą warunki: jeśli A F, to A F;

σ-ciało zdarzeń Niech Ω będzie niepustym zbiorem zdarzeń elementarnych, a zbiór F rodziną podzbiorów zbioru Ω spełniającą warunki: jeśli A F, to A F; Zdarzenie losowe i zdarzenie elementarne Zdarzenie (zdarzenie losowe) - wyni pewnej obserwacji lub doświadczenia; może być ilościowy lub jaościowy. Zdarzenie elementarne - najprostszy wyni doświadczenia

Bardziej szczegółowo

4 Klasyczny rachunek zdań

4 Klasyczny rachunek zdań 4 Klasyczny rachunek zdań Elementy Logiki i Teorii Mnogości 2015/2016 Spis najważniejszych tautologii: (a) p p prawo wyłączonego środka (b) ( p) p prawo podwójnej negacji (c) p q q p (d) p q q p prawo

Bardziej szczegółowo

SID Wykład 7 Zbiory rozmyte

SID Wykład 7 Zbiory rozmyte SID Wykład 7 Zbiory rozmyte Wydział Matematyki, Informatyki i Mechaniki UW slezak@mimuw.edu.pl Wstęp Language Ontological Commitment Epistemological Commitment (What exists in the world) (What an agent

Bardziej szczegółowo

Politechnika Poznańska, Katedra Sterowania i Inżynierii Systemów Wykład 12, str. 1 C 1 C 2 C 3 1. * x 2. x 2. or max then (min)

Politechnika Poznańska, Katedra Sterowania i Inżynierii Systemów Wykład 12, str. 1 C 1 C 2 C 3 1. * x 2. x 2. or max then (min) Politechnika Poznańska, Katedra Sterowania i Inżnierii Sstemów Wkład, str. Implikacja rozmta A B A, B µ A (x, µ B ( x A, B µ A B (x, µ A B (x, = min(µ A (x, µ B ( lub µ A B (x, = µ A (x µ B ( 38. Wnioskowanie

Bardziej szczegółowo

Logika binarna. Prawo łączności mówimy, że operator binarny * na zbiorze S jest łączny gdy (x * y) * z = x * (y * z) dla każdego x, y, z S.

Logika binarna. Prawo łączności mówimy, że operator binarny * na zbiorze S jest łączny gdy (x * y) * z = x * (y * z) dla każdego x, y, z S. Logika binarna Logika binarna zajmuje się zmiennymi mogącymi przyjmować dwie wartości dyskretne oraz operacjami mającymi znaczenie logiczne. Dwie wartości jakie mogą te zmienne przyjmować noszą przy tym

Bardziej szczegółowo

Bloki funkcjonalne. stanowią wyposażenie bibliotek komputerowych systemów projektowania. Każdy układ cyfrowy składamy z bloków funkcjonalnych ZPT

Bloki funkcjonalne. stanowią wyposażenie bibliotek komputerowych systemów projektowania. Każdy układ cyfrowy składamy z bloków funkcjonalnych ZPT Bloki funkcjonalne stanowią wposażenie bibliotek komputerowch sstemów projektowania Licznik Mux Rejestr Każd układ cfrow składam z bloków funkcjonalnch Edtor graficzn IN CLK CK IN LB[7..] STOP] OUT CLOK

Bardziej szczegółowo

Teoria zbiorów w rozmytych

Teoria zbiorów w rozmytych 8 Teori ziorów w rozmtch Teori ziorów w rozmtch ng. fuzz set tpu 8 Oprcown przez L.. Zdeh w 965 Powstł w celu reprezentcji niepreczj ci jęz j nturlnego ng. vgueness i jego pojęć Nie m związu zu z Ŝdnmi

Bardziej szczegółowo

Niezwykła hiperbola, twierdzenia o wartości średniej i równania funkcyjne

Niezwykła hiperbola, twierdzenia o wartości średniej i równania funkcyjne Niezwkła hiperbola, twierdzenia o wartości średniej i równania funkcjne Tomasz TKOCZ, Warszawa Streszczenie Celem artkułu jest zaprezentowanie jak twierdzenia o wartości średniej mogą prowadzić do równań

Bardziej szczegółowo

Projekt Era inżyniera pewna lokata na przyszłość jest współfinansowany przez Unię Europejską w ramach Europejskiego Funduszu Społecznego

Projekt Era inżyniera pewna lokata na przyszłość jest współfinansowany przez Unię Europejską w ramach Europejskiego Funduszu Społecznego Materiał ddaktczne na zajęcia wrównawcze z matematki dla studentów pierwszego roku kierunku zamawianego Inżnieria Środowiska w ramach projektu Era inżniera pewna lokata na przszłość Projekt Era inżniera

Bardziej szczegółowo

= oraz = ; Przykładowe zadania EGZAMINACYJNE z przedmiotu PODSTAWY AUTOMATYKI. Transmitancja operatorowa

= oraz = ; Przykładowe zadania EGZAMINACYJNE z przedmiotu PODSTAWY AUTOMATYKI. Transmitancja operatorowa Przkładowe zadania EGZAMINACYJNE z przedmiotu PODSTAWY AUTOMATYKI Tranmitancja operatorowa. Dla przedtawionego układu a) Podać równanie różniczkujące opiujące układ Y ( b) Wznacz tranmitancję operatorową

Bardziej szczegółowo

Metody wnioskowania. Wnioskowanie w przód (ang. forward chaining) Wnioskowanie w tył (ang. Backward chaining) Od przesłanki do konkluzji Np..

Metody wnioskowania. Wnioskowanie w przód (ang. forward chaining) Wnioskowanie w tył (ang. Backward chaining) Od przesłanki do konkluzji Np.. Systemy regułowe Metody wnioskowania Wnioskowanie w przód (ang. forward chaining) Od przesłanki do konkluzji Np.. CLIPS Wnioskowanie w tył (ang. Backward chaining) Czyli od konkluzji do przesłanki Np..

Bardziej szczegółowo

Transformacja Hilberta (1905)

Transformacja Hilberta (1905) Tranormacja Hilbera 95 Zjęcie hp://en.wikipeia.org/wiki/davi_hilber Tranormacja Hilbera je liniowm przekzałceniem całkowm w ej amej ziezinie, zn. zarówno la gnału jak i jego ranorma, argumen je najczęściej

Bardziej szczegółowo

i = n = n 1 + n 2 1 i 2 n 1. n(n + 1)(2n + 1) n (n + 1) =

i = n = n 1 + n 2 1 i 2 n 1. n(n + 1)(2n + 1) n (n + 1) = Druga zasada inducji matematycznej Niech m będzie liczbą całowitą, niech p(n) będzie ciągiem zdań zdefiniowanych na zbiorze {n Z: n m} oraz niech l będzie nieujemną liczbą całowitą. Jeśli (P) wszystie

Bardziej szczegółowo

Automatyzacja Ćwicz. 2 Teoria mnogości i algebra logiki Akademia Morska w Szczecinie - Wydział Inżynieryjno-Ekonomiczny Transportu

Automatyzacja Ćwicz. 2 Teoria mnogości i algebra logiki Akademia Morska w Szczecinie - Wydział Inżynieryjno-Ekonomiczny Transportu Automatyzacja Ćwicz. 2 Teoria mnogości i algebra logiki Historia teorii mnogości Teoria mnogości to inaczej nauka o zbiorach i ich własnościach; Zapoczątkowana przez greckich matematyków i filozofów w

Bardziej szczegółowo

1 Macierz odwrotna metoda operacji elementarnych

1 Macierz odwrotna metoda operacji elementarnych W tej części skupimy się na macierzach kwadratowych. Zakładać będziemy, że A M(n, n) dla pewnego n N. Definicja 1. Niech A M(n, n). Wtedy macierzą odwrotną macierzy A (ozn. A 1 ) nazywamy taką macierz

Bardziej szczegółowo

Logika Stosowana. Wykład 2 - Logika modalna Część 2. Marcin Szczuka. Instytut Informatyki UW. Wykład monograficzny, semestr letni 2016/2017

Logika Stosowana. Wykład 2 - Logika modalna Część 2. Marcin Szczuka. Instytut Informatyki UW. Wykład monograficzny, semestr letni 2016/2017 Logika Stosowana Wykład 2 - Logika modalna Część 2 Marcin Szczuka Instytut Informatyki UW Wykład monograficzny, semestr letni 2016/2017 Marcin Szczuka (MIMUW) Logika Stosowana 2017 1 / 27 Plan wykładu

Bardziej szczegółowo

Podstawy logiki i teorii zbiorów Ćwiczenia

Podstawy logiki i teorii zbiorów Ćwiczenia Podstawy logiki i teorii zbiorów Ćwiczenia Spis treści 1 Zdania logiczne i tautologie 1 2 Zdania logiczne i tautologie c.d. 2 3 Algebra zbiorów 3 4 Różnica symetryczna 4 5 Kwantyfikatory. 5 6 Relacje 7

Bardziej szczegółowo

Arytmetyka liczb binarnych

Arytmetyka liczb binarnych Wartość dwójkowej liczby stałoprzecinkowej Wartość dziesiętna stałoprzecinkowej liczby binarnej Arytmetyka liczb binarnych b n-1...b 1 b 0,b -1 b -2...b -m = b n-1 2 n-1 +... + b 1 2 1 + b 0 2 0 + b -1

Bardziej szczegółowo

3.2. Podstawowe własności funkcji. Funkcje cyklometryczne, hiperboliczne. Definicję funkcji f o dziedzinie X i przeciwdziedzinie Y mamy w 3A5.

3.2. Podstawowe własności funkcji. Funkcje cyklometryczne, hiperboliczne. Definicję funkcji f o dziedzinie X i przeciwdziedzinie Y mamy w 3A5. WYKŁAD 7 3 Podstawowe własności unkcji Funkcje cklometrczne, hiperboliczne Deinicję unkcji o dziedzinie X i przeciwdziedzinie Y mam w 3A5 3A37 (Uwaga: dziedzina naturalna) Często się zdarza, że unkcja

Bardziej szczegółowo

Rachunek zdań. Materiały pomocnicze do wykładu. wykładowca: dr Magdalena Kacprzak

Rachunek zdań. Materiały pomocnicze do wykładu. wykładowca: dr Magdalena Kacprzak Rachunek zdań Materiały pomocnicze do wykładu wykładowca: dr Magdalena Kacprzak RACHUNEK ZDAŃ Zdania Definicja Zdanie jest to stwierdzenie w języku naturalnym, któremu można przypisać wartość prawdy lub

Bardziej szczegółowo

Zadania do rozdziału 10.

Zadania do rozdziału 10. Zadania do rozdziału 0. Zad.0.. Jaką wsokość musi mieć pionowe zwierciadło ab osoba o wzroście.80 m mogła się w nim zobaczć cała. Załóżm, że ocz znajdują się 0 cm poniżej czubka głow. Ab prawidłowo rozwiązać

Bardziej szczegółowo

Bazy danych. Plan wykładu. Zależności funkcyjne. Wykład 2: Relacyjny model danych - zależności funkcyjne. Podstawy SQL.

Bazy danych. Plan wykładu. Zależności funkcyjne. Wykład 2: Relacyjny model danych - zależności funkcyjne. Podstawy SQL. Plan wykładu Bazy danych Wykład 2: Relacyjny model danych - zależności funkcyjne. Podstawy SQL. Deficja zależności funkcyjnych Klucze relacji Reguły dotyczące zależności funkcyjnych Domknięcie zbioru atrybutów

Bardziej szczegółowo

Logika formalna wprowadzenie. Ponieważ punkty 10.i 12. nie były omawiane na zajęciach, dlatego można je przeczytać fakultatywnie.

Logika formalna wprowadzenie. Ponieważ punkty 10.i 12. nie były omawiane na zajęciach, dlatego można je przeczytać fakultatywnie. Logika formalna wprowadzenie Ponieważ punkty 10.i 12. nie były omawiane na zajęciach, dlatego można je przeczytać fakultatywnie. 1. Zdanie logicznie prawdziwe (Prawda logiczna) Zdanie, którego analityczność

Bardziej szczegółowo

SZEREGOWY SYSTEM HYDRAULICZNY

SZEREGOWY SYSTEM HYDRAULICZNY LABORATORIUM MECHANIKI PŁYNÓW Ćwiczenie N 1 SZEREGOWY SYSTEM HYDRAULICZNY 1. Cel ćwiczenia Sporządzenie wykreu Ancony na podtawie obliczeń i porównanie zmierzonych wyokości ciśnień piezometrycznych z obliczonymi..

Bardziej szczegółowo

5. Relacja prawostronnie jednoznaczna (jednoznaczna, inaczej: jest funkcją), jeżeli

5. Relacja prawostronnie jednoznaczna (jednoznaczna, inaczej: jest funkcją), jeżeli ELJE EF. elacją w produkcie podzbiór n. n (relacją n-argumentową) zwam dowoln EF. elację zbioru. EF. elację zwam relacją międz elementami zbioru a elementami 2 zwam relacją w () zbiorze. EF. la dowolnej

Bardziej szczegółowo

OWO-MODELOWE SKORUPOWE SYSTEMY EKSPERTOWE

OWO-MODELOWE SKORUPOWE SYSTEMY EKSPERTOWE REGUŁOWO OWO-MODELOWE SKORUPOWE SYSTEMY EKSPERTOWE Część 3: Systemy elementarne i rozwinięte z ocenami Antoni Niederliński Uniwersytet Ekonomiczny w Katowicach antoni.niederlinski@ue.katowice. pl Koniec

Bardziej szczegółowo

KONKURS PRZEDMIOTOWY Z FIZYKI dla uczniów gimnazjów. Schemat punktowania zadań

KONKURS PRZEDMIOTOWY Z FIZYKI dla uczniów gimnazjów. Schemat punktowania zadań 1 KONKURS PRZEDMIOTOWY Z FIZYKI dla uczniów gimnazjów 10 marca 2017 r. zawody III topnia (finałowe) Schemat punktowania zadań Makymalna liczba punktów 60. 90% 5pkt. Uwaga! 1. Za poprawne rozwiązanie zadania

Bardziej szczegółowo

W naukach technicznych większość rozpatrywanych wielkości możemy zapisać w jednej z trzech postaci: skalara, wektora oraz tensora.

W naukach technicznych większość rozpatrywanych wielkości możemy zapisać w jednej z trzech postaci: skalara, wektora oraz tensora. 1. Podstawy matematyki 1.1. Geometria analityczna W naukach technicznych większość rozpatrywanych wielkości możemy zapisać w jednej z trzech postaci: skalara, wektora oraz tensora. Skalarem w fizyce nazywamy

Bardziej szczegółowo

Podstawy logiki i teorii zbiorów Ćwiczenia

Podstawy logiki i teorii zbiorów Ćwiczenia Podstawy logiki i teorii zbiorów Ćwiczenia Spis treści 1 Zdania logiczne i tautologie 1 2 Zdania logiczne i tautologie c.d. 2 3 Algebra zbiorów 3 4 Różnica symetryczna 4 5 Iloczyn kartezjański 5 6 Kwantyfikatory.

Bardziej szczegółowo

Jest to zasadniczo powtórka ze szkoły średniej, być może z niektórymi rzeczami nowymi.

Jest to zasadniczo powtórka ze szkoły średniej, być może z niektórymi rzeczami nowymi. Logika Jest to zasadniczo powtórka ze szkoły średniej, być może z niektórymi rzeczami nowymi. Często słowu "logika" nadaje się szersze znaczenie niż temu o czym będzie poniżej: np. mówi się "logiczne myślenie"

Bardziej szczegółowo

f x f y f, jest 4, mianowicie f = f xx f xy f yx

f x f y f, jest 4, mianowicie f = f xx f xy f yx Zestaw 14 Pochodne wŝszch rzędów Niech będzie dana funkcja x f określona w pewnm obszarze D Przpuśćm Ŝe f x istnieją pochodne cząstkowe tej funkcji x x Pochodne cząstkowe tch pochodnch jeŝeli istnieją

Bardziej szczegółowo

Sztuczna inteligencja : Zbiory rozmyte cz. 2

Sztuczna inteligencja : Zbiory rozmyte cz. 2 Sztuczna inteligencja : Zbiory rozmyte cz. 2 Przemysław Juszczuk Instytut Informatyki Uniwersytetu Śląskiego 1 marca 2012 Funkcja trójkątna: Funkcja trójkątna: Funkcja przynależności γ (gamma): Rysunek:

Bardziej szczegółowo

Modele rozmyte 1. Model Mamdaniego

Modele rozmyte 1. Model Mamdaniego Modele rozmte Cel torzena noch model: dążene do uzskana coraz ększej dokładnośc, maroośc lub uproszczena struktur. Model Mamdanego Np.: -^ + R: JEŻELI jest to jest B R: JEŻELI jest to jest B R: JEŻELI

Bardziej szczegółowo

1 Funktory i kwantyfikatory

1 Funktory i kwantyfikatory Logika, relacje v07 egzamin mgr inf niestacj 1 1 Funktory i kwantyfikatory x X x X Φ(x) dla każdego x X (= dla wszystkich x) zachodzi formuła Φ(x) Φ(x) istnieje x X takie, że (= dla pewnego x) zachodzi

Bardziej szczegółowo

Schematy Piramid Logicznych

Schematy Piramid Logicznych Schematy Piramid Logicznych geometryczna interpretacja niektórych formuł Paweł Jasionowski Politechnika Śląska w Gliwicach Wydział Matematyczno-Fizyczny Streszczenie Referat zajmuje się następującym zagadnieniem:

Bardziej szczegółowo

Podstawowe struktury algebraiczne

Podstawowe struktury algebraiczne Rozdział 1 Podstawowe struktury algebraiczne 1.1. Działania wewnętrzne Niech X będzie zbiorem niepustym. Dowolną funkcję h : X X X nazywamy działaniem wewnętrznym w zbiorze X. Działanie wewnętrzne, jak

Bardziej szczegółowo

REGUŁOWO-MODELOWE SKORUPOWE SYSTEMY EKSPERTOWE

REGUŁOWO-MODELOWE SKORUPOWE SYSTEMY EKSPERTOWE REGUŁOWO-MODELOWE SKORUPOWE SYSTEMY EKSPERTOWE Część 3: Systemy elementarne i rozwinięte z ocenami Antoni Niederliński Uniwersytet Ekonomiczny w Katowicach antoni.niederlinski@ue.katowice. pl Koniec pewnego

Bardziej szczegółowo

Logika rozmyta typu 2

Logika rozmyta typu 2 Logika rozmyta typu 2 Zbiory rozmyte Funkcja przynależności Interwałowe zbiory rozmyte Funkcje przynależności przedziałów Zastosowanie.9.5 Francuz Polak Niemiec Arytmetyka przedziałów Operacje zbiorowe

Bardziej szczegółowo

Indukcja matematyczna

Indukcja matematyczna Indukcja matematyczna 1 Zasada indukcji Rozpatrzmy najpierw następujący przykład. Przykład 1 Oblicz sumę 1 + + 5 +... + (n 1). Dyskusja. Widzimy że dla n = 1 ostatnim składnikiem powyższej sumy jest n

Bardziej szczegółowo