Elementy kognitywistyki III: Modele i architektury poznawcze
|
|
- Gabriela Leszczyńska
- 6 lat temu
- Przeglądów:
Transkrypt
1 Elementy kognitywistyki III: Modele i architektury poznawcze Wykład IV: Reprezentacje jako Modele symboliczne I: Rachunek predykatów, Sieci semantyczne
2 Gwoli przypomnienia: Kroki w modelowaniu kognitywnym: teoretyczne ramy pojęciowe (modele pojęciowe) przeformułowanie założeń w precyzyjnym języku dodatkowe założenia szacowanie parametrów na podstawie danych empirycznych porównywanie przewidywań konkurujących modeli
3 Problem reprezentacji...w psychologii: reprezentacja poznawcza: uproszczony model tego, do czego się odnosi spór o reprezentacjonizm reprezentacja przedstawia w obrębie umysłu bodźce: realizm konstruktywizm
4 Reprezentacje w modelach obliczeniowych Dwa pytania: jakiego rodzaju reprezentacjami modele manipulują? na jakiej zasadzie reprezentacje reprezentują? w jakich warunkach coś jest reprezentacją? co determinuje odniesienie reprezentacji? reprezentacje atomiczne nie mają wewnętrznej struktury reprezentacje złożone zestawione z reprezentacji atomicznych reprezentacje kompozycjonalne: to, co reprezentuje całość jest funkcją tego, co reprezentują części oraz relacji strukturalnych : k ; 75
5 Standardowe formaty reprezentacji...wysokiego poziomu (kompilowane następnie na kod maszynowy) I. Rachunek predykatów 7 typów wyrażeń (PROLOG): predykaty: pies(x), zatrudniony(x,y), is_a(jan, czlowiek) nazwy: X=jan, Y=spolka_zoo zmienne: X, Y zdania, zdania otwarte: zatrudniony(jan, spolka_zoo). spójniki: ssak(x) : czlowiek(x). kwantyfikatory
6 Rachunek predykatów Zapytanie w PROLOGu cel; odnalezienie odpowiedzi realizacja celu? pies(snoopy). YES.? pies(x). X=snoopy. X=odie. zalety reprezentacji w postaci RP wyraźna semantyka znane własności formalne modularność naturalny sposób hierarchiczna) wyrażania słabość: fragmentacja informacji pewnych idei (zależność
7 Sieci semantyczne
8 Sieci semantyczne Ukierunkowany graf, na który składają się: węzły oraz łączące je łuki pierwotnie: model ludzkiej pamięci asocjacyjnej (Quillian 1968) obecnie: formalizm reprezentacji wiedzy automatycznego systemu wnioskowania oraz wsparcie 6 typów sieci semantycznych: 1. sieci definicyjne: podstawowe relacje: podtyp oraz jest-to (is-a) wspierają regułę dziedziczności (inheritance) informacje w sieci uznaje się za prawdziwe (definicje) system KL-ONE (Brachman, Schmolze)
9 Hierarchia dziedziczności
10 Sieci semantyczne 2. sieci asercyjne zaprojektowane by wyrażać asercje sądów przygodna prawdziwość przechowywanych informacji modele struktur pojęciowych tkwiących u podstaw semantyki języka naturalnego Peirce: notacja graficzna pokazująca atomy i molekuły logiki R. Schank: zależności pojęciowe (Conceptual Dependency) od słów do pojęć; reprezentacja na poziomie zdań; później: skrypty (Schank, Abelson 1977), MOP, TOP
11 Sieci semantyczne
12 Sieci asercyjne, cd.
13 Sieci asercyjne, cd. S. Shapiro: MIND, SNePS: propozycjonalne sieci semantyczne Sądy reprezentowane są przez węzły, nie łuki, oraz: Każdy węzeł reprezentuje unikalne pojęcie Każde pojęcie reprezentowane jest przez węzeł Wiedza o pojęciu: struktura związana z węzłem Sieci sem. reprezentują sieci przekonań (nie świat lub tekst) modyfikacja sieci propozycjonalnych: Grafy Pojęciowe (J. Sowa) relacje zagnieżdżone w węzłach propozycjonalnych własności lingwistyczne (Tesniere), logiczne (Peirce)
14 Sieci asercyjne, cd.
15 Grafy pojęciowe
16 Sieci semantyczne, cd. 3. sieci implikacyjne relacją wiążącą węzły jest implikacja (inne relacje zagnieżdżone) reprezentacja wzorców przekonań, przyczynowości i wnioskowań 4. sieci wykonawcze obejmują wewn. (powiązane z węzłami) lub zewnętrzne mechanizmy: przesyłające informacje między węzłami wykonujące działania na węźle lub okolicznych węzłach transformujące grafy (łączenie, rozbijanie) przykład: grafy przepływu danych [dataflow graphs]: węzły pasywne/aktywne
17 Sieci semantyczne, cd.
18 Sieci uczące się i hybrydowe budują i rozszerzają swoje reprezentacje w oparciu o przykłady modyfikacja sieci: pamięć rdzenna [rote memory] zmiana wag restrukturyzowanie 6. sieci hybrydowe: łączą w sobie dwie lub więcej z powyższych technik wnioskowanie: rozprzestrzeniająca się aktywacja [spreading activation] pytania: przekazanie niepełnej sieci zalety: kolekcjonują informacje razem słabości: reprezentacja typowości/normalności, dysjunkcji, negacji
19 Sieci uczące się i hybrydowe
Elementy kognitywistyki III: Modele i architektury poznawcze
Elementy kognitywistyki III: Modele i architektury poznawcze Wykład III: Psychologiczne modele umysłu Gwoli przypomnienia: Kroki w modelowaniu kognitywnym: teoretyczne ramy pojęciowe (modele pojęciowe)
Bardziej szczegółowoElementy kognitywistyki III: Modele i architektury poznawcze
Elementy kognitywistyki III: Modele i architektury poznawcze Wykład II: Modele pojęciowe Gwoli przypomnienia: Kroki w modelowaniu kognitywnym: teoretyczne ramy pojęciowe (modele pojęciowe) przeformułowanie
Bardziej szczegółowoElementy kognitywistyki III: Modele i architektury poznawcze
Elementy kognitywistyki III: Modele i architektury poznawcze Wykład I: Pomieszanie z modelem w środku Czym jest kognitywistyka? Dziedzina zainteresowana zrozumieniem procesów, dzięki którym mózg (zwł.
Bardziej szczegółowoWstęp do kognitywistyki. Wykład 12: Wprowadzenie do SI. Obliczeniowa teoria umysłu
Wstęp do kognitywistyki Wykład 12: Wprowadzenie do SI. Obliczeniowa teoria umysłu Sztuczna inteligencja...to próba zrozumienia i wyjaśnienia jednostek inteligentnych. Specyfika SI polega na metodzie: wyjaśnianie
Bardziej szczegółowoCzy architektura umysłu to tylko taka sobie bajeczka? Marcin Miłkowski
Czy architektura umysłu to tylko taka sobie bajeczka? Marcin Miłkowski Architektura umysłu Pojęcie używane przez prawie wszystkie współczesne ujęcia kognitywistyki Umysł Przetwornik informacji 2 Architektura
Bardziej szczegółowoWykład 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
Bardziej szczegółowoReprezentacja wiedzy ontologie, logiki deskrypcyjne
Reprezentacja wiedzy ontologie, logiki deskrypcyjne Agnieszka Ławrynowicz 24 listopada 2016 Plan wykładu 1 Powtórka: sieci semantyczne, RDF 2 Definicja ontologii 3 Logiki deskrypcyjne Semantyczny Internet
Bardziej szczegółowoElementy kognitywistyki II:
Elementy kognitywistyki II: Sztuczna inteligencja WYKŁAD VII: Budujemy bazę wiedzy (Reprezentacja wiedzy w SI) Poprzednio: podstawowe strategie szukania: szukanie na ślepo [blind, uninformed search] w
Bardziej szczegółowoGłówne problemy kognitywistyki: Reprezentacja
Główne problemy kognitywistyki: Reprezentacja Wykład dziesiąty Hipoteza języka myśli (LOT): źródła i założenia Andrzej Klawiter http://www.amu.edu.pl/~klawiter klawiter@amu.edu.pl Filozoficzne źródła:
Bardziej szczegółowoElementy kognitywistyki II: Sztuczna inteligencja
Elementy kognitywistyki II: Sztuczna inteligencja Piotr Konderak Zakład Logiki i Filozofii Nauki p.203b, Collegium Humanicum konsultacje: wtorki, 16:00-17:00 kondorp@bacon.umcs.lublin.pl http://konderak.eu
Bardziej szczegółowoDowody 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
Bardziej szczegółowoElementy kognitywistyki II: Sztuczna inteligencja. WYKŁAD XII: Modele i architektury poznawcze
Elementy kognitywistyki II: Sztuczna inteligencja WYKŁAD XII: Modele i architektury poznawcze Architektury poznawcze Architektura poznawcza jako teoria poznania ludzkiego Anderson (1993): Architektura
Bardziej szczegółowoModelowanie danych, projektowanie systemu informatycznego
Modelowanie danych, projektowanie systemu informatycznego Modelowanie odwzorowanie rzeczywistych obiektów świata rzeczywistego w systemie informatycznym Modele - konceptualne reprezentacja obiektów w uniwersalnym
Bardziej szczegółowoSemantyka 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
Bardziej szczegółowoOntologie, czyli o inteligentnych danych
1 Ontologie, czyli o inteligentnych danych Bożena Deka Andrzej Tolarczyk PLAN 2 1. Korzenie filozoficzne 2. Ontologia w informatyce Ontologie a bazy danych Sieć Semantyczna Inteligentne dane 3. Zastosowania
Bardziej szczegółowoLogika 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 szczegółowoSystemy 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
Bardziej szczegółowoProgramowanie w logice
Programowanie w logice PROLOG cz.1 PROLOG język wysokiego poziomu Powstał w 1972 na Uniwersytecie w Marsylii (Francja) w zespole A.Colmerauer a i F.Roussel a PROgrammation en LOGique, PROgramming in LOGic,
Bardziej szczegółowoWykład 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:
Bardziej szczegółowoElementy kognitywistyki III: Modele i architektury poznawcze
Elementy kognitywistyki III: Modele i architektury poznawcze Wykład X/XI: Architektury poznawcze (symboliczne) III: GLAIR/SNePS GLAIR/SNePS - przegląd GLAIR/SNePS (Grounded Layered Architecture with Integrated
Bardziej szczegółowoMATEMATYKA DYSKRETNA, PODSTAWY LOGIKI I TEORII MNOGOŚCI
MATEMATYKA DYSKRETNA, PODSTAWY LOGIKI I TEORII MNOGOŚCI Program wykładów: dr inż. Barbara GŁUT Wstęp do logiki klasycznej: rachunek zdań, rachunek predykatów. Elementy semantyki. Podstawy teorii mnogości
Bardziej szczegółowo1 Projektowanie systemu informatycznego
Plan wykładu Spis treści 1 Projektowanie systemu informatycznego 1 2 Modelowanie pojęciowe 4 2.1 Encja....................................... 5 2.2 Własności.................................... 6 2.3 Związki.....................................
Bardziej szczegółowoWstęp do kognitywistyki. Wykład 5: Rewolucja kognitywna?
Wstęp do kognitywistyki Wykład 5: Rewolucja kognitywna? Schizma dwie metodologie, dwa obszary zainteresowań: adaptacja i życie znaczenie i umysł interpretacja celu, miejsce znaczenia ciało i umysł: te
Bardziej szczegółowoCzy istnieje logika w naszych głowach
Marek Lechniak Wydział Filozofii KUL lechmar@kul.pl I Konkurs logiczny Lublin, 23 marca 2013 r. Nonsensem jest przekonanie, że umiejętności z zakresu logiki podstawowej można się wyuczyć J. Macnamara,
Bardziej szczegółowoLogika 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 szczegółowoWprowadzenie do logiki Klasyczny Rachunek Zdań część 3
Wprowadzenie do logiki Klasyczny Rachunek Zdań część 3 Mariusz Urbański Instytut Psychologii UAM Mariusz.Urbanski@amu.edu.pl Plan gry: 1 Czym są zdania? 2 Język Klasycznego Rachunku Zdań syntaktyka 3 Język
Bardziej szczegółowoWprowadzenie do logiki Zdania, cz. III Język Klasycznego Rachunku Predykatów
Wprowadzenie do logiki Zdania, cz. III Język Klasycznego Rachunku Predykatów Mariusz Urbański Instytut Psychologii UAM Mariusz.Urbanski@amu.edu.pl Plan na pytanie o odniesienie przedmiotowe zdań odpowiedź
Bardziej szczegółowoMetody 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...
Bardziej szczegółowoPodstawy 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 szczegółowoProgramowanie 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
Bardziej szczegółowoKlasyczny rachunek zdań 1/2
Klasyczny rachunek zdań /2 Elementy logiki i metodologii nauk spotkanie VI Bartosz Gostkowski Poznań, 7 XI 9 Plan wykładu: Zdanie w sensie logicznym Klasyczny rachunek zdań reguły słownikowe reguły składniowe
Bardziej szczegółowoKultura logiczna Klasyczny rachunek zdań 1/2
Kultura logiczna Klasyczny rachunek zdań /2 Bartosz Gostkowski bgostkowski@gmail.com Kraków 22 III 2 Plan wykładu: Zdanie w sensie logicznym Klasyczny rachunek zdań reguły słownikowe reguły składniowe
Bardziej szczegółowo2
1 2 3 4 5 Dużo pisze się i słyszy o projektach wdrożeń systemów zarządzania wiedzą, które nie przyniosły oczekiwanych rezultatów, bo mało kto korzystał z tych systemów. Technologia nie jest bowiem lekarstwem
Bardziej szczegółowoSkładnia 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
Bardziej szczegółowoZ punktu widzenia kognitywisty: język naturalny
Z punktu widzenia kognitywisty: język naturalny Wykład I: Czym jest język? http://konderak.eu/pwk13.html Piotr Konderak kondorp@bacon.umcs.lublin.pl p. 205, Collegium Humanicum konsultacje: czwartki, 11:10-12:40
Bardziej szczegółowoSpis treści Informacje podstawowe Predykaty Przykłady Źródła RDF. Marek Prząda. PWSZ w Tarnowie. Tarnów, 6 lutego 2009
PWSZ w Tarnowie Tarnów, 6 lutego 2009 1 Interpretacja trójek i SWI-Prolog Składnia 2 3 4 Interpretacja trójek i SWI-Prolog Składnia Opis (ang. Resource Description Framework) jest specyfikacją modelu metadanych,
Bardziej szczegółowoWstęp do kognitywistyki. Wykład 7: Psychologia poznawcza: nietrwałe reprezentacje mentalne
Wstęp do kognitywistyki Wykład 7: Psychologia poznawcza: nietrwałe reprezentacje mentalne Reprezentacje poznawcze Reprezentacja poznawcza umysłowy odpowiednik obiektów (realnie istniejących, fikcyjnych,
Bardziej szczegółowoLiczba godzin Punkty ECTS Sposób zaliczenia. ćwiczenia 15 zaliczenie z oceną
Wydział: Prawo i Administracja Nazwa kierunku kształcenia: Prawo Rodzaj przedmiotu: podstawowy Opiekun: prof. dr hab. Kazimierz Pawłowski Poziom studiów (I lub II stopnia): Jednolite magisterskie Tryb
Bardziej szczegółowoReprezentacje grafów nieskierowanych Reprezentacje grafów skierowanych. Wykład 2. Reprezentacja komputerowa grafów
Wykład 2. Reprezentacja komputerowa grafów 1 / 69 Macierz incydencji Niech graf G będzie grafem nieskierowanym bez pętli o n wierzchołkach (x 1, x 2,..., x n) i m krawędziach (e 1, e 2,..., e m). 2 / 69
Bardziej szczegółowoReguły 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
Bardziej szczegółowoCo to jest znaczenie? Współczesne koncepcje znaczenia i najważn. i najważniejsze teorie semantyczne
Co to jest znaczenie? Współczesne koncepcje znaczenia i najważniejsze teorie semantyczne Uniwersytet Kardynała Stefana Wyszyńskiego 1 Koncepcje znaczenia 2 3 1. Koncepcje referencjalne znaczenie jako byt
Bardziej szczegółowoAndrzej 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
Bardziej szczegółowoModularność: ujęcie funkcjonalne czy architekturalne?
Modularność: ujęcie funkcjonalne czy architekturalne? Marcin Miłkowski Zakład Logiki i Kognitywistyki IFiS PAN Plan Funkcjonalne ujęcia modularności Systemy względnie rozkładalne w analizie modułów Moduł
Bardziej szczegółowoKIERUNEK: KOGNITYWISTYKA
KIERUNEK: KOGNITYWISTYKA Plan studiów pierwszego stopnia Cykl kształcenia 2018-2021 Rok akademicki 2018/2019 Zbo zaliczenie bez oceny Z zaliczenie z oceną E egzamin Jeżeli wykłady odbywają się równolegle
Bardziej szczegółowoSZTUCZNA 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 szczegółowoćwiczenia 15 zaliczenie z oceną
Wydział: Prawo i Administracja Nazwa kierunku kształcenia: Prawo Rodzaj przedmiotu: podstawowy Opiekun: prof. dr hab. Kazimierz Pawłowski Poziom studiów (I lub II stopnia): Jednolite magisterskie Tryb
Bardziej szczegółowoWstęp do kognitywistyki. Wykład 6: Psychologia poznawcza
Wstęp do kognitywistyki Wykład 6: Psychologia poznawcza Sześciokąt nauk kognitywnych I. Psychologia poznawcza Poznanie to zdolność człowieka do odbierania informacji z otoczenia i przetwarzania ich w celu
Bardziej szczegółowoMetoda 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
Bardziej szczegółowoReprezentacja 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
Bardziej szczegółowoWykład I. Wprowadzenie do baz danych
Wykład I Wprowadzenie do baz danych Trochę historii Pierwsze znane użycie terminu baza danych miało miejsce w listopadzie w 1963 roku. W latach sześcdziesątych XX wieku został opracowany przez Charles
Bardziej szczegółowoPRZEWODNIK PO PRZEDMIOCIE
Nazwa przedmiotu: Kierunek: Informatyka Rodzaj przedmiotu: obowiązkowy w ramach treści wspólnych z kierunkiem Matematyka, moduł kierunku obowiązkowy Rodzaj zajęć: wykład, ćwiczenia I KARTA PRZEDMIOTU CEL
Bardziej szczegółowoUwagi 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
Bardziej szczegółowoJęzyk myśli. ang. Language of Thought, Mentalese. Dr hab. Maciej Witek Zakład Filozofii Nauki, Wydział Humanistyczny Uniwersytet Szczeciński
Dr hab. Maciej Witek Zakład Filozofii Nauki, Wydział Humanistyczny Uniwersytet Szczeciński http://mwitek.univ.szczecin.pl Język myśli ang. Language of Thought, Mentalese PLAN: I. krótko o języku myśli
Bardziej szczegółowoMetody dowodzenia twierdzeń i automatyzacja rozumowań Tabele syntetyczne: definicje i twierdzenia
Metody dowodzenia twierdzeń i automatyzacja rozumowań Tabele syntetyczne: definicje i twierdzenia Mariusz Urbański Instytut Psychologii UAM Mariusz.Urbanski@.edu.pl Metoda tabel syntetycznych (MTS) MTS
Bardziej szczegółowoLogika formalna SYLABUS A. Informacje ogólne
Logika formalna SYLABUS A. Informacje ogólne studiów Poziom kształcenia Profil studiów Forma studiów Rodzaj przedmiotu Rok studiów /semestr Wymagania wstępne Liczba godzin zajęć Założenia i cele przedmiotu
Bardziej szczegółowoAndrzej 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.:
Bardziej szczegółowoLogika 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 szczegółowoSztuczna inteligencja i logika. Podsumowanie przedsięwzięcia naukowego Kisielewicz Andrzej WNT 20011
Sztuczna inteligencja i logika. Podsumowanie przedsięwzięcia naukowego Kisielewicz Andrzej WNT 20011 Przedmowa. CZĘŚĆ I: WPROWADZENIE 1. Komputer 1.1. Kółko i krzyżyk 1.2. Kodowanie 1.3. Odrobina fantazji
Bardziej szczegółowoCo to jest znaczenie? Współczesne koncepcje znaczenia i najważn. i najważniejsze teorie semantyczne
Co to jest znaczenie? Współczesne koncepcje znaczenia i najważniejsze teorie semantyczne Uniwersytet Kardynała Stefana Wyszyńskiego 1 Koncepcje znaczenia 2 3 1. Koncepcje referencjalne znaczenie jako byt
Bardziej szczegółowoKsięgarnia PWN: Szymon Wróbel - Umysł, gramatyka, ewolucja
Księgarnia PWN: Szymon Wróbel - Umysł, gramatyka, ewolucja WSTĘP. MIĘDZY KRYTYKĄ A OBRONĄ ROZUMU OBLICZENIOWEGO 1. INteNCjA 2. KoMPozyCjA 3. tytuł CZĘŚĆ I. WOKÓŁ METODOLOGII ROZDZIAŁ 1. PO CZYM POZNAĆ
Bardziej szczegółowoElementy kognitywistyki III: Modele i architektury poznawcze
Elementy kognitywistyki III: Modele i architektury poznawcze Wykład VII: Modelowanie uczenia się w sieciach neuronowych Uczenie się sieci i trening nienaruszona struktura sieci (z pewnym ale ) nienaruszone
Bardziej szczegółowoElementy kognitywistyki II: Sztuczna inteligencja. WYKŁAD IX: Agent przetwarza język naturalny
Elementy kognitywistyki II: Sztuczna inteligencja WYKŁAD IX: Agent przetwarza język naturalny Przetwarzanie języka naturalnego Natural Language Processing, NLP... to formułowanie i testowanie obliczeniowo
Bardziej szczegółowoElementy kognitywistyki III: Modele i architektury poznawcze
Elementy kognitywistyki III: Modele i architektury poznawcze Wykład IX: Architektury poznawcze (symboliczne) II: Soar Soar - przegląd Soar (Start Operator And Result, od 1983) John Laird, Allen Newell,
Bardziej szczegółowoV Seminarium Naukowe "Inżynierskie zastosowania technologii informatycznych" - relacja
V Seminarium Naukowe "Inżynierskie zastosowania technologii informatycznych" - relacja W dniu 27.06.2015 odbyło się V Seminarium Naukowe Inżynierskie zastosowania technologii informatycznych. Organizatorzy
Bardziej szczegółowoLogika 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:
Bardziej szczegółowoKultura 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
Bardziej szczegółowoPRZEWODNIK PO PRZEDMIOCIE
Nazwa przedmiotu: Kierunek: Matematyka Rodzaj przedmiotu: przedmiot obowiązkowy dla wszystkich specjalności Rodzaj zajęć: wykład, ćwiczenia Logika matematyczna Mathematical Logic Poziom przedmiotu: II
Bardziej szczegółowoProgramowanie w Logice Struktury danych (Lista 2)
Programowanie w Logice Struktury danych (Lista 2) Przemysław Kobylański Wstęp Struktury danych wyraża się w Prologu w postaci termów, tj. symbolicznych wyrażeń. Dotychczas poznaliśmy proste termy takie
Bardziej szczegółowoSystemy Agentowe główne cechy. Mariusz.Matuszek WETI PG
Systemy Agentowe główne cechy Mariusz.Matuszek WETI PG Definicja agenta Wiele definicji, w zależności od rozpatrywanego zakresu zastosowań. Popularna definicja: Jednostka obliczeniowa (program, robot),
Bardziej szczegółowoROZDZIAŁ 1. Rachunek funkcyjny
ROZDZIAŁ 1 Rachunek funkcyjny Niech X 1,..., X n będą dowolnymi zbiorami. Wyrażenie (formułę) ϕ(x 1,..., x n ), w którym występuje n zmiennych x 1,..., x n i które zamienia się w zdanie logiczne, gdy zamiast
Bardziej szczegółowoReprezentacje poznawcze
Reprezentacje poznawcze Reprezentacja poznawcza umysłowy odpowiednik obiektów (realnie istniejących, fikcyjnych, hipotetycznych). Zastępuje swój obiekt w procesach przetwarzania informacji. Reprezentacje
Bardziej szczegółowo4 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 szczegółowoWstęp 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
Bardziej szczegółowoRachunek 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
Bardziej szczegółowoSztuczna inteligencja - wprowadzenie
Sztuczna inteligencja - wprowadzenie Dariusz Banasiak Katedra Informatyki Technicznej W4/K9 Politechnika Wrocławska Sztuczna inteligencja komputerów - wprowadzenie Kontakt: dr inż. Dariusz Banasiak, pok.
Bardziej szczegółowoRachunek 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 szczegółowoParadygmaty programowania
Paradygmaty programowania Jacek Michałowski, Piotr Latanowicz 15 kwietnia 2014 Jacek Michałowski, Piotr Latanowicz () Paradygmaty programowania 15 kwietnia 2014 1 / 12 Zadanie 1 Zadanie 1 Rachunek predykatów
Bardziej szczegółowoZałącznik Nr 4. odniesienie do obszarowych efektów kształcenia w KRK. kierunkowe efekty kształceniaopis WIEDZA
Załącznik Nr 4. Odniesienie kierunkowych efektów kształcenia do obszarowych efektów kształcenia dla obszaru lub obszarów kształcenia przyporządkowanych temu kierunkowi Kognitywistyka z racji tradycji badawczych
Bardziej szczegółowoTestowanie i walidacja oprogramowania
Testowanie i walidacja oprogramowania Inżynieria oprogramowania, sem.5 cz. 5 Rok akademicki 2010/2011 Dr inż. Wojciech Koziński Przykład Obliczmy sumę: 0+1+2+...+i, i є [0,100] read(i); if((i < 0)(i >
Bardziej szczegółowoEpistemologia. #00 Abstrakty prac. Paweł Łupkowski. Instytut Psychologii UAM
Epistemologia #00 Abstrakty prac Paweł Łupkowski Instytut Psychologii UAM 1 / 13 Abstrakt imię i nazwisko autora, numer indeksu, tytuł pracy, adres e-mail do kontaktu, abstrakt (około 250 słów), zestaw
Bardziej szczegółowoZaawansowane Modelowanie I Analiza Systemów Informatycznych
Zaawansowane Modelowanie I Analiza Systemów Informatycznych Wprowadzenie mgr. inż. Tomasz Pieciukiewicz tomasz.pieciukiewicz@gmail.com Agenda ZMA jako przedmiot Wprowadzenie do Object Role Modeling ZMA
Bardziej szczegółowoInternet 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
Bardziej szczegółowoZasada 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 szczegółowoP. KOŁODZIEJCZYK, Związek logiki kwantyfikatorów rozgałęzionych i teorii sieci semantycznych...
1 Tytuł: Związek logiki kwantyfikatorów rozgałęzionych i teorii sieci semantycznych w badaniach nad sztuczną inteligencją Autor: Piotr Kołodziejczyk; pkolodziejczyk@interia.pl Źródło: http://kognitywistyka.net;
Bardziej szczegółowoWstęp do kognitywistyki. Wykład 3: Logiczny neuron. Rachunek sieci neuronowych
Wstęp do kognitywistyki Wykład 3: Logiczny neuron. Rachunek sieci neuronowych Epistemologia eksperymentalna W. McCulloch: Wszystko, czego dowiadujemy się o organizmach wiedzie nas do wniosku, iż nie są
Bardziej szczegółowoZnaczenie. Intuicyjnie najistotniejszy element teorii języka Praktyczne zastosowanie teorii lingwistycznej wymaga uwzględnienia znaczeń
Znaczenie Intuicyjnie najistotniejszy element teorii języka Praktyczne zastosowanie teorii lingwistycznej wymaga uwzględnienia znaczeń postulaty teorii semantycznej: uznajemy zdania za znaczące z racji
Bardziej szczegółowoStrukturalizacja otoczenia agentów: ontologie, CYC, sieci semantyczne
WYKŁAD 8 Strukturalizacja otoczenia agentów: ontologie, CYC, sieci semantyczne Jan widział X, gdy leciał nad miastem. Jan widział samolot, gdy leciał nad miastem. Jan widział dom, gdy leciał nad miastem.
Bardziej szczegółowoMetoda 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,
Bardziej szczegółowoPodstawowe 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
Bardziej szczegółowoProgramowanie 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
Bardziej szczegółowoJęzyki 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
Bardziej szczegółowoLogika Stosowana. Wykład 7 - Zbiory i logiki rozmyte Część 3 Prawdziwościowa logika rozmyta. Marcin Szczuka. Instytut Informatyki UW
Logika Stosowana Wykład 7 - Zbiory i logiki rozmyte Część 3 Prawdziwościowa logika rozmyta Marcin Szczuka Instytut Informatyki UW Wykład monograficzny, semestr letni 2016/2017 Marcin Szczuka (MIMUW) Logika
Bardziej szczegółowoLOGIKA 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
Bardziej szczegółowoAndrzej 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,
Bardziej szczegółowoSZTUCZNA INTELIGENCJA
SZTUCZNA INTELIGENCJA WYKŁAD 2. ZASTOSOWANIA, HISTORIA, SYMBOLICZNA SI Częstochowa 2014 Dr hab. inż. Grzegorz Dudek Wydział Elektryczny Politechnika Częstochowska ZASTOSOWANIA SI Rozwiązywanie zadań, gry,
Bardziej szczegółowoJÓZEF W. BREMER WPROWADZENIE DO LOGIKI
JÓZEF W. BREMER WPROWADZENIE DO LOGIKI Wydawnictwo WAM Kraków 2006 Spis tre ci Przedmowa Jana Wole skiego 9 Wst p 11 1 Logika i jej rozumienie 17 1.1 Teksty wprowadzaj ce...................... 17 1.1.1
Bardziej szczegółowoRACHUNEK 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
Bardziej szczegółowoAndrzej 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
Bardziej szczegółowoSystemy 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
Bardziej szczegółowo