Rachunek perceptów. Agnieszka Nowak 6maja System perceptowy- faktograficzny
|
|
- Patryk Olszewski
- 8 lat temu
- Przeglądów:
Transkrypt
1 Rachunek perceptów Agnieszka Nowak 6maja System perceptowy- faktograficzny Systemy takie zawierają zarówno opisy faktów jak i reguły decyzyjne. Cechy systemu faktograficznego: użytkownik musi komunikować się z systemem w sposób dla niego naturalny we wszystkich trybach użytkowania użytkownik ma prawo żądać objaśnień działania systemu, a nie tylko odpowiedzi na pytania system musi posiadać mechanizmy pozwalające w łatwy sposób rozszerzać i polepszać bazę faktów. Ten proces jest prowadzony interakcyjnie przy udziale specjalistów z danej dziedziny system powinien dostarczać zgromadzone i skodyfikowane fakty niezbędne specjalistą z danej dziedziny Ważne jest stworzenie spójnej metody reprezentacji danych(faktów) i wiedzy. Aby on był spójny: fakty i wiedza są zapisywane za pomocą interpretów logicznych. Interpret logiczny- ciąg zdań wyrażonych tekstem lub mową stanowiących lingwistyczną interpretację faktów i celów. Są określone na trzech poziomach: leksykalnym syntaktycznym semantycznym Poziomy: leksykalny oraz syntaktyczny stanowią opis tworzenia interpretów. Poziom semantyczny- mówi o wiedzy zawartej w interpreterze. Wiedza prezentowana prze interpretor może być wiedzą z 4 różnych poziomów: 1. deklaratywnego-określa własności bytów semantycznych(deklaracje). 2. proceduralnego-zawiera stwierdzenia(reguły) określające sposoby przetwarzania deklaracji celów 1
2 3. celów-określa zbiór pytań na które szukamy odpowiedzi 4. sterujący-wyraża stwierdzenia określające sposób użycia reguł do przetwarzania deklaracji celów(zbiór takich stwierdzeń to sterowanie) Pewnym typem interpretów logicznych są percepty. Proces poznawania to percepcja. Perceptem nazywać będziemy odzwierciedlenie przez człowieka, zjawisk, przedmiotów i procesów. Percepcja powstaje w wyniku działania bodźców. ENT={e 1,..., e n } Zbiór bodźców i bytów(ent) wytwarzających bodźce- zbiór istnień. Reakcje na bodźce wywoływane przez proces percepcji nazywamy perceptami. percepcja: PER={pe 1,..., pe n } per ENT PER (e, (pe, val))inper należy do szczegółowego zbioru percepcji, gdzie per-percept definiowany przez parametr i wartość. Zbiór parametrów perceptu: PAR={pa 1,.., pa n } VAL={v 1,..., v n } Tworząc percept parametr traktujemy jako ciąg z pierwszym elementem, wartość nazywamy kontekstem, a pozostałe elementy są atrybutami. Formalnie percept zapisujemy jako: (at n : at n 1 :... : at 1 : val 1, val n ) Poszczególne elementy perceptu wyjaśniają poniższe zapisy: { }} {{}}{ (at n : at n 1 :... : at 1 : val 1, val n ) paramtetr bezkontekstowy kontekst }{{}} {{ } wartość parametr perceptu Parametr bez wartości to parametr bezkontekstowy. (at n }{{} atrybut perceptu : at n 1 :... : at 1 : val 1, val n ) } {{ } konkret Wartość parametru określa charakter konkretu a wartość perceptu określa charakter perceptu a szczegółowo charakter atrybutu perceptu. Ostatni element 2
3 perceptu występujący w jego parametrze nazywamy atrybutem perceptu. Natomiast parametr bez uwzględniania atrybutu perceptu nazywamy kontekstem. Przykładowy zapis perceptu: (DZIAL : HUTA : BUCZKA, PRODUKCJI) (POZIOM : HALASU : WALCARKA : W1, DUZY) 2 Definicja systemu perceptowego gdzie: S=< U, FS, GS> U-uniwersum,określa wszystkie byty istnienia FS- skończony zbiór zdań, wyrażających fakty w konkretach parametrów systemu(fakty i reguły) GS- skończony zbiór zdań(u-zdań) wyrażających cele lub pytania dotyczące konkretow parametrów systemu Przykład: (SKRZYDLA : SAMOLOT : X, MA)-toformuła GS- czy wszystko co ma skrzydła może latać? przykład: (SKRZYDLA : OBIEKT : X, MA) (LATA : OBIEKT : X, TAK) 3 Język perceptów 3.1 Alfabet Al f abet- definiuje wszystkie symbole JP=< A, G> 1. NF-zbiór0i1argumentowychfunktorównazwotwórczych NF=NF0vNF1 2. VAR-zbiórzmiennych 3.,,,, -spójnikizewnętrzne 4.,+,,, -spójniki wewnętrzne 5. (,:,),,-symbolepomocnicze 3
4 3.2 Gramatyka Gramatyka = Syntaktyka i semantyka Syntaktyka Słowa określone są poprzez zbiór termów TR 1.jeżeli X VAR,to x TR 2.stałeΠ, TR 3.jeżeli v NF,to v TR 4.jeżeli t 1,t 2 TRto: t 1 TR t 1 + t 2 TR t 1 t 2 TR t 1 t 2 TR t 1 t 2 TR D- zbiór deskryptorów systemu = zbiór D spełniający następujące warunki: jeżeli x VAR, v NF, a NFto (a : x), (a : v) D jeżeli d D, a NF (a : d) D Zbiór formuł języka F: 1. (a : d) D, t TRto (a : d, t) Fformułaelementarna 2. A Fto A F 3. A, B Fto A B F,A B F, (A B) F, (A B) F 4. A F, x VARto xa Fi xa F Semantyka Semantyka języka określa znaczenie słów. Jest definiowana poprzez określeniepary<u, m>uniwersumi f.oznaczajca,gdzie Utozbióruniwersumzaś f.oznaczajca każdemu elementowi ze zbioru nazw NF przyporządkowuje pewien podzbiór, ze zbioru uniwersum U. U=< PAR, VAL> m : NF VALvAT m( ) = zbiór elementów nieokreślonych m(π) = T zbiór elementów nadokreślonych 4
5 m(a) AT m(v) VAL m jest ściśle zależne od U(funkcja oznaczająca uniwersum U) m(a n :.. : a 1 : v 1, v n )=(m(a n ) :.. : m(a 1 ) : m(v 1 ), m(v n )) W- z definicji jest to funkcja odwzorowująca zbiór zmiennych w zbiór wartości W : VAR VAL Jeżeli x VAR, a NF,to W(x) VALm(a) W- wartościowanie języka perceptu. W ramach semantyki określa się realizację języka perceptów Uporządkowana trójka R = (U, m, PE): gdzie: U-uniwersum, mtof.oznaczającaw U, PEtozb.Perceptów Jeżeli formuła a zawiera zmienne, to realizacja języka określi spełnienie formuły a przez wartościowanie w. Dla wyprowadzenie prawdziwości dowodu w języku perceptu wykorzystuje się aksjomaty logiczne, ponadto wykorzystuje się definicje spójników wewnętrznych (d, tn)=(d, tn) (d, t1+t2)=(d, t1) (d, t2) (d, t1 t2)=(d, t1) (d, t2)t1, t2, tn TR (d, t t2)=(d, t1) (d, t2) (d, t1 t2)=(d, t1) (d, t2) R1 : (A, A B)/Bregułaodrywania R2 : (A(x))/ xa(x) reguła uogólniania D1 : (OBIEKT : SAMOLOT : SAMOLOT, X1) D2 : (OBIEKT : PTAK : PTAK, X2) D3 : (ZACHOWANIE : OBIEKT : X1, LATA) D4 : (ZACHOWANIE : OBIEKT : X2, LATA) D5 : (SKRZYDLA : SAMOLOT : X1, MA) D6 : (SKRZYDLA : PTAK : X2, MA) (SKRZYDLA : OBIEKT : X, MA) (ZACHOWANIE : OBIEKT : X, LATA) dla wszystkich obiektów z uniwersum reguła jest spełniona 5
6 D7 : (SKRZYDLA : KIWI : X3, MA) D8 : (ZACHOWANIE : KIWI : X3, NIELATA) CISNIENIE:PARA:KOCIOL:K1 Powyżzszy parametr czytamy: ciśnienie pary w kotle K1. Jeśli pa jest parametrem perceptu pe, to ostatni element parametru pa nazywamy atrybutem perceptu pe, natomiast parametr pa bez ostatniego elementu konkretem perceptu pe, przy czym konkret jest również parametrem( wskazującym coś konkretnego ). Zbiór konkretów parametrów PAR oznaczamy przez CON a jego elementy przez c, c1, c2,... Wprowadzoną powyżej terminologię perceptu ilustruje poniższy schemat: Zwróćmy uwagę, że w języku potocznym zwykle parametrem nazywamy ciąg atrybutów nie przywiązując uwagi do jego kontekstu. Np. mówiąc: ciśnienie pary jestparametremkotła(wnaszejnotacjicisnienie:para:kociol)mamy na uwadze jakiś ustalony kocioł lub dowolny kocioł. Parametry z opuszczonym kontekstem( np. CISNIENIE: PARA: KOCIOL) nazywamy parametrami bezkontekstowymi i zbiór tych parametrów oznaczamy przez CFPAR, a jego elementyprzezpar,par1,par2,...jeśli: (at n : at n..1 :... : at 1 : val 1, val n ) jest perceptem to: val 1 jestwartościąatrybutu at 1 val n jestwartościąatrybutu at n Zpowyższegowynika,żeatrybut at 1 wyznaczatypkontekstuaatrybut at n typ wartości parametru. Z określenia perceptu wynika, że jeśli najprostszy konkret ma postać: at 1 : val 1 ( z jednym tylko atrybutem), to najprostszy parametr perceptu ma postać: at 2 : at 1 : val 1 tzn. zawiera co najmniej dwa atrybuty. Fakty dotyczące kotła K1, który jest koloru czerwonego, w kształcie walca, o objętości 2m3 i zawiera parę o ciśnieniu i temperaturze, odpowied- nio, 2kPa i 130, możzna wyrazić przez następujące percepty: (KOLOR : KOCIOL : K1, CZERWONY) (KSZTALT : KOCIOL : K1, WALEC) (OBJETOSC : KOCIOL : K1, 2m3) (TEMPERATURA : PARA : KOCIOL : K1, 130) (CISNIENIE : PARA : KOCIOL : K1, 2kPa) (OBJETOSC : PARA : KOCIOL : K1, 2m3) Pierwsze trzy percepty dotyczą konkretu KOCIOL : K1, natomiast pozostałe trzy:konkretu PARA : KOCIOL : K1. Zbiór perceptów relacji per( jej przeciwdziedzinę) oznaczamy przez PE: PE = (ENT)per Niech c będzie konkretem. Przez PE = c oznaczamy podzbiór perceptów zbioru PE spełniający poniższe dwa warunki: 1.jeśli (par : c, val) PE,to (par : c, val) PE/c 6
7 2.jeśli (at n : pa, val n ) PE/ci(par : at n : val n, val k ) PE,to (par : at n : val n, val k ) PE/c. Zbiór PE/c nazywamy znaczeniem konkretu c. Rozpatrzmy fakty wyrażone następującymi zdaniami języka naturalnego: (D1) Pies AS szczeka. (D2) Zwierzę Mruczek miauczy. (R1) Jeśli pies merda ogonem, to jest przyjazny. (R2)Jeślipiesszczekanakota,tokotobawiasiępsa. (R3) Pies jest zwierzęciem.( Jeżeli pies to zwierzę.) (R4) Jeśli zwierzę miauczy, to jest kotem. icelwyrażonynastępująco:(g1)czyistniejąkotipiestakie,żekotobawiasie psa? Podzbiór parametrów bezkontekstowych, podzbiór atrybutów, podzbiory wartości atrybutów i podzbiory zmiennych dla powyższych zdań mogą być określone w sposób następujący: {PIES : PIES, KOT : KOT, ZWIERZE : ZWIERZE, ZACHOWANIE : ZWIERZE, USPOSOBIENIE : PIES, PIES : KOGO CZEGO : OBAWIANIE SIE : KTO CO : KOT, PIES : ZWIERZE} CFPAR {PIES, KOT, ZWIERZE, ZACHOWANIE, USPOSOBIENIE} AT {AS} VAL PIES, {x 1, x 2, x 4, x 8 } VAR PIES {MRUCZEK} VAL KOT {x 3, x 5, x 7 } VAR KOT, VAL ZWIERZE = VAL PIES VAL KOT, {x 4, x 5 } VAR ZWIERZE, {MERDA OGONEM, SZCZEKA, MIAUCZY} VAL ZACHOWANIE {PRZYJAZNY} VAL USPOSOBIENIE Zbiór parametrów bezkontekstowych CFPAR i zbiory wartości atrybutów AT wyznaczają uniwersum U systemu perceptowego S. Wśród U-faktów wyróżniamy zdania w postaci implikacyjnej (R1 R4), które nazywamy U-regułami i oznaczamy przez RS oraz U-fakty stwierdzające własności konkretów (D1iD2) nazywane U-deklaracjami i oznaczane przez DS. Oczywiście:FS = DS RS 4 Rachunek perceptowy Następnym etapem formalizacji rachunku perceptowego jest wybór aksjomatów logicznych LA i reguł dowodzenia, które łącznie stanowią jego aparat logiczny. Aksjomaty logiczne wybieramy spośród tych formuł, które są tautologiami. Za aksjomaty logiczne przyjmujemy wszystkie formuły postaci: (LA1)A (B A) 7
8 (LA2)(A (B C)) ((A B) (A C)) (LA3) A (A B) (LA4)( A A) A (LA5) x(a B(x)) (A xb(x)) gdzie A, B, C FORPL,przyczymwaksjomacie LA5zakładasię,żewformule A nie występuje zmienna wolna x. Za reguły dowodzenia przy takim układzie aksjomatów logicznych przyjmujemy: regułę odrywania: oraz regułę uogólnienia: A, A B (DR1) B (DR2) xa(x). A(x) Ponadto przyjmujemy defnicje spójników,, i kwantyfikatora szczegółowego określając je przez implikację, negację i kwantyfikator ogólny, w sposób następujący: (LD1)A B= A B (LD2)A B= (A B) (LD3)A B=(A B) (B A) (LD4) xa= x A Ustaliwszy zbiór aksjomatów logicznych i reguł dowodzenia precyzujemy intuicyjne pojęcie dowodu. 5 Definicja dowodu formalnego Dowodem formalnym formuły A neleżącej do zbioru formuł A FS nazywać będziemy skończony ciąg formuł rachunku perceptowego, takichżekażdaformuławtymciągujestformułązezbiorufaktów (FS), bądź aksjomatem rachunku, bądź aksjomatem logicznym, bądź wynika z wcześniejszych formuł w ciągu, poprzez zastosowanie reguł dowodzenia przy czym ostatnią regułą w rozpatrywanym ciągu jest formuła A. Formuła Ajestwyprowadzalnazezbioruformuł FS(A FS),jeżeliistniejedla niej dowód formalny. Operacjawyprowadzania D(FS)={A FOR; (FS = A)}wyp Azezbioru FS Dla każdego zbioru formuł FS, definiujemy operacje wyprowadzania D(FS) jako zbiór wszystkich formuł, które można wyprowadzić ze zbioru FS. 8
9 6 Dedukcja regułowa w systemie perceptowym Niech S1 = (U1, FS1, GS1) będzie systemem perceptowym opisującym zachowaniepsa Asaikota Mruczka.Ciałowiedzytegosystemuwyrażasięprzez następujące U1-formuły: (D1)(ZACHOWANIE : PIES : AS, SZCZEKA) (D2)(ZACHOWANIE : ZWIERE : MRUCZEK, MIAUCZY) (R1)(ZACHOWANIE : PIES : x1, MERDA OGONEM) (USPOSOBIENIE : PIES : x1, PRZYJAZNY) (R2)(ZACHOWANIE : PIES : x2, SZCZEKA) (KOT : KOT : x3, x3) (PIES : KOGO CZEGO : OBAWIA SIE : KTO CO : KOT : x3, x2) (R3)(PIES : PIES : x4, x4) (ZWIERZE : ZWIERZE : x4, x4) (R4)(ZACHOWANIE : ZWIERZE : x5, MIAUCZY) (KOT : KOT : x5, x5) (G1)(PIES : KOGO CZEGO : OBAWIA SIE : KTO CO : KOT : K1, P1) gdzie K1iP1sąpewnymistałymi(tzw.stałymiSkolema),którychwartości trzeba ustalić. Wyprowadźmy U1-cel G1 z powyższego ciała wiedzy systemu S1. Wyprowadzamy najpierw U1-deklaracje: (KOT : KOT : MRUCZEK, MRUCZEK)poczymkorzystajączniej-U1-cel G1. 1. Stosując odpowiednie aksjomaty logiczne dla R2 dostajemy: (ZACHOWANIE : ZWIERZE : MRUCZEK, MIAUCZY) (KOT : KOT : MRUCZEK, MRUCZEK) 2. W schemacie reguły odrywania DR1 dla przesłanek D2 i U1-formuły otrzymanej w punkcie 1 otrzymujemy wniosek: (D3)(KOT : KOT : MRUCZEK, MRUCZEK) Jaki schemat postępowania wyznaczają dwa powyższe punkty wyrażające dowód U1-formuły D3? Istota sprawy redukuje się do poszukiwania takiego podstawienia s za zmienne wolne U1-formuły R4, by jej poprzednik stał się identyczny z jedną z U1-deklaracji. Wtedy to możemy właśnie oderwać następnik U1-reguły R4 i przyjąć go za U1-formułę wyprowadzalną w S1. Za- tem powyższe punkty redukują się do następującego schematu stosowania U1-reguł: A, B C s(c) jeśli istnieje takie podstawienie s, dla którego s(a) = s(b) gdzie: A DS1, (B C) RS1, s(c)włączamydo RS1.Podstawieniem sobejmujemyrównież U1-deklarację A, gdyż w ogólnym przypadku może ona zawierać zmienne wolne. Z powyższego schematu wynika, że kluczową kwestią jego stosowania staje się wyznaczanie podstawienia s spełniającego warunek: s(a)=s(b) Poszukiwanie takiego podstwienia jest ważnym procesem w systemach sztucznej inteligencji, który nazywany jest unifikacją. Jeśliistniejetakie s,dlaktórego s(a)=s(b)tomówimy,że AiB unifikują się, a podstawienie s nazywamy unifikatorem dla A i B. 9
10 Stosując obecnie powyższy schemat dla przesłanek U1-deklaracji D1 i D3, oraz U1-reguły R2, przy podstawieniu{x3/mruczek, x2/as} otrzymujemy U1-deklarację: (D4)(PIES : KOGO CZEGO : OBAWIANIE SIE : KTO CO : KOT : MRUCZEK, AS) zgodną z U1-celem G1, co kończy dowód. Zazwyczaj nie tylko interesuje nas dowód celu reprezentującego pytanie, lecz przede wszystkim odpowiedź na to pytanie tj. wskazanie takich wartości, dla których U1-formuła celu jest spełniona. Innymi słowy interesuje nas dowód konstruktywny, wskazujący na wartości parametrów, dla których cel jest prawdziwy. Aby otrzymać dowód konstruktywny należałoby porównać cele z deklaracjami i w wyniku zwrócić warunek spełniający kryterium ich zgodności. Kryterium to jednocześnie powinno wskazywać na dowóod celu. Jeśli zgodność U1-celu i U1-deklaracji sprawdzimy do ich unifikacji, to warunkiem ich zgodności może być unifikator. 7 Zadania egzaminacyjne z rachunku perceptowego 1. Następującą wiedzę- reguły i fakty(ewentualnie uzupełnioną regułami pomocniczymi) zapisać w postaci perceptów i predykatów: xjestmatkąyjeżelixjestkobietąiyjestdzieckiemx xjestojcemyjeżelixjestmężczyznąiyjestdzieckiemx xjestczłowiekiemjeżelixjestdzieckiemyiyjestczłowiekiem x jest człowiekiem jeżeli jego matka jest człowiekiem i jego ojciec jest człowiekiem Ewajestkobietą Rozwiązanie: (osoba : kogo : jest matka : kto : osoba : x, y)if (plec : osoba : x, kobieta) and (osoba : kogo : jest dzieckiem : kto : osoba : y, x) (osoba : kogo : jest ojcem : kto : osoba : x, y)if (plec : osoba : x, mezczyzna) and (osoba : kogo : jest dzieckiem : kto : osoba : y, x) (jest czlowiekiem : osoba : x, tak)if (osoba : kogo : jest dzieckiem : kto : osoba : y, x)and (jest czlowiekiem : osoba : y, tak) (jest czlowiekiem : osoba : x, tak)if (osoba : kogo : jest matka : kto : osoba : x, y)and (jest czlowiekiem : osoba : y, tak)and (osoba : kogo : jest ojcem : kto : osoba : x, z)and (jest czlowiekiem : osoba : z, tak) (plec : osoba : Ewa, kobieta) Można prościej... Rozwiązanie: 10
11 xjestmatkąyjeżelixjestkobietąiyjestdzieckiemx: (os2 : matka : os1 : x, y)if (plec : os1 : x, kobieta)and (os1 : dziecko : os2 : y, x) xjestojcemyjeżelixjestmężczyznąiyjestdzieckiemx: (os2 : ojciec : os1 : x, y)if (plec : os1 : x, mezczyzna)and (os1 : dziecko : os2 : y, x) xjestczłowiekiemjeżelixjestdzieckiemyiyjestczłowiekiem: (istota : os1 : x, czlowiek)if (os2 : dziecko : os1 : x, y)and (istota : os2 : y : czlowiek) x jest człowiekiem jeżeli jego matka jest człowiekiem i jego ojcicec jestczłowiekiem: (istota : os1 : x, czlowiek)if (os1 : matka : os2 : y, x) and (istota : os2 : y, czlowiek) Ewajestkobietą: (plec : os1 : Ewa, kobieta) i teraz dla pierwszego zbioru załóżmy że mamy: reguły: (osoba : kogo : jest matka : kto : osoba : x, y) if (plec : osoba : y, kobieta)and (osoba : kogo : jest dzieckiem : kto : osoba : y, x) (osoba : kogo : jest ojcem : kto : osoba : x, y) if (plec : osoba : y, mezczyzna)and (osoba : kogo : jest dzieckiem : kto : osoba : y, x) (jest czlowiekiem : osoba : x, tak)if (osoba : kogo : jest dzieckiem : kto : osoba : x, y)and (jest czowiekiem : osoba : y, tak) (jest czlowiekiem : osoba : x, tak)if (osoba : kogo : jest matka : kto : osoba : y, x) and ( jest czlowiekiem : osoba : y, tak) and (osoba : kogo : jest ojcem : kto : osoba : z, x)and (jest czlowiekiem : osoba : z, tak) fakty: (plec : osoba : Ewa, kobieta) (osoba : kogo : jest dzieckiem : kto : osoba : Ewa, Ola) (jest czlowiekiem : osoba : Ola, tak) (jest czlowiekiem : osoba : Tadek, tak) Przeprowadź wnioskowanie metodą wnioskowania w przód dla hipotezy: (jest czlowiekiem : osoba : Ewa, tak) (a)mamyregułęnr3: (jest czlowiekiem : osoba : x, tak)if (osoba : kogo : jest dzieckiem : kto : osoba : x, y)and (jest czowiekiem : osoba : y, tak) (b) Czyli udowodnimy, że Ewa jest człowiekiem, a więc wykażemy prawdziwośćtezy: (jest czlowiekiem : osoba : Ewa, tak)jeśliwykażemy,że: (osoba : kogo : jest dzieckiem : kto : Ewa : y)iże (jest czowiekiem : osoba : y, tak). (c)naszympodcelemstajesięwięchipoteza: (osoba : kogo : jest dzieckiem : kto : Ewa : y) 11
12 (d)łatwozauważyć,iżwbaziewiedzyniemaanifaktówświadczącycho tym, ani reguły, która mogłaby taki cel udowodnić. Próbujemy więc szukać innej reguły, której konkluzją byłby cel wnioskowania. (e)znajdujemyregułęczwartą:[(jest czlowiekiem : osoba : x, tak)if (osoba : kogo : jest matka : kto : osoba : y, x)and (jest czlowiekiem : osoba : y, tak)and (osoba : kogo : jest ojcem : kto : osoba : z, x)and (jest czlowiekiem : osoba : z, tak)]. Zgodnie z nią, udowodnimy, że Ewa jest człowiekiem, jeśli wykażemy prawdziwość następujących przesłanek: (osoba : kogo : jest matka : kto : osoba : x, Ewa)(osobaxjestmatką Ewy), (jest czlowiekiem : osoba : x, tak)(osobayjestczłowiekiem), (osoba : kogo : jest ojcem : kto : osoba : z, Ewa)(osobazjestojcem Ewy), (jest czlowiekiem : osoba : z, tak)(osobazjestczłowiekiem). (f) Pierwsza przesłanka nie jest faktem w bazie wiedzy, więc szukamy reguły,którejkonkluzjąbyłbyzapis: (osoba : kogo : jest matka : kto : osoba : x, Ewa). Znajdujemy regułę pierwszą, zgodnie z którą:[(osoba : kogo : jest matka : kto : osoba : x, y)if (plec : osoba : y, kobieta)and (osoba : kogo : jest dzieckiem : kto : osoba : y, x)]. (g)zatemwykażemy,żeosobaxjestmatkąewyjeśliwykażemy,żeewa jestkobietąiżejestdzieckiemosobyx. (h)pierwszywarunek: (plec : osoba : y, kobieta)[(plec : osoba : Ewa, kobieta)] tofaktwbaziewiedzy. (i) Drugi warunek: (osoba : kogo : jest dzieckiem : kto : osoba : y, x) [(osoba : kogo : jest dzieckiem : kto : osoba : Ewa, Ola)]równieżjest faktemwbaziewiedzy,cooznacza,że x=ola. (j) Zatem oba warunki reguły pierwszej są spełnione, wiec prawdziwy stajesiezapis:[(osoba : kogo : jest matka : kto : osoba : x, y)],akonkretnie:[(osoba : kogo : jest matka : kto : osoba : Ola, Ewa)]. (k)dalej,wracającdoregułynr4,musimywykazać,że: (jest czlowiekiem : osoba : x, tak),cojestjużfaktemwbaziewiedzy: (l) (jest czlowiekiem : osoba : Ola, tak). (m) Trzecią przesłanką reguły nr 4 jest zapis: (n) (osoba : kogo : jest ojcem : kto : osoba : z, Ewa)(osobazjestojcem Ewy),niejestonfaktemwbaziewiedzy,więcudowodnimygoza pomocą reguły nr 2.(nie będziemy tego rozwijać tutaj- analogia do warunku pierwszego reguły nr 1). (o) Ostatni warunek reguły nr 4: (p) (jest czlowiekiem : osoba : z, tak)(osobazjestczłowiekiem),również jestfaktemwbaziewiedzy,cooznacza,żekonkluzjatejreguły,a 12
13 więc nasza hipoteza główna:[( jest czlowiekiem : osoba : Ewa, tak) udało sięudowodnić.stajesięonnowymfaktemwbaziewiedzyaproces wnioskowania zostaje zakończony pomyślnie. 2. Dane są reguły(w takiej kolejności): Drogie uniwersalne komputery, zamknięte w dużej obudowie posiadają procesor PII. Szybkie komputery przeznaczone do gier są drogie. Komputery wyposażone w dużą pamięć operacyjną są uniwersalne. Jeżeli komputer nie ma nagrywarki CD, to jest dostosowany do gier. Komputery wyposażone w nagrywarki są drogie. oraz fakty: Mójkomputermadużąobudowę,jestszybkiiwyposażonywnagrywarki, a przy tym ma dużą pamięć opracyjną. Reguły i fakty zapisz za pomocą perceptów. Metodą wnioskowania w tył, sprawdzić czy mój komputer est wyposażony w procesor PII. Uwaga!- uaktywnić reguły wg kolejności ich umieszczanie w bazie wiedzy. Rozwiązanie: Reguły: (cena:komputer:x1,drogi) (cecha:komputer:x1,uniwersalny) (obudowa:komputer:x1,duża) (procesor:komputer:x1,pii). (prędkość:komputer:x1,szybki) (przeznaczenie:komputer:x1,gry) (cena:komputer:x1,drogi). (pamięć:komputer:x1,dużo) (cecha:komputer:x1,uniwersalny). (nagrywarka:komputer:x1,nie) (przeznaczenie:komputer:x1,gry) (nagrywarka:komputer:x1,tak) (cena:komputer:x1,drogi) Jeżeli komputer nie ma nagrywarki CD, to jest dostosowany do gier. Fakty: (obudowa:komputer:mój,duża) (prędkość:komputer:mój,szybki) (nagrywarka:komputer:mój,tak) (pamięć:komputer:mój,dużo) 3. Napisać przykładowy percept(posiadający minimum trzy atrybuty). Określić co to jest: wartość perceptu, a co to jest parametr bezkontekstowy. 4. System perceptowy składa się z...(wymienić, nazwać każdy element). 13
14 5. Zapisać w postaci reguł podane zdania: Jeżelimasię65lat,tomożnamiećemeryturę. Jeżeli jest się młodym, to jest długi okres płacenia składek. Jeżelisiępracujetomasiędochody. Jeżeli ma się dochody, to można oszczędzać. Jeżeli płacimy wysokie składki przez długi czas, to otrzymamy wysoką emeryturę. Jeżelimamywysokiedochodyiniemamynikogonautrzymaniu,to płacimy wysokie składki. Fakty: Magdajestmłoda,pracuje,mawysokiedochody,niemanikogona utrzymaniu. Udowodnić cel: Magda otrzyma wysoką emeryturę, stosując metodę wnioskowania wstecz. Rozwiązanie: Zdefiniujmy sobie zbiór atrybutów perceptów: Atr={ wiek, emerytura, składka, czas oplaty, dochody, oszczędzanie, utrzymanie} V wiek ={65,młody} V emerytura ={tak,wysoka} V skadka ={wysoka} V dochody ={tak,wysokie} V czas oplaty ={długi} V oszczedzanie ={tak} V utrzymanie ={nie} V praca ={tak,nie} Reguły: (emerytura:osoba:x1,tak) if(wiek:osoba:x1,65) (czas oplaty:osoba:x1, długi) if(wiek:osoba:x1,młody) (dochody: osoba:x1,tak) if(praca:osoba:x1,tak) (oszczędzanie:osoba:x1,tak) if(dochody:osoba:x1,tak) (emerytura:osoba:x1,wysoka) if(czas oplaty:osoba:x1, długi) and(składa:osoba:x1,wysoka) (składka:osoba:x1, wysoka) if(dochody:osoba:x1, wysokie) and(utrzymanie:osoba:x1,nie) 14
15 Fakty: (wiek:osoba:magda, młoda) (praca:osoba:magda,tak) (dochody:osoba:magda,wysokie) (utrzymanie:osoba:magda, nie) Cel wnioskowania:(emerytura:osoba:magda, wysoka) Proces wnioskowania wstecz dla podanego celu: (a) Nie ma takiego faktu w bazie faktów, więc szukamy reguły, której konkluzją byłby ów cel. Znajdujemy regułę piątą: (emerytura:osoba:x1,wysoka) if (czas oplaty:osoba:x1, długi) and(składa:osoba:x1,wysoka) (b) Uaktywniamy regułę piątą. W tym celu rekurencyjnie uruchamiamy algorytm wnioskowania wstecz dla każdej przesłanki tej reguły, a więc kolejno dla przesłanek: (czas oplaty:osoba:x1, długi) (składa:osoba:x1,wysoka) Z tym, że teraz sprawdzamy, czy prawdziwe są przesłanki: (czas oplaty:osoba:magda, długi) (składka:osoba:magda,wysoka) gdyż nastąpuje proces unifikacji zmiennej x1 z celem dotyczącym konkretnie Magdy. (c) Na liście faktów nie ma faktu:(czas oplaty:osoba:magda, długi), zatem znów aby go udowodnić, szukamy reguły, w której występowałby on jako konkluzja. (d) Znajdujemy regułę drugą: (czas oplaty:osoba:x1, długi) if(wiek:osoba:x1,młody). Aby ją udowodnić, musimy wykazać prawdziwość wszystkich jej przesłanek, a więc konkretnie jednej w tym przypadku:(wiek:osoba:x1,młody), a więc:(wiek:osoba:magda,młody). (e)jesttofaktnr1wnaszejbazie,awięcdopisujemydofaktów,nowy fakt, będący konkluzją tej uaktywnionej pomyślnie reguły nr 2, a więc fakt:(czas oplaty:osoba:magda, długi). (f) Wracamy do reguły nr 5, w której udowodniliśmy prawdziwość pierwszej przesłanki, teraz musimy wykazać prawdziwość drugiej:(składka:osoba:magda,wysoka). (g) Ów podcel nie jest faktem w bazie wiedzy, więc podobnie szukamy reguł, w których byłby on konkluzją. Znajdujemy regułę nr 6: (składka:osoba:x1, wysoka) if 15
16 (dochody:osoba:x1, wysokie) and(utrzymanie:osoba:x1,nie). Aby ją udowodnić musimy wykazać prawdziwość dwóch jej przesłanek: (dochody:osoba:x1, wysokie) (utrzymanie:osoba:x1,nie) (h) Okazuje się, iż w bazie wiedzy są odpowiednie fakty, potwierdzające te przesłanki. Odpowiednio, przesłance:(dochody:osoba:x1, wysokie), odpowiada fakt nr 3:(dochody:osoba:Magda,wysokie), zaś przesłance:(utrzymanie:osoba:x1,nie) odpowiada fakt nr 4:(utrzymanie:osoba:Magda,nie). (i) Wykazaliśmy prawdziwość wszystkich przesłanek reguły nr 6, a więc jej konkluzja staje się nowym faktem w bazie wiedzy: (składka:osoba:magda, wysoka) (j)wracamyzatemdoregułynr5,iterazobiejejprzesłankisąjuż faktami w bazie wiedzy, a więc konkluzja tej reguły: (emerytura:osoba:magda,wysoka) stałasięnowymfaktemwbaziewiedzyinatympomyślniekończy się proces wnioskowania. 6. Następującą wiedzę dotyczącą budowy prostych wyrażeń arytmetycznych zapisać w postaci reguł używając systemu perceptowego: W C C C C S S+S (C) S Podać zastosowanie tej wiedzy do sprawdzenia poprawności wyrażenia: (1) (2+ 3) Uwaga: Kolejność czytania znaków wyrażenia jest dowolna. Rozwiązanie: R1:(Symbol:wyrażenie:x1,S) if(znak:wyrażenie:x1, 0 ) R2:(Symbol:wyrażenie:x1,S) if(znak:wyrażenie:x1, 1 ) R3:(Symbol:wyrażenie:x1,S) if(znak:wyrażenie:x1, 2 ) R4:(Symbol:wyrażenie:x1,S) if(znak:wyrażenie:x1, 3 ) R5:(Symbol:wyrażenie:x1,S) if(znak:wyrażenie:x1, 4 ) R6:(Symbol:wyrażenie:x1,S) if(znak:wyrażenie:x1, 5 ) R7:(Symbol:wyrażenie:x1,S) if(znak:wyrażenie:x1, 6 ) R8:(Symbol:wyrażenie:x1,S) if(znak:wyrażenie:x1, 7 ) R9:(Symbol:wyrażenie:x1,S) if(znak:wyrażenie:x1, 8 ) R10:(Symbol:wyrażenie:x1,S) if(znak:wyrażenie:x1, 9 ) R11:(Symbol1:wyrażenie:x1,C) if(symbol1:wyrażenie:x1,s) R12:(Symbol1:wyrażenie:x1,C) if(symbol1:wyrażenie:x1,s) and(znak:wyrażenie:x1, + ) and(symbol2:wyrażenie:x1,s) 16
17 R13:(Symbol1:wyrażenie:x1,C) if(znak:wyrażenie:x1, ( ) and(symbol1:wyrażenie:x1,c) and(znak:wyrażenie:x1, ) ) R14:(Symbol1:wyrażenie:x1,W) if(symbol:wyrażenie:x1,c) R15:(Symbol1:wyrażenie:x1,W) if(symbol:wyrażenie:x1,c) and(znak:wyrażenie:x1, ) and(symbol:wyrażenie:x1,c) Sprawdzam wyrażenie: (2) (2 + 3) R3: 2 (S+3) R4: 2 (S+S) R12: 2 C R13: 2 C R3: S C R11: C C R15: W a więc wyrażenie jest poprawne. 8 Zadania do rozwiązania przez studentów 1. Mając dane atrybuty i ich wartości: AT ={egzamin, zaliczenia, czesne, kolejny semestr} V egzamin ={zdany, nie zdany} V zaliczenia ={tak, nie} V czesne ={opacone, nie opacone} V kolejny semestr ={tak, nie} Wiedzę podaną w języku naturalnym zapisz za pomocą perceptów: Tylko studenci ze zdanymi egzaminami i opłaconym czesnym lub zdobytymi zaliczeniami mają szansę przejść na kolejny semestr. Nie zdany egzamin i nie opłacone czesne uniemożliwiają przejście na kolejny semestr. Adam uzyskał wszystkie zaliczenia. Mirek zdał egzamin lecz nie opłacił czesnego. 2. Dany jest następujący zbiór reguł: Jeżeli pada śnieg, to można jeździć na nartach lub sankach. Jeżelijestmróz,tomożnajeździćnałyżwach. Jeżeliktoślubijeździćnanartach,mawolnyczasimożnajeździć,to jeździ na nartach. 17
18 Jeżeliktośniepracuje,tomaczaswolny. Jeżeli ktoś pracuje, to jest zajęty. Jeżeliniepadaśnieginiemamrozu,toniemacorobić. Jeżelijestzimaisąchmury,topadaśnieg.orazfakty: Andrzejniepracujeijestzima. Wiedzę i dane należy zapisać w rachunku perceptów oraz w rachunku predykatów a następnie udowodnić hipotezę: Andrzej jeździ na nartach. 3. Dana jest wiedza w postaci następującego tekstu: Do rozwiązania na egzaminie są 3 zadania. Jeżeli średnia ocen ztychzadańjestwiększalubrówna4,tostudentotrzymuje zwolnienie z częoeci ustnej. Jeżeli średnia ocen jest między 3 (włącznie) a 4, to student przystępuje do egzaminu ustnego. Jeżeli 2 zadania nie są rozwiązane na ocenę przynajmniej 3, to egzamin nie jest zdany. Zapisać podaną wiedzę za pomocą perceptów. Zbiór faktów, dla których będzie stosowana ta wiedza stanowią oceny za poszczególne zadania: 2, 3, 4,5. 4. Podać przykład zbioru reguł i faktów(dla dowolnej dziedziny wiedzy) realizując następującą sytuację: reguły: a b c d e f a g b h f h a orazfakty: c, e, h, g.regułyifaktyzapisaćzapomocąperceptów.udowodnić cel d metodą wnioskowania w przód. 5.Danesąfakty: c=t, e=t, h=n, g=torazregułyzapisanewtabeli: (a, b, c, e, f, g, h przesłanki, W wniosek ) a b c e f g h W T T T d=t - - T T T - - a=t T - b=t N f=n T f=t oznaczenia: T tak, N nie, warunekniewystępujewregule, a pada oenieg, b jestzimno, c mamczas, d jeżdżęnanartach, e sąchmury, f jestzima, g jestluty,h jestmaj. 18
19 Tak określone dane zapisać za pomocą perceptów(reguły i fakty) oraz wyprowadzić cel d metodą wnioskowania w tył. 19
Systemy ekspertowe : percepty
Instytut Informatyki Uniwersytetu Śląskiego 4 maja 2012 Percept jest parą (pa, val), której pierwszy element pa jest parametrem perceptu charakteryzującym pewne istnienie e z wartością val będącą drugim
Percepcja bodźców istnienia Perceptami (PER) nazywamy reakcję na istnienia, co jest wynikiem percepcji
Wstęp Percepcja jest przez nas rozumiana intuicyjnie: odzwierciedlenie przez człowieka przedmiotów, zjawisk, bodźców przez jego narządy zmysłowe Bodźce to inaczej istnienia (byty) oznaczamy je przez ENT
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
Reguły i fakty zapisz za pomocą perceptów. Metodą wnioskowania w tył, sprawdzić czy mój komputer jest wyposażony w procesor PII.
Reguły i fakty zapisz za pomocą perceptów. Metodą wnioskowania w tył, sprawdzić czy mój komputer jest wyposażony w procesor PII. 1. (cena:komputer:x1,drogi) (cecha:komputer:x1,uniwersalny) ) (obudowa:komputer:x1,duża)
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
Wykład 6. Reguły inferencyjne systemu aksjomatycznego Klasycznego Rachunku Zdań
Andrzej Wiśniewski Logika I Materiały do wykładu dla studentów kognitywistyki Wykład 6. Reguły inferencyjne systemu aksjomatycznego Klasycznego Rachunku Zdań System aksjomatyczny logiki Budując logikę
Paradygmaty dowodzenia
Paradygmaty dowodzenia Sprawdzenie, czy dana formuła rachunku zdań jest tautologią polega zwykle na obliczeniu jej wartości dla 2 n różnych wartościowań, gdzie n jest liczbą zmiennych zdaniowych tej formuły.
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)
Adam Meissner.
Instytut Automatyki i Inżynierii Informatycznej Politechniki Poznańskiej Adam Meissner Adam.Meissner@put.poznan.pl http://www.man.poznan.pl/~ameis SZTUCZNA INTELIGENCJA Podstawy logiki pierwszego rzędu
Wykład 11b. System aksjomatyczny Klasycznego Rachunku Predykatów. Aksjomaty i reguły inferencyjne
Andrzej Wiśniewski Logika I Materiały do wykładu dla studentów kognitywistyki Wykład 11b. System aksjomatyczny Klasycznego Rachunku Predykatów. Aksjomaty i reguły inferencyjne Istnieje wiele systemów aksjomatycznych
RACHUNEK ZDAŃ 7. Dla każdej tautologii w formie implikacji, której poprzednik również jest tautologią, następnik także jest tautologią.
Semantyczne twierdzenie o podstawianiu Jeżeli dana formuła rachunku zdań jest tautologią i wszystkie wystąpienia pewnej zmiennej zdaniowej w tej tautologii zastąpimy pewną ustaloną formułą, to otrzymana
Ziemia obraca się wokół Księżyca, bo posiadając odpowiednią wiedzę można stwierdzić, czy są prawdziwe, czy fałszywe. Zdaniami nie są wypowiedzi:
1 Elementy logiki W logice zdaniem nazywamy wypowiedź oznajmującą, która (w ramach danej nauki) jest albo prawdziwa, albo fałszywa. Tak więc zdanie może mieć jedną z dwóch wartości logicznych. Prawdziwość
Metoda tabel semantycznych. Dedukcja drogi Watsonie, dedukcja... Definicja logicznej konsekwencji. Logika obliczeniowa.
Plan Procedura decyzyjna Reguły α i β - algorytm Plan Procedura decyzyjna Reguły α i β - algorytm Logika obliczeniowa Instytut Informatyki 1 Procedura decyzyjna Logiczna konsekwencja Teoria aksjomatyzowalna
Metoda Tablic Semantycznych
Procedura Plan Reguły Algorytm Logika obliczeniowa Instytut Informatyki Plan Procedura Reguły 1 Procedura decyzyjna Logiczna równoważność formuł Logiczna konsekwencja Procedura decyzyjna 2 Reguły α, β,
Np. Olsztyn leży nad Łyną - zdanie prawdziwe, wartość logiczna 1 4 jest większe od 5 - zdanie fałszywe, wartość logiczna 0
ĆWICZENIE 1 Klasyczny Rachunek Zdań (KRZ): zdania w sensie logicznym, wartości logiczne, spójniki logiczne, zmienne zdaniowe, tabele prawdziwościowe dla spójników logicznych, formuły, wartościowanie zbioru
Andrzej Wiśniewski Logika II. Materiały do wykładu dla studentów kognitywistyki
Andrzej Wiśniewski Logika II Materiały do wykładu dla studentów kognitywistyki Wykład 5. Wprowadzenie do semantyki teoriomodelowej cz.5. Wynikanie logiczne 1 Na poprzednim wykładzie udowodniliśmy m.in.:
Systemy ekspertowe. Wnioskowanie w systemach regułowych. Część piąta. Autor Roman Simiński.
Część piąta Autor Roman Simiński Kontakt siminski@us.edu.pl www.us.edu.pl/~siminski Niniejsze opracowanie zawiera skrót treści wykładu, lektura tych materiałów nie zastąpi uważnego w nim uczestnictwa.
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
1. Wstęp do logiki. Matematyka jest nauką dedukcyjną. Nowe pojęcia definiujemy za pomocą pojęć pierwotnych lub pojęć uprzednio wprowadzonych.
Elementy logiki i teorii zbiorów. 1. Wstęp do logiki. Matematyka jest nauką dedukcyjną. Nowe pojęcia definiujemy za pomocą pojęć pierwotnych lub pojęć uprzednio wprowadzonych. Pojęcia pierwotne to najprostsze
Systemy eksperowe. Agnieszka Nowak Brzezińska Wykład I
Systemy eksperowe Agnieszka Nowak Brzezińska Wykład I Zakres materiału: Metody wnioskowania w regułowych bazach wiedzy PC-Shell jako narzędzie do budowy szkieletowych systemów ekspertowych (Sprawozdanie
Wykład 11a. Składnia języka Klasycznego Rachunku Predykatów. Języki pierwszego rzędu.
Andrzej Wiśniewski Logika I Materiały do wykładu dla studentów kognitywistyki Wykład 11a. Składnia języka Klasycznego Rachunku Predykatów. Języki pierwszego rzędu. 1 Logika Klasyczna obejmuje dwie teorie:
Wstęp do logiki. Klasyczny Rachunek Zdań III
Wstęp do logiki Klasyczny Rachunek Zdań III Przypomnijmy: Logika: = Teoria form (schematów, reguł) poprawnych wnioskowań. Wnioskowaniem nazywamy jakąkolwiek skończoną co najmniej dwuwyrazową sekwencję
Rachunek logiczny. 1. Język rachunku logicznego.
Rachunek logiczny. Podstawową własnością rozumowania poprawnego jest zachowanie prawdy: rozumowanie poprawne musi się kończyć prawdziwą konkluzją, o ile wszystkie przesłanki leżące u jego podstaw były
Elementy logiki. Wojciech Buszkowski Wydział Matematyki i Informatyki UAM Zakład Teorii Obliczeń
Elementy logiki Wojciech Buszkowski Wydział Matematyki i Informatyki UAM Zakład Teorii Obliczeń 1 Klasyczny Rachunek Zdań 1.1 Spójniki logiczne Zdaniem w sensie logicznym nazywamy wyrażenie, które jest
Andrzej Wiśniewski Logika I Materiały do wykładu dla studentów kognitywistyki. Wykłady 12 i 13. Dowód i dowodzenie w KRP. Tezy KRP
Andrzej Wiśniewski Logika I Materiały do wykładu dla studentów kognitywistyki Wykłady 12 i 13. Dowód i dowodzenie w KRP. Tezy KRP 1 Pojęcie dowodu w KRP Pojęcia: formuły zdaniowej języka Klasycznego Rachunku
Klasyczny rachunek predykatów
Kultura logiczna Klasyczny rachunek predykatów Bartosz Gostkowski bgostkowski@gmail.com Alfabet klasycznego rachunku zdań reguły konsytutywne języka Alfabet klasycznego rachunku predykatów (KRP Do alfabetu
Tautologia (wyrażenie uniwersalnie prawdziwe - prawo logiczne)
Tautologia (wyrażenie uniwersalnie prawdziwe - prawo logiczne) Definicja 1: Tautologia jest to takie wyrażenie, którego wartość logiczna jest prawdą przy wszystkich możliwych wartościowaniach zmiennych
Andrzej Wiśniewski Logika I Materiały do wykładu dla studentów kognitywistyki. Wykład 10. Twierdzenie o pełności systemu aksjomatycznego KRZ
Andrzej Wiśniewski Logika I Materiały do wykładu dla studentów kognitywistyki Wykład 10. Twierdzenie o pełności systemu aksjomatycznego KRZ 1 Tezy KRZ Pewien system aksjomatyczny KRZ został przedstawiony
Dowody założeniowe w KRZ
Dowody założeniowe w KRZ Jerzy Pogonowski Zakład Logiki Stosowanej UAM www.logic.amu.edu.pl pogon@amu.edu.pl w styczniu 2007 Jerzy Pogonowski (MEG) Dowody założeniowe w KRZ w styczniu 2007 1 / 10 Dowody
Języki programowania zasady ich tworzenia
Strona 1 z 18 Języki programowania zasady ich tworzenia Definicja 5 Językami formalnymi nazywamy każdy system, w którym stosując dobrze określone reguły należące do ustalonego zbioru, możemy uzyskać wszystkie
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..
Systemy ekspertowe i ich zastosowania. Katarzyna Karp Marek Grabowski
Systemy ekspertowe i ich zastosowania Katarzyna Karp Marek Grabowski Plan prezentacji Wstęp Własności systemów ekspertowych Rodzaje baz wiedzy Metody reprezentacji wiedzy Metody wnioskowania Języki do
Logika. Michał Lipnicki. 15 stycznia Zakład Logiki Stosowanej UAM. Michał Lipnicki () Logika 15 stycznia / 37
Logika Michał Lipnicki Zakład Logiki Stosowanej UAM 15 stycznia 2011 Michał Lipnicki () Logika 15 stycznia 2011 1 / 37 Wstęp Materiały na dzisiejsze zajęcia zostały opracowane na podstawie pomocy naukowych
Semantyka rachunku predykatów
Relacje Interpretacja Wartość Spełnialność Logika obliczeniowa Instytut Informatyki Relacje Interpretacja Wartość Plan Plan Relacje O co chodzi? Znaczenie w logice Relacje 3 Interpretacja i wartościowanie
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
Uwagi wprowadzajace do reguł wnioskowania w systemie tabel analitycznych logiki pierwszego rzędu
Witold Marciszewski: Wykład Logiki, 17 luty 2005, Collegium Civitas, Warszawa Uwagi wprowadzajace do reguł wnioskowania w systemie tabel analitycznych logiki pierwszego rzędu 1. Poniższe wyjaśnienie (akapit
Programowanie deklaratywne
Programowanie deklaratywne Artur Michalski Informatyka II rok Plan wykładu Wprowadzenie do języka Prolog Budowa składniowa i interpretacja programów prologowych Listy, operatory i operacje arytmetyczne
Systemy ekspertowe. Krzysztof Patan
Systemy ekspertowe Krzysztof Patan Wprowadzenie System ekspertowy Program komputerowy, który wykonuje złożone zadania o dużych wymaganiach intelektualnych i robi to tak dobrze jak człowiek będący ekspertem
Podstawowe Pojęcia. Semantyczne KRZ
Logika Matematyczna: Podstawowe Pojęcia Semantyczne KRZ I rok Językoznawstwa i Informacji Naukowej UAM 2006-2007 Jerzy Pogonowski Zakład Logiki Stosowanej UAM http://www.logic.amu.edu.pl Dodatek: ściąga
Metody dowodzenia twierdzeń i automatyzacja rozumowań Systemy aksjomatyczne I
Metody dowodzenia twierdzeń i automatyzacja rozumowań Systemy aksjomatyczne I Mariusz Urbański Instytut Psychologii UAM Mariusz.Urbanski@.edu.pl OSTRZEŻENIE Niniejszy plik nie zawiera wykładu z Metod dowodzenia...
Wstęp do logiki. Klasyczny Rachunek Predykatów I
Wstęp do logiki Klasyczny Rachunek Predykatów I KRZ jest teorią stanowiącą wstępną część logiki formalnej, część zakładaną przez inne teorie. Przypomnijmy, jest on teorią związków logicznych między zdaniami
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
Wprowadzenie do Prologa
Wprowadzenie do Prologa Rozdział 1 Tutorial Introduction Maciej Gapiński Dominika Wałęga Spis treści 1. Podstawowe informacje 2. Obiekty i relacje 3. Reguły 4. Fakty 5. Zapytania 6. Zmienne i stałe Podstawowe
Drzewa Semantyczne w KRZ
Drzewa Semantyczne w KRZ Jerzy Pogonowski Zakład Logiki Stosowanej UAM www.logic.amu.edu.pl pogon@amu.edu.pl 7 XII 2006, 13:30 15:00 Jerzy Pogonowski (MEG) Drzewa Semantyczne w KRZ 7 XII 2006, 13:30 15:00
I. Podstawowe pojęcia i oznaczenia logiczne i mnogościowe. Elementy teorii liczb rzeczywistych.
I. Podstawowe pojęcia i oznaczenia logiczne i mnogościowe. Elementy teorii liczb rzeczywistych. 1. Elementy logiki matematycznej. 1.1. Rachunek zdań. Definicja 1.1. Zdaniem logicznym nazywamy zdanie gramatyczne
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.
Andrzej Wiśniewski Logika II. Materiały do wykładu dla studentów kognitywistyki. Wykład 14. Wprowadzenie do logiki intuicjonistycznej
Andrzej Wiśniewski Logika II Materiały do wykładu dla studentów kognitywistyki Wykład 14. Wprowadzenie do logiki intuicjonistycznej 1 Przedstawione na poprzednich wykładach logiki modalne możemy uznać
Monoidy wolne. alfabetem. słowem długością słowa monoidem wolnym z alfabetem Twierdzenie 1.
3. Wykłady 3 i 4: Języki i systemy dedukcyjne. Klasyczny rachunek zdań. 3.1. Monoidy wolne. Niech X będzie zbiorem niepustym. Zbiór ten będziemy nazywać alfabetem. Skończony ciąg elementów alfabetu X będziemy
Predykat. Matematyka Dyskretna, Podstawy Logiki i Teorii Mnogości Barbara Głut
Predykat Weźmy pod uwagę następujące wypowiedzi: (1) Afryka jest kontynentem. (2) 7 jest liczbą naturalną. (3) Europa jest mniejsza niż Afryka. (4) 153 jest podzielne przez 3. Są to zdania jednostkowe,
PODSTAWY SZTUCZNEJ INTELIGENCJI
Katedra Informatyki Stosowanej Politechnika Łódzka PODSTAWY SZTUCZNEJ INTELIGENCJI Laboratorium PROGRAMOWANIE SYSTEMÓW EKSPERTOWYCH Opracowanie: Dr hab. inŝ. Jacek Kucharski Dr inŝ. Piotr Urbanek Cel ćwiczenia
Andrzej Wiśniewski Logika I Materiały do wykładu dla studentów kognitywistyki. Wykłady 7 i 8. Aksjomatyczne ujęcie Klasycznego Rachunku Zdań
Andrzej Wiśniewski Logika I Materiały do wykładu dla studentów kognitywistyki Wykłady 7 i 8. Aksjomatyczne ujęcie Klasycznego Rachunku Zdań 1 Istnieje wiele systemów aksjomatycznych Klasycznego Rachunku
Programowanie deklaratywne
Programowanie deklaratywne Artur Michalski Informatyka II rok Plan wykładu Wprowadzenie do języka Prolog Budowa składniowa i interpretacja programów prologowych Listy, operatory i operacje arytmetyczne
Wprowadzenie i pojęcia wstępne.
Wprowadzenie i pojęcia wstępne. X\A a b c x 1 a 1 b 1 c 1 x 2 a 1 b 1 c 2 x 3 a 1 b 2 c 3 x 4 a 2 b 1 c 4 x 5 a 1 b 2 c 1 x 6 a 1 b 2 c 2 x 7 a 1 b 1 c 1 S = X = {x 1,,x 8 } A = {a, b, c}
LOGIKA I TEORIA ZBIORÓW
LOGIKA I TEORIA ZBIORÓW Logika Logika jest nauką zajmującą się zdaniami Z punktu widzenia logiki istotne jest, czy dane zdanie jest prawdziwe, czy nie Nie jest natomiast istotne o czym to zdanie mówi Definicja
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.
Logika Matematyczna (1)
Logika Matematyczna (1) Jerzy Pogonowski Zakład Logiki Stosowanej UAM www.logic.amu.edu.pl pogon@amu.edu.pl 4 X 2007 Jerzy Pogonowski (MEG) Logika Matematyczna (1) 4 X 2007 1 / 18 Plan konwersatorium Dzisiaj:
Języki formalne i automaty Ćwiczenia 1
Języki formalne i automaty Ćwiczenia Autor: Marcin Orchel Spis treści Spis treści... Wstęp teoretyczny... 2 Wprowadzenie do teorii języków formalnych... 2 Gramatyki... 5 Rodzaje gramatyk... 7 Zadania...
Systemy ekspertowe : program PCShell
Instytut Informatyki Uniwersytetu Śląskiego lab 1 Opis sytemu ekspertowego Metody wnioskowania System PcShell Projekt System ekspertowy - system ekspertowy to system komputerowy zawierający w sobie wyspecjalizowaną
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
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
Lekcja 3: Elementy logiki - Rachunek zdań
Lekcja 3: Elementy logiki - Rachunek zdań S. Hoa Nguyen 1 Materiał a) Zdanie proste, złożone b) Spójniki logiczne (funktory zdaniotwórcze):,,,,, (alternatywa wykluczająca - XOR). c) Tautologia, zdanie
Reguły gry zaliczenie przedmiotu wymaga zdania dwóch testów, z logiki (za ok. 5 tygodni) i z filozofii (w sesji); warunkiem koniecznym podejścia do
Reguły gry zaliczenie przedmiotu wymaga zdania dwóch testów, z logiki (za ok. 5 tygodni) i z filozofii (w sesji); warunkiem koniecznym podejścia do testu z filozofii jest zaliczenie testu z logiki i zaliczenie
Logika Matematyczna (1)
Logika Matematyczna (1) Jerzy Pogonowski Zakład Logiki Stosowanej UAM www.logic.amu.edu.pl pogon@amu.edu.pl Wprowadzenie Jerzy Pogonowski (MEG) Logika Matematyczna (1) Wprowadzenie 1 / 20 Plan konwersatorium
vf(c) =, vf(ft 1... t n )=vf(t 1 )... vf(t n ).
6. Wykład 6: Rachunek predykatów. Język pierwszego rzędu składa się z: symboli relacyjnych P i, i I, gdzie (P i ) oznaczać będzie ilość argumentów symbolu P i, symboli funkcyjnych f j, j J, gdzie (f j
Technologie informacyjne - wykład 12 -
Zakład Fizyki Budowli i Komputerowych Metod Projektowania Instytut Budownictwa Wydział Budownictwa Lądowego i Wodnego Politechnika Wrocławska Technologie informacyjne - wykład 12 - Prowadzący: Dmochowski
LOGIKA Klasyczny Rachunek Zdań
LOGIKA Klasyczny Rachunek Zdań Robert Trypuz trypuz@kul.pl 5 listopada 2013 Robert Trypuz (trypuz@kul.pl) Klasyczny Rachunek Zdań 5 listopada 2013 1 / 24 PLAN WYKŁADU 1 Alfabet i formuła KRZ 2 Zrozumieć
Przykładowe dowody formuł rachunku kwantyfikatorów w systemie tabel semantycznych
Przykładowe dowody formuł rachunku kwantyfikatorów w systemie tabel semantycznych Zapoznaj z poniŝszym tekstem reprezentującym wiedzę logiczną o wartościach logicznych będących interpretacjami formuł złoŝonych
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
Internet Semantyczny i Logika I
Internet Semantyczny i Logika I Warstwy Internetu Semantycznego Dowód Zaufanie Logika OWL, Ontologie Podpis cyfrowy RDF, schematy RDF XML, schematy XML przestrzenie nazw URI Po co nam logika? Potrzebujemy
LOGIKA Dedukcja Naturalna
LOGIKA Dedukcja Naturalna Robert Trypuz Katedra Logiki KUL 7 stycznia 2014 Robert Trypuz (Katedra Logiki) Założeniowy system klasycznego rachunku zdań 7 stycznia 2014 1 / 42 PLAN WYKŁADU 1 Przykład dowodów
Twierdzenia Gödla dowody. Czy arytmetyka jest w stanie dowieść własną niesprzeczność?
Semina Nr 3 Scientiarum 2004 Twierdzenia Gödla dowody. Czy arytmetyka jest w stanie dowieść własną niesprzeczność? W tym krótkim opracowaniu chciałbym przedstawić dowody obu twierdzeń Gödla wykorzystujące
PROLOG. Prolog. Programowanie, W.F. Clocksin, C.S. Mellish, HELION Prolog, język sztucznej inteligencji, Eugeniusz Gatnar, Katarzyna Stąpor, Wyd.
PROLOG 1. Informacje wstępne Podczas zajęć korzystamy z darmowej wersji interpretera Prologu SWI-Prolog dostępnego ze strony: www.swi-prolog.org 2. Literatura i materiały Prolog. Programowanie, W.F. Clocksin,
5. OKREŚLANIE WARTOŚCI LOGICZNEJ ZDAŃ ZŁOŻONYCH
5. OKREŚLANIE WARTOŚCI LOGICZNEJ ZDAŃ ZŁOŻONYCH Temat, którym mamy się tu zająć, jest nudny i żmudny będziemy się uczyć techniki obliczania wartości logicznej zdań dowolnie złożonych. Po co? możecie zapytać.
Reprezentacja wiedzy i wnioskowanie
i wnioskowanie Dariusz Banasiak Katedra Informatyki Technicznej Wydział Elektroniki Wiedza AI to nauka o komputerowych modelach wiedzy umożliwiających rozumienie, wnioskowanie i działanie. Inteligentne
Programowanie deklaratywne i logika obliczeniowa
Programowanie deklaratywne i logika obliczeniowa Programowanie deklaratywne i logika obliczeniowa Wykład logika 12 godzin Dr hab. inż. Joanna Józefowska, prof. PP dyżur: poniedziałek 9.30-11.00 p. 10,
SYSTEMY UCZĄCE SIĘ WYKŁAD 4. DRZEWA REGRESYJNE, INDUKCJA REGUŁ. Dr hab. inż. Grzegorz Dudek Wydział Elektryczny Politechnika Częstochowska
SYSTEMY UCZĄCE SIĘ WYKŁAD 4. DRZEWA REGRESYJNE, INDUKCJA REGUŁ Częstochowa 2014 Dr hab. inż. Grzegorz Dudek Wydział Elektryczny Politechnika Częstochowska DRZEWO REGRESYJNE Sposób konstrukcji i przycinania
Składnia rachunku predykatów pierwszego rzędu
Początek Gramatyka Kwantyfikatory Poprawność Logika obliczeniowa Instytut Informatyki Początek Gramatyka Kwantyfikatory Poprawność Plan wykładu 1 Na (dobry) początek Zrozumieć słowa Oswoić znaki 2 Gramatyka
Andrzej Wiśniewski Logika I Materiały do wykładu dla studentów kognitywistyki. Wykład 9. Koniunkcyjne postacie normalne i rezolucja w KRZ
Andrzej Wiśniewski Logika I Materiały do wykładu dla studentów kognitywistyki Wykład 9. Koniunkcyjne postacie normalne i rezolucja w KRZ 1 Inferencyjna równoważność formuł Definicja 9.1. Formuła A jest
Logika. Michał Lipnicki. 18 listopada Zakład Logiki Stosowanej UAM. Michał Lipnicki Logika 18 listopada / 1
Logika Michał Lipnicki Zakład Logiki Stosowanej UAM 18 listopada 2012 Michał Lipnicki Logika 18 listopada 2012 1 / 1 Wstęp Materiały na dzisiejsze zajęcia zostały opracowane na podstawie pomocy naukowych
Struktury formalne, czyli elementy Teorii Modeli
Struktury formalne, czyli elementy Teorii Modeli Szymon Wróbel, notatki z wykładu dra Szymona Żeberskiego semestr zimowy 2016/17 1 Język 1.1 Sygnatura językowa Sygnatura językowa: L = ({f i } i I, {P j
Andrzej Wiśniewski Logika II. Materiały do wykładu dla studentów kognitywistyki. Wykład 15. Trójwartościowa logika zdań Łukasiewicza
Andrzej Wiśniewski Logika II Materiały do wykładu dla studentów kognitywistyki Wykład 15. Trójwartościowa logika zdań Łukasiewicza 1 Wprowadzenie W logice trójwartościowej, obok tradycyjnych wartości logicznych,
Algebrę L = (L, Neg, Alt, Kon, Imp) nazywamy algebrą języka logiki zdań. Jest to algebra o typie
3. Wykłady 5 i 6: Semantyka klasycznego rachunku zdań. Dotychczas rozwinęliśmy klasyczny rachunek na gruncie czysto syntaktycznym, a więc badaliśmy metodę sprawdzania, czy dana formuła B jest dowodliwa
Egzamin z logiki i teorii mnogości, rozwiązania zadań
Egzamin z logiki i teorii mnogości, 08.02.2016 - rozwiązania zadań 1. Niech φ oraz ψ będą formami zdaniowymi. Czy formuła [( x : φ(x)) ( x : ψ(x))] [ x : (φ(x) ψ(x))] jest prawem rachunku kwantyfikatorów?
Andrzej Wiśniewski Logika II. Wykłady 10b i 11. Semantyka relacyjna dla normalnych modalnych rachunków zdań
Andrzej Wiśniewski Logika II Materiały do wykładu dla studentów kognitywistyki Wykłady 10b i 11. Semantyka relacyjna dla normalnych modalnych rachunków zdań 1 Struktury modelowe Przedstawimy teraz pewien
Internet Semantyczny. Logika opisowa
Internet Semantyczny Logika opisowa Ontologie Definicja Grubera: Ontologia to formalna specyfikacja konceptualizacji pewnego obszaru wiedzy czy opisu elementów rzeczywistości. W Internecie Semantycznym
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:
Celem ćwiczenia jest zapoznanie się z podstawowymi możliwościami języka Prolog w zakresie definiowania faktów i reguł oraz wykonywania zapytań.
Paradygmaty Programowania Język Prolog Celem ćwiczenia jest zapoznanie się z podstawowymi możliwościami języka Prolog w zakresie definiowania faktów i reguł oraz wykonywania zapytań. Wstęp Prolog (od francuskiego
Gramatyki atrybutywne
Gramatyki atrybutywne, część 1 (gramatyki S-atrybutywne Teoria kompilacji Dr inŝ. Janusz Majewski Katedra Informatyki Gramatyki atrybutywne Do przeprowadzenia poprawnego tłumaczenia, oprócz informacji
Andrzej Wiśniewski Logika II. Wykład 6. Wprowadzenie do semantyki teoriomodelowej cz.6. Modele i pełność
Andrzej Wiśniewski Logika II Materiały do wykładu dla studentów kognitywistyki Wykład 6. Wprowadzenie do semantyki teoriomodelowej cz.6. Modele i pełność 1 Modele Jak zwykle zakładam, że pojęcia wprowadzone
LOGIKA MATEMATYCZNA. Poziom podstawowy. Zadanie 2 (4 pkt.) Jeśli liczbę 3 wstawisz w miejsce x, to które zdanie będzie prawdziwe:
LOGIKA MATEMATYCZNA Poziom podstawowy Zadanie ( pkt.) Która koniunkcja jest prawdziwa: a) Liczba 6 jest niewymierna i 6 jest liczbą dodatnią. b) Liczba 0 jest wymierna i 0 jest najmniejszą liczbą całkowitą.
Zbiory, relacje i funkcje
Zbiory, relacje i funkcje Zbiory będziemy zazwyczaj oznaczać dużymi literami A, B, C, X, Y, Z, natomiast elementy zbiorów zazwyczaj małymi. Podstawą zależność między elementem zbioru a zbiorem, czyli relację
JAO - Wprowadzenie do Gramatyk bezkontekstowych
JAO - Wprowadzenie do Gramatyk bezkontekstowych Definicja gramatyki bezkontekstowej Podstawowymi narzędziami abstrakcyjnymi do opisu języków formalnych są gramatyki i automaty. Gramatyka bezkontekstowa
Definicje. Algorytm to:
Algorytmy Definicje Algorytm to: skończony ciąg operacji na obiektach, ze ściśle ustalonym porządkiem wykonania, dający możliwość realizacji zadania określonej klasy pewien ciąg czynności, który prowadzi
Logika Matematyczna. Zadania Egzaminacyjne, 2007
Logika Matematyczna Zadania Egzaminacyjne, 2007 I Rok Językoznawstwa i Informacji Naukowej UAM Jerzy Pogonowski Zakład Logiki Stosowanej UAM www.logic.amu.edu.pl Podajemy rozwiązania zadań egzaminacyjnych.
Kultura logiczna Wnioskowania dedukcyjne
Kultura logiczna Wnioskowania dedukcyjne Bartosz Gostkowski bgostkowski@gmail.com Kraków 25 IV 2010 Plan wykładu: Intuicje dotyczące poprawności wnioskowania Wnioskowanie dedukcyjne Reguły niezawodne a
Logika intuicjonistyczna
Logika intuicjonistyczna Logika klasyczna oparta jest na pojęciu wartości logicznej zdania. Poprawnie zbudowane i jednoznaczne stwierdzenie jest w tej logice klasyfikowane jako prawdziwe lub fałszywe.
PRZEWODNIK PO PRZEDMIOCIE
Nazwa przedmiotu: Kierunek: Matematyka Rodzaj przedmiotu: przedmiot obowiązkowy dla wszystkich specjalności Rodzaj zajęć: wykład, ćwiczenia Logika matematyczna Mathematical Logic Poziom przedmiotu: II
Logika Matematyczna (2,3)
Logika Matematyczna (2,3) Jerzy Pogonowski Zakład Logiki Stosowanej UAM www.logic.amu.edu.pl pogon@amu.edu.pl 11, 18 X 2007 Jerzy Pogonowski (MEG) Logika Matematyczna (2,3) 11, 18 X 2007 1 / 34 Język KRZ
Matematyczne Podstawy Informatyki
Matematyczne Podstawy Informatyki dr inż. Andrzej Grosser Instytut Informatyki Teoretycznej i Stosowanej Politechnika Częstochowska Rok akademicki 2013/2014 Gramatyki bezkontekstowe I Gramatyką bezkontekstową
Wstęp do logiki. Semiotyka cd.
Wstęp do logiki Semiotyka cd. Semiotyka: język Ujęcia języka proponowane przez językoznawców i logików różnią się istotnie w wielu punktach. Z punktu widzenia logiki każdy język można scharakteryzować