Predikatlogik: Normalformer. Klas Markström
|
|
- Jan Martinsson
- för 7 år sedan
- Visningar:
Transkript
1
2 1 Precis som i satslogik så är det bekvämt att kunna hitta en normalform för meningar. Om vi kan utgå från att alla meningar är på normalform så behöver vi t.e.x. inte bekymra oss om en massa specialfall då vi designar algoritmer eller läser in data i våra program.. 2 I satslogik så har vi CNF och DNF som exempel på normalformer. 3 Vi ska idag definiera en normalform för meningar och en klausulform som går att använda då man vill avgöra om en mening är satisfierbar. 4 Vi ska också beskriva algoritmer som transformerar en mening till normalform eller klausulform.
3 Definition En formel är i prenex konjunktiv normalform PCNF om den är på formen Q 1 x 1 Q 2 x 2... Q n x n M där Q i är kvantifikatorer, x i variabler och M är en formel i CNF. Q 1 x 1 Q 2 x 2... Q n x n kallas formelns prefix och M dess matris
4 Definition En formel är i prenex konjunktiv normalform PCNF om den är på formen Q 1 x 1 Q 2 x 2... Q n x n M där Q i är kvantifikatorer, x i variabler och M är en formel i CNF. Q 1 x 1 Q 2 x 2... Q n x n kallas formelns prefix och M dess matris x y z(x y) (z x) Prefixet: Matrisen: x y z (x y) (z x)
5 Det finns en enkel algoritm för att omvandla en formel till PCNF Kortfattat: 1 Byt namn på all bundna (ofria) variabler så att ingen variabel förekommer i mer än en kvantifikator 2 Eliminera implikationer och ekvivalenser 3 Flytta in negationer till atomära formler 4 Flytta kvantifikatorer till vänster 5 Skriv om matrisen till CNF.
6 Steg 1. Byt namn på all bundna (ofria) variabler så att ingen variabel förekommer i mer än en kvantifikator ( x(f (x) x)) ( x(f (x) x)) skrivs om till ( x(f (x) x)) ( y(f (y) y))
7 Steg 2. Eliminera implikationer och ekvivalenser Vi använder de regler vi redan sett i satslogiken: A B ersätts med A B A B med (A B) ( A B).
8 Steg 2. Eliminera implikationer och ekvivalenser Vi använder de regler vi redan sett i satslogiken: A B ersätts med A B A B med (A B) ( A B). Så skrivs om till ( x(f (x) x)) ( y(f (y) y)) ( x( f (x) x)) ( y(f (y) y))
9 Steg 3. Flytta in negationer till atomära formler Vi gör som i satslogiken så länge inga kvantifierare är involverade. För att handskas med kvantifierare används ekvivalenserna ( x)(a) ( x)( A) ( x)(a) ( x)( A).
10 Steg 3. Flytta in negationer till atomära formler Vi gör som i satslogiken så länge inga kvantifierare är involverade. För att handskas med kvantifierare används ekvivalenserna ( x)(a) ( x)( A) ( x)(a) ( x)( A). Så skrivs om till ( x( f (x) x)) ( y(f (y) y)) ( x( f (x) x)) ( y (f (y) y)) och vidare till ( x( f (x) x)) ( y( f (y) y))
11 Steg 4. Flytta kvantifikatorer till vänster Ordningen på kvantifikatorerna måste bevaras.
12 Steg 4. Flytta kvantifikatorer till vänster Ordningen på kvantifikatorerna måste bevaras. Så ( x( f (x) x)) ( y( f (y) y)) skrivs om till x y(( f (x) x) ( f (y) y))
13 Steg 5. Skriv om matrisen till CNF. Här använder vi de vanliga reglerna från satslogiken
14 Steg 5. Skriv om matrisen till CNF. Här använder vi de vanliga reglerna från satslogiken Så x y(( f (x) x) ( f (y) y)) skrivs om till och formeln är nu på PCNF. x y( f (x) x f (y) y)
15 För meningar (slutna formler) så kan man ibland gå ett steg till. Om prefixet till en mening A bara innehåller så kan man stryka prefixet och få As klausulform.
16 För meningar (slutna formler) så kan man ibland gå ett steg till. Om prefixet till en mening A bara innehåller så kan man stryka prefixet och få As klausulform. Vår exempelformel var på slutet en mening med endast som kvantifikator i prefixet så vi kan skriva den på klausulform skrivs om till x y( f (x) x f (y) y) ( f (x) x f (y) y)
17 I satslogik så finns det för varje formel A en ekvivalent formel A som är på CNF. Detta innebär att varje modell för A är en modell för A. Det finns ingen motsvarande sats i predikatlogik om man vill nå en formel på klausulform, men om man bara bryr sig om satisfierbarhet så går det. Theorem (Skolem) För varje mening A så finns det en formel A på klausulform så att A A, dvs A är satisfierbar om och endast om A är satisfierbar. En modell för A behöver inte vara en modell för A, eller tvärtom, utan satsen säger bara att om det finns någon modell för A så finns det någon modell för A.
18 För att hitta en formel som den Skolem säger ska finnas så måste vi på något sätt bli av med existentiella kvantifikatorer i formler på PCNF. x y (x + 2y 0) (0 x 1) Det finns för varje värde på x många olika y som uppfyller den första delen av formeln. Något som alltid fungerar är tex att ta y = x 2, om vi sätter in det i formeln får vi x y (x + 2 x 0) (0 x 1) 2 x y (x x 0) (0 x 1) x y (0 0) (0 x 1) x y (0 x 1) x (0 x 1)
19 Skolems idé var att man i något som y p(x, y) kan byta ut y mot en funktion av x som väljer ut ett av dom värden som enligt y ska finnas. Vi kan då byta ut y p(x, y) mot p(x, f (x)) och bevara satisfierbarheten. De här nya funktionerna kallas Skolemfunktioner
20 Skolems algoritm: Input: En mening A Output: En formel A på klausulform så att A A 1 Använd den tidigare algoritmen för att omvandla A till PCNF. 2 Introducera nya Skolemfunktioner som tar bort alla 3 Stryk alla så att bara matrisen är kvar.
21 Skolems algoritm: Input: En mening A Output: En formel A på klausulform så att A A 1 Använd den tidigare algoritmen för att omvandla A till PCNF. 2 Introducera nya Skolemfunktioner som tar bort alla 3 Stryk alla så att bara matrisen är kvar. Vi tar en närmare titt på steg 2.
22 Steg 2 genomförs genom att börja med den innersta existentiella kvantifikatiorn och dess variabel x. Låt y 1... y n vara alla universellt kvantifierade variabler till vänster om x i prefixet. Vi inför nu en ny Skolemfunktion f som beror på dessa y och byter ut alla x i vår formel mot f (y 1, y 2,..., y n ) och tar bort x. Vi upprepar detta för alla exisentiella kvantifikatorer i formeln.
23 Steg 2 genomförs genom att börja med den innersta existentiella kvantifikatiorn och dess variabel x. Låt y 1... y n vara alla universellt kvantifierade variabler till vänster om x i prefixet. Vi inför nu en ny Skolemfunktion f som beror på dessa y och byter ut alla x i vår formel mot f (y 1, y 2,..., y n ) och tar bort x. Vi upprepar detta för alla exisentiella kvantifikatorer i formeln. y 1 y 2 x 1 y 3 x 2 (x 1 p(y 1, y 2, x 2 )) q(y 3, x 1, x 2 ) Vi inför en skolemfunktion f för x 2 som beror på y 1, y 2, y 3 och ersätter alla x 2 i matrisen med f (y 1, y 2, y 3 ) och får y 1 y 2 x 1 y 3 (x 1 p(y 1, y 2, f (y 1, y 2, y 3 ))) q(y 3, x 1, f (y 1, y 2, y 3 )) Vi inför en skolemfunktion g för x 1 som beror på y 1, y 2 och ersätter alla x 1 i matrisen med g(y 1, y 2 ) och får y 1 y 2 y 3 (g(y 1, y 2 ) p(y 1, y 2, f (y 1, y 2, y 3 ))) q(y 3, g(y 1, y 2 ), f (y 1, y 2, y 3 ))
24 För att göra det enklare att hålla reda på vart Skolemfunktionerna kommer ifrån kan det vara bra att välja ett namn som identifierar de variabel som den kommer ifrån. T.e.x att x 5 byts ut mot f 5.
25 För att göra det enklare att hålla reda på vart Skolemfunktionerna kommer ifrån kan det vara bra att välja ett namn som identifierar de variabel som den kommer ifrån. T.e.x att x 5 byts ut mot f 5. En nackdel med den enkla versionen av Skolems algoritm är att den tenderar att ge skolemfunktioner med hög arity/ställighet, Man kan nå något bättre resultat genom att ändra på PCNF-konverteringen så att man först flyttar alla kvantifikatorer så långt in i formeln som möjlgt, sedan inför Skolemfunktionerna och därefter flyttar ut de universella kvantifikatorerna.
Normalisering av meningar inför resolution 3. Steg 1: Eliminera alla och. Steg 2: Flytta alla negationer framför atomära formler
Normalisering av meningar inför resolution På samma sätt som i satslogiken är resolution i predikatlogiken en process vars syfte är att vederlägga att en klausulmängd är satisfierbar. Det förutsätter dock
Läs merGrundläggande logik och modellteori (5DV102)
Tentamen 2013-10-31 Grundläggande logik och modellteori (5DV102) M. Berglund och K. Markström Totalt antal uppgifter 11 Maximalt antal poäng 30 Krav för 3 i betyg 14 poäng Krav för 4 i betyg 19 poäng,
Läs merGrundläggande logik och modellteori
Grundläggande logik och modellteori Kapitel 4: Konjunktiv och disjunktiv normalform Henrik Björklund Umeå universitet 15. september, 2014 CNF och DNF Konjunktiv normalform (CNF) Omskrivning av en formel
Läs merRobin Stenwall Lunds universitet
Robin Stenwall Lunds universitet Avsnitt 10.3 Några nyttiga ekvivalenser Två sätt att använda tautologa ekvivalenser i första-ordningens logik (1) Satser vars sanningsfuntionella former är tautologt ekvivalenta
Läs merRobin Stenwall Lunds universitet
Robin Stenwall Lunds universitet Vik$gt a) tänka på Innehållet i kursen formell logik förutsätts vara inhämtat (repetera om du är osäker). I allmänhet gäller att kursinnehållet, som ska instuderas på relativt
Läs merRobin Stenwall Lunds universitet
Robin Stenwall Lunds universitet Vik$gt a) tänka på Innehållet i kursen formell logik förutsätts vara inhämtat (repetera om du är osäker). I allmänhet gäller att kursinnehållet, som ska instuderas på relativt
Läs merGrundläggande logik och modellteori (5DV102)
Tentamen 2014-01-10 Grundläggande logik och modellteori (5DV102) M. Berglund och K. Markström Totalt antal uppgifter 10 Maximalt antal poäng 30 Krav för 3 i betyg 1 Krav för 4 i betyg 19 poäng, vara minst
Läs merSanningsvärdet av ett sammansatt påstående (sats, utsaga) beror av bindeord och sanningsvärden för ingående påståenden.
MATEMATISK LOGIK Matematisk logik formaliserar korrekta resonemang och definierar formellt bindeord (konnektiv) mellan påståenden (utsagor, satser) I matematisk logik betraktar vi påståenden som antingen
Läs merKap. 7 Logik och boolesk algebra
Ka. 7 Logik och boolesk algebra Satslogik Fem logiska konnektiv: ej, och, eller, om-så, omm Begre: sats, sanningsvärde, sanningsvärdestabell tautologi, kontradiktion Egenskaer: Räkneregler för satslogik
Läs mer*UXSS YQLQJ±/RJLNPHGWLOOlPSQLQJDUYW
*USS YQLQJ±/RJLNPHGWLOOlPSQLQJDUYW 8SSJLIW Här kommer några teoretiska frågor, skriv svaren med egna ord, dvs skriv inte av ohbilderna: a. Vad är en beslutsprocedur? En algoritm som terminerar och som
Läs merAvslutning. Vad? Hur? Anmärkningar inför tentan 2. Vad ska ni kunna?
Avslutning Anmärkningar inför tentan Vad ska ni kunna? Avslutning 1 Vad? Anmärkningar inför tentan 1 Att ha en bra förståelse för det som behandlades på föreläsningarna, inlämningsuppgifterna och gruppövningarna
Läs merEn introduktion till predikatlogik
rasmus.blanck@gu.se FT1200, LC1510 och LGFI52 VT2017 (Premiss 1) (Premiss 2) (Slutsats) Alla människor är dödliga Sokrates är en människa Sokrates är dödlig Detta argument är intuitivt giltigt: Det finns
Läs merAvslutning. Vad? Hur? Anmärkningar inför tentan 2. Vad ska kunnas?
Avslutning Anmärkningar inför tentan Vad ska kunnas? Avslutning 1 Vad? Anmärkningar inför tentan 1 Att ha en bra förståelse för det som behandlades på föreläsningarna och gruppövningarna räcker i princip.
Läs merFÖRELÄSNING 8 ANDERS MÄRAK LEFFLER IDA/HCS
729G06 Logik FÖRELÄSNING 8 ANDERS MÄRAK LEFFLER IDA/HCS 160309 Idag Sammanfattning*/uppsamling 2 Mer problemöversikt (och lite definitioner) Inte ersättning för andra föreläsningar! 3 Vad är enlogik? Syntax
Läs merDD1350 Logik för dataloger. Fö 7 Predikatlogikens semantik
DD1350 Logik för dataloger Fö 7 Predikatlogikens semantik 1 Kryssprodukt av mängder Om A och B är två mängder så är deras kryssprodukt A B mängden av alla par (a,b), där a A och b B. Ex: A={1,2}, B={3,4},
Läs merGrundläggande logik och modellteori
Grundläggande logik och modellteori Kapitel 12: Logikprogrammering Henrik Björklund Umeå universitet 16. oktober, 2014 Prolog Prolog har två klasser av formler. Atomära formler: country(sweden, 9000000).
Läs merInnehåll. Föreläsning 7. Satslogiken är för grov. Samma sak i predikatlogik: Första ordningens predikatlogik. Logik med tillämpningar
Innehåll Föreläsning 7 Logik med tillämpningar 99-03-01 Första ordningens predikatlogik Objekt, predikat, kvantifierare Funktioner, termer, wffs Bindning och räckvidd Tolkningar och värderingar Satisfiering,
Läs merGrundläggande logik och modellteori
Grundläggande logik och modellteori Kapitel 8: Predikatlogik Henrik Björklund Umeå universitet 2. oktober, 2014 Första ordningens predikatlogik Signaturer och termer Första ordningens predikatlogik Formler
Läs merDatorlingvistisk grammatik I Institutionen för lingvistik och filologi Oktober 2007 Mats Dahllöf
UPPSALA UNIVERSITET Datorlingvistisk grammatik I Institutionen för lingvistik och filologi Oktober 2007 Mats Dahllöf http://stp.ling.uu.se/ matsd/uv/uv07/dg1/ Logisk semantik II 1 Predikatlogik, generella
Läs merp /\ q r DD1350 Logik för dataloger Kort repetition Fö 3 Satslogikens semantik
DD1350 Logik för dataloger Fö 3 Satslogikens semantik 1 Kort repetition Satslogik formellt språk för att uttrycka påståenden med variabler och konnektiv /\, \/,, t.ex. p /\ q r 1 Kort repetition Naturlig
Läs merFormell logik Kapitel 9. Robin Stenwall Lunds universitet
Formell logik Kapitel 9 Robin Stenwall Lunds universitet Kapitel 9: Introduktion till kvantifiering Vi har hittills betraktat logiska resonemang vars giltighet enbart beror på meningen hos konnektiv som
Läs merSemantik och pragmatik (Serie 4)
Semantik och pragmatik (Serie 4) Satser och logik. Mats Dahllöf Institutionen för lingvistik och filologi April 2015 1 / 30 Så här långt (satslogik) Konjunktion (p q): att två enklare satser båda är uppfyllda.
Läs merInnehåll. Föreläsning 4-5. Logiska system. Alfabet. Calculus. Well-formed formulas. Vanliga termer i logik Satslogik. Första ordningens predikatlogik
Innehåll Föreläsning 4-5 Logik med tillämpningar 010220 Vanliga termer i logik Satslogik syntax och semantik beslutsprocedurer Första ordningens predikatlogik syntax och semantik Kapitel 3-5: Topic 8-11
Läs merDetta är ett ofärdigt utdrag ur ovanstående text. Vänligen sprid inte!
Filosofiska institutionen Göteborgs universitet UTKAST Resolution, unifiering och syntaktiska modeller En introduktion till logikprogrammeringens teori Björn Haglund Detta är ett ofärdigt utdrag ur ovanstående
Läs merSemantik och pragmatik
Semantik och pragmatik OH-serie 5 http://stp.lingfil.uu.se/~matsd/uv/uv12/semp/ Mats Dahllöf Institutionen för lingvistik och filologi Januari 2012 Så här långt Konjunktion (p q): att två enklare satser
Läs merTommy Färnqvist, IDA, Linköpings universitet. 1 Kursadministration 1. 2 Introduktion 2 2.1 Varför logik?... 2 2.2 Satslogik... 2
Föreläsning 1 Syntax 729G06 Logikdelen Föreläsningsanteckningar i Programmering och logik 21 januari 2014 Tommy Färnqvist, IDA, Linköpings universitet 1.1 Innehåll Innehåll 1 Kursadministration 1 2 Introduktion
Läs merSatslogik grundläggande definitioner 3. Satslogik. Uppgift 1. Satslogikens syntax (välformade formler) Satslogikens semantik (tolkningar)
Satslogik grundläggande definitioner Satslogikens syntax (välformade formler) Satslogikens semantik (tolkningar) Modeller, logisk konsekvens och ekvivalens Några notationella förenklingar Kompletta mängder
Läs merLogik för datavetare DVK:Log Tisdagen 28 oktober 2014. Institutionen för dataoch systemvetenskap David Sundgren
Institutionen för dataoch systemvetenskap David Sundgren Logik för datavetare DVK:Log Tisdagen 28 oktober 2014 Skrivtid: 9 00-13 00. Inga hjälpmedel utom formelsamlingen på nästa sida är tillåtna. För
Läs merFöreläsning 9: NP-fullständighet
Föreläsning 9: NP-fullständighet Olika typer av problem: 1. Beslutsproblem: A(x) =Ja. 2. Optimeringsproblem: A(x) =m Vanligen max/min. 3. Konstruktionsproblem: A(x) =En struktur. Vanligen lösningen till
Läs merVarför är logik viktig för datavetare?
Varför är logik viktig för datavetare? 1. Datavetenskap handlar ofta om att automatisera processer som tidigare styrts av människor. Intuition, intelligens och mänskliga resonemang ersätts av beräkningar.
Läs merDD1350 Logik för dataloger
DD1350 Logik för dataloger Fö 4 Predikatlogik 1 Kort repetition Satslogik Naturlig deduktion är ett sunt och fullständigt bevissystem för satslogik Avgörbarhet Så vad saknas? Egenskaper Satslogiken är
Läs merLogik I. Åsa Hirvonen Helsingfors universitet. Våren 2013
Logik I Åsa Hirvonen Helsingfors universitet Våren 2013 Inledning Logik är läran om härledning. Med hjälp av logiken kan vi säga när ett resonemang är korrekt och när det inte är det. För att kunna studera
Läs merArtificiell Intelligens Lektion 4
Frames Filmdomän Artificiell Intelligens Lektion 4 Frames (Lab4) Resolution & unifiering Frames system Lagrar hierarkisk information Attribut lagras i attributvärdesstrukturer Attribut kan ha egenskaper
Läs merFilosofisk logik Kapitel 18. Robin Stenwall Lunds universitet
Filosofisk logik Kapitel 18 Robin Stenwall Lunds universitet Dagens upplägg Modeller för FOL Sanning i FOL Tarskis idé Satisfiering Definitionen på sanning i en modell Definitionen på FO-konsekvens Definitionen
Läs merNågra saker som jag inte hann: Ur trigonometriska ettan kan vi uttrycka och i termer av. Vi delar båda led i trig. 1:an med :
1 Onsdag v 1 Några saker som jag inte hann: Ur trigonometriska ettan kan vi uttrycka och i termer av Vi delar båda led i trig 1:an med : Detta ger också att vi kan uttrycka : Formeln ger också en formel
Läs merFormell logik Kapitel 10. Robin Stenwall Lunds universitet
Formell logik Kapitel 10 Robin Stenwall Lunds universitet Kapitel 10: Kvantifikatorernas logik Förra gången introducerade vi kvantifikatorer och variabler Vi har därmed infört samtliga symboler i FOL Brännande
Läs merLogik och bevisteknik lite extra teori
Logik och bevisteknik lite extra teori Inger Sigstam 2011-04-26 1 Satslogik (eng: propositional logic) 1.1 Språket Alfabetet består av följande symboler: satssymbolerna p 0, p 1, p 2,.... konnektiverna,,,,.
Läs merFilosofisk Logik (FTEA21:4) föreläsningsanteckningar/kompendium. v. 2.0, den 29/ III. Metalogik 17-19
Filosofisk Logik (FTEA21:4) föreläsningsanteckningar/kompendium IV v. 2.0, den 29/4 2013 III. Metalogik 17-19 Modeller för satslogiken 18.1 Vi har tidigare sagt att en modell är en tolkning av en teori
Läs merFÖRELÄSNING 3 ANDERS MÄRAK LEFFLER IDA/HCS
729G06 Logik FÖRELÄSNING 3 ANDERS MÄRAK LEFFLER IDA/HCS 160208 Idag C-regeln, informell (och formell) inledning till predikatlogik (Bevis kommer senare.) 2 3 Vår (Snöfritt Cykla) (Vår Snöfritt) Cykla Lätt
Läs merFöreläsning 7+8: NP-problem. Begreppet effektiv algoritm är alltså synonymt med går i polynomisk tid i den här kursen. Är detta en rimlig uppdelning?
Formalisering av rimlig tid Föreläsning 7+8: NP-problem En algoritm som har körtid O(n k ) för någon konstant k är rimligt snabb. En algoritm som har körtid Ω(c n ) för någon konstant c>1 är för långsam.
Läs merFöreläsning 8+9: NP-problem. Begreppet effektiv algoritm är alltså synonymt med går i polynomisk tid i den här kursen. Är detta en rimlig uppdelning?
Formalisering av rimlig tid Föreläsning 8+9: NP-problem En algoritm som har körtid O(n k ) för någon konstant k är rimligt snabb. En algoritm som har körtid Ω(c n ) för någon konstant c>1 är för långsam.
Läs merTommy Färnqvist, IDA, Linköpings universitet. 2 Strukturer 2 2.1 Domäner... 2 2.2 Tolkningar... 3
Föreläsning 2 Semantik 729G06 Logikdelen Föreläsningsanteckningar i Programmering och logik 27 januari 2014 Tommy Färnqvist, IDA, Linköpings universitet 2.1 Innehåll Innehåll 1 Lite mer syntax 1 2 Strukturer
Läs merLektion 8: Konstruktion av semantiska tablåer för PTL-formler
Lektion 8: Konstruktion av semantiska tablåer för PTL-formler Till denna lektion hör uppgift 2, 6 och 0 i lärobokens avsnitt.6 (sid. 255). Lös uppgift 2 genom att konstruera en semantisk tablå. Följande
Läs merFöreläsning 8. Innehåll. Satisfierbarhet hos en formel. Logik med tillämpningar
Föreläsning 8 Logik med tillämpningar 000413 Innehåll Lite mer om värderingar och tolkningar Semantiska tablåer i predikatlogiken Kapitel 3.5 Satisfierbarhet hos en formel En formel A är satisfierbar om
Läs merHornklausuler i satslogiken
Hornklausuler i satslogiken Hornklausuler (efter logikern Alfred Horn) är ett viktigt specialfall som tillåter effektiva algoritmer och ligger till grund för regelbaserade expertsystem och logiska programspråk
Läs merF. Drewes Datavetenskapens grunder, VT02. Lite logik
F Drewes 2002-05-23 Datavetenskapens grunder, VT02 Lite logik Den här texten är en sammanfattning av logikdelen i kursen Datavetenskapens grunder Den handlar om satslogik och predikatlogik, några av deras
Läs merDD1361 Programmeringsparadigm HT15
DD1361 Programmeringsparadigm HT15 Logikprogrammering 1 Dilian Gurov, TCS Innehåll Logikprogrammering Kontrollflöde Unifiering Backtracking Negation Snitt Induktiva datatyper och rekursion Inbyggda datatyper:
Läs merVad är det? Översikt. Innehåll. Vi behöver modeller!!! Kontinuerlig/diskret. Varför modeller??? Exempel. Statiska system
Vad är det? Översikt Discrete structure: A set of discrete elements on which certain operations are defined. Discrete implies non-continuous and therefore discrete sets include finite and countable sets
Läs merMatriser. En m n-matris A har följande form. Vi skriver också A = (a ij ) m n. m n kallas för A:s storlek. 0 1, 0 0. Exempel 1
Matriser En m n-matris A har följande form a 11... a 1n A =.., a ij R. a m1... a mn Vi skriver också A = (a ij ) m n. m n kallas för A:s storlek. Exempel 1 1 0 0 1, 0 0 ( 1 3 ) 2, ( 7 1 2 3 2, 1 3, 2 1
Läs merGrundläggande logik och modellteori
Grundläggande logik och modellteori Kapitel 7: SAT-lösare Henrik Björklund Umeå universitet 29. september, 2014 SAT En instans av SAT är en mängd av mängder av literaler. Exempel: {{p, q, r}, {p, q, s},
Läs merGrundläggande logik och modellteori
Grundläggande logik och modellteori Kapitel 6: Binära beslutsdiagram (BDD) Henrik Björklund Umeå universitet 22. september, 2014 Binära beslutsdiagram Binära beslutsdiagram (Binary decision diagrams, BDDs)
Läs merExempel. Kontinuerliga stokastiska variabler. Integraler i stället för summor. Integraler i stället för summor
Kontinuerliga stokastiska variabler Exempel En stokastisk variabel är kontinuerlig om den kan anta vilka värden som helst i ett intervall, men sannolikheten för varje enskilt utfall är noll: P(X = x) =.
Läs merMer om analytisk geometri
1 Onsdag v 5 Mer om analytisk geometri Determinanter: Då man har en -matris kan man till den associera ett tal determinanten av som också skrivs Determinanter kommer att repeteras och studeras närmare
Läs merFUZZY LOGIC. Christopher Palm chrpa087
FUZZY LOGIC 900223-1554 Innehållsförteckning INLEDNING...2 HUR DET FUNGERAR...3 Crisp Sets och Fuzzy Sets...3 Operatorer...5 IF THEN regler...7 FUZZY INFERENCE...7 Fuzzification...8 Regelsättning...8
Läs merDD1361 Programmeringsparadigm HT16
DD1361 Programmeringsparadigm HT16 Logikprogrammering 1 Dilian Gurov, TCS Delkursinnehåll Logikprogrammering Logisk versus procedurell läsning Kontrollflöde Unifiering, Backtracking, Snitt Negation Induktiva
Läs mer7, Diskreta strukturer
Objektorienterad modellering och diskreta strukturer 7, Diskreta strukturer Sven Gestegård Robertz Datavetenskap, LTH 2015 Modeller Matematiska modeller Kontinuerliga modeller Kontinuerliga funktioner
Läs merIntroduktion till predikatlogik. Jörgen Sjögren
Introduktion till predikatlogik Jörgen Sjögren Högskolan i Skövde Institutionen för naturvetenskap 2002 - 1 - Förord Det som följer på dessa dryga hundra sidor är ett av otaliga försök som gjorts att presentera
Läs merDD1361 Programmeringsparadigm HT17
DD1361 Programmeringsparadigm HT17 Logikprogrammering 1 Dilian Gurov, KTH Delkursinnehåll Logisk versus procedurell läsning Kontrollflöde: Unifiering, Backtracking, Snitt Induktiva datatyper och rekursion
Läs merPrimitivt rekursiva funktioner och den aritmetiska hierarkin
Primitivt rekursiva funktioner och den aritmetiska hierarkin Rasmus Blanck 0 Inledning En rad frågor inom logiken, matematiken och datavetenskapen relaterar till begreppet beräkningsbarhet. En del i kursen
Läs merGrundläggande logik och modellteori
Grundläggande logik och modellteori Kapitel 3: Bevissystem, Hilbertsystem Henrik Björklund Umeå universitet 8. september, 2014 Bevissystem och Hilbertsystem Teorier och deduktionsproblemet Axiomscheman
Läs merDD1350 Logik för dataloger. Fö 2 Satslogik och Naturlig deduktion
DD1350 Logik för dataloger Fö 2 Satslogik och Naturlig deduktion 1 Satslogik En sats(eller utsaga)är ett påstående som kan vara sant eller falskt. I satslogik(eng. propositionallogic) representeras sådana
Läs merOm semantisk följd och bevis
Matematik, KTH Bengt Ek december 2017 Material till kursen SF1679, Diskret matematik: Om semantisk följd och bevis Logik handlar bla om studiet av korrekta slutledningar, dvs frågan om när det är riktigt
Läs merNågot om logik och logisk semantik
UPPSALA UNIVERSITET Semantik och pragmatik (HT 08) Institutionen för lingvistik och filologi Mats Dahllöf http://stp.ling.uu.se/ matsd/uv/uv08/sempht/ Något om logik och logisk semantik 1 Språk och sanning
Läs merSubstitution och unifiering
Substitution och unifiering Exempel varför behövs substitution? Substitution Unifiering Den mest generella unifieraren Substitution och unifiering 1 Resolution kräver substitution ett enkelt exempel Gäller
Läs merDD1350 Logik för dataloger
DD1350 Logik för dataloger Fö 8 Axiomatiseringar 1 Modeller och bevisbarhet Sedan tidigare vet vi att: Om en formel Φ är valid (sann i alla modeller) så finns det ett bevis för Φ i naturlig deduktion.
Läs merMA 11. Hur starkt de binder. 2 Reella tal 3 Slutledning 4 Logik 5 Mängdlära 6-7 Talteori 8 Diofantiska ekvationer 9 Fördjupning och kryptografi
MA 11 Talteori och logik 2 Reella tal 3 Slutledning 4 Logik 5 Mängdlära 6-7 Talteori 8 Diofantiska ekvationer 9 Fördjupning och kryptografi propositionssymboler: bokstäver konnektiv Paranteser konnektiv
Läs merK3 Om andra ordningens predikatlogik
KTH Matematik Bengt Ek Maj 2005 Kompletteringsmaterial till kursen 5B1928 Logik för D1: K3 Om andra ordningens predikatlogik Vi presenterar på dessa sidor kortfattat andra ordningens predikatlogik, vilket
Läs merSats. Om t är en rätvinklig triangel så är summan av kvadraterna på kateterna i t lika med kvadraten på hypotenusan.
Lunds tekniska högskola Datavetenskap Lennart Andersson Föreläsningsanteckningar EDAF10 3 Predikatlogik 3.1 Motivering I satslogiken är de minsta beståndsdelarna satslogiska variabler som kan anta värdena
Läs merArtificiell Intelligens
Omtentamen Artificiell Intelligens Datum: 2014-02-20 Tid: 14.00 18.00 Ansvarig: Resultat: Hjälpmedel: Gränser: Anders Gidenstam Redovisas inom tre veckor Inga G 8p, VG 12p, Max 16p Notera: Skriv läsbart!
Läs mer1 Duala problem vid linjär optimering
Krister Svanberg, april 2012 1 Duala problem vid linjär optimering Detta kapitel handlar om två centrala teoretiska resultat för LP, nämligen dualitetssatsen och komplementaritetssatsen. Först måste vi
Läs merFöreläsning 8: Intro till Komplexitetsteori
Föreläsning 8: Intro till Komplexitetsteori Formalisering av rimlig tid En algoritm som har körtid O(n k ) för någon konstant k är rimligt snabb. En algoritm som har körtid Ω(c n ) för någon konstant c>1
Läs merTMS136. Föreläsning 5
TMS136 Föreläsning 5 Två eller flera stokastiska variabler I många situationer är det av intresse att betrakta fler än en s.v. åt gången Speciellt gör man det i statistik där man nästan alltid jobbar med
Läs merTentamenskod: Inga hjälpmedel är tillåtna
Intelligenta och lärande system 15 högskolepoäng Provmoment: Ladokkod: Tentamen ges för: Tentamen (TEN1) Artificiell intelligens (AI) 5hp 21IS1C Systemarkitekturutbildningen Tentamenskod: Tentamensdatum:
Läs mer9. Predikatlogik och mängdlära
Objektorienterad modellering och diskreta strukturer 9. Predikatlogik och mängdlära Sven Gestegård Robertz Datavetenskap, LTH 2014 Rekaputilation Vi har talat om satslogik naturlig härledning predikatlogik
Läs merMATEMATIKENS SPRÅK. Syftet med denna övning är att med hjälp av logik lära oss att uttrycka matematik mer exakt,
Explorativ övning 1 MATEMATIKENS SPRÅK Syftet med denna övning är att med hjälp av logik lära oss att uttrycka matematik mer exakt, lära oss förstå språket. Vi skall försöka utveckla vårt matematiska språk,
Läs merOm modeller och teorier
Matematik, KTH Bengt Ek december 2017 Material till kursen SF1679, Diskret matematik: Om modeller och teorier Hittills i kursen har vi studerat flera olika typer av matematiska strukturer, bl.a. (partial)ordnade
Läs merFöreläsning 5. Deduktion
Föreläsning 5 Deduktion Hur ett deduktivt system fungerar Komponenter - Vokabulär Ett deduktivt system använder ett visst slags språk som kan kallas för systemets vokabulär. I mindre formella fall är kanske
Läs merGrundläggande logik och modellteori
Modeller och uttrycksfullhet hos predikatlogik Department of mathematics Umeå university Föreläsning 10 Dagens föreläsning 1 Innehåll på resten av kursen 2 Varför verifikation? Formella metoder för verifikation
Läs mer13. CHURCH S OCH GÖDELS SATSER. KORT ORIENTERING OM BERÄKNINGSBARHET, EFFEKTIV UPPRÄKNELIGHET OCH AVGÖRBARHET.
81 13 CHURCH S OCH GÖDELS SATSER KORT ORIENTERING OM BERÄKNINGSBARHET, EFFEKTIV UPPRÄKNELIGHET OCH AVGÖRBARHET Våra beräkningar skall utföras på symbolsträngar, där symbolerna tas från ett givet alfabet
Läs merFöresläsningsanteckningar Sanno II
Föresläsningsanteckningar 1 Gammafunktionen I flera av våra vanliga sannolikhetsfördelningar ingår den s.k. gamma-funktionen. Γ(p) = 0 x p 1 e x dx vilken är definierad för alla reella p > 0. Vi ska här
Läs mer1 De fyra fundamentala underrummen till en matris
Krister Svanberg, mars 2012 1 De fyra fundamentala underrummen till en matris 1.1 Definition av underrum En given delmängd M av IR n säges vara ett underrum i IR n om följande gäller: För varje v 1 M,
Läs merSF1901: Sannolikhetslära och statistik. Väntevärde; Väntevärde för funktioner av s.v:er; Varians; Tjebysjovs olikhet. Jan Grandell & Timo Koski
SF1901: Sannolikhetslära och statistik Föreläsning 5. Väntevärde; Väntevärde för funktioner av s.v:er; Varians; Tjebysjovs olikhet. Jan Grandell & Timo Koski 28.01.2015 Jan Grandell & Timo Koski () Matematisk
Läs merVektorgeometri för gymnasister
Vektorgeometri för gymnasister Per-Anders Svensson http://homepage.lnu.se/staff/psvmsi/vektorgeometri/gymnasiet.html Fakulteten för teknik Linnéuniversitetet Linjära avbildningar I Innehåll En liten tillbakablick:
Läs merFöreläsning 9: Turingmaskiner och oavgörbarhet. Turingmaskinen. Den maximalt förenklade modell för beräkning vi kommer använda är turingmaskinen.
Föreläsning 9: Turingmaskiner och oavgörbarhet Turingmaskinen Den maximalt förenklade modell för beräkning vi kommer använda är turingmaskinen. Data är ett oändligt långt band där nollor och ettor står
Läs merAlgoritmer, datastrukturer och komplexitet
Algoritmer, datastrukturer och komplexitet Övning 10 Anton Grensjö grensjo@csc.kth.se 9 november 2017 1 Idag En konstruktionsreduktion Fler bevis av NP-fullständighet 2 Teori Repetition Ett problem tillhör
Läs merFöreläsning 3: Ekvationer och olikheter
Föreläsning 3: Ekvationer och olikheter En ekvation är en likhet som innehåller en flera obekanta storheter. Exempel: x = 9, x är okänd. t + t + 1 = 7, t är okänd. Vi säger att ett värde på den obekanta
Läs mer8. Naturlig härledning och predikatlogik
Objektorienterad modellering och diskreta strukturer 8. Naturlig härledning och predikatlogik Sven Gestegård Robertz Datavetenskap, LTH 2013 Outline 1 Inledning 2 Inferensregler 3 Predikatlogik 8. Naturlig
Läs merProbabilistisk logik 1
729G43 Artificiell intelligens / 2016 Probabilistisk logik 1 Marco Kuhlmann Institutionen för datavetenskap Osäkerhet 1.01 Osäkerhet Agenter måste kunna hantera osäkerhet. Agentens miljö är ofta endast
Läs merInduktion, mängder och bevis för Introduktionskursen på I
Induktion, mängder och bevis för Introduktionskursen på I J A S, ht 04 1 Induktion Detta avsnitt handlar om en speciell teknik för att försöka bevisa riktigheten av påståenden eller formler, för alla heltalsvärden
Läs merSemantik och pragmatik
Semantik och pragmatik OH-serie 4 http://stp.lingfil.uu.se/~matsd/uv/uv12/semp/ Mats Dahllöf Institutionen för lingvistik och filologi Januari 2012 Om barnet har svårt att andas eller har ont i bröstet
Läs merTMS136. Föreläsning 5
TMS136 Föreläsning 5 Två eller flera stokastiska variabler I många situationer är det av intresse att betrakta fler än en s.v. åt gången Speciellt gör man det i statistik där man nästan alltid jobbar med
Läs merViktiga frågor att ställa när ett argument ska analyseras och sedan värderas:
FTEA12:2 Föreläsning 2 Grundläggande argumentationsanalys II Repetition: Vid förra tillfället började vi se närmre på vad som utmärker filosofisk argumentationsanalys. Vi tittade närmre på ett arguments
Läs merVectorer, spannet av vektorer, lösningsmängd av ett ekvationssystem.
Vectorer, spannet av vektorer, lösningsmängd av ett ekvationssystem. Begrepp som diskuteras i det kapitlet. Vektorer, addition och multiplikation med skalärer. Geometrisk tolkning. Linjär kombination av
Läs merDen Gyllene Regeln och Substitutionsfunktioner
Den Gyllene Regeln och Substitutionsfunktioner Daniel Rönnedal Abstrakt Enligt den s.k. gyllene regeln bör vi behandla andra så som vi själva vill bli behandlade. Det här är en princip som kan uttryckas
Läs merFormella metoder. Loop-program som statetransformers. Betrakta följande problem. specifikationen.
8Att bevisa egenskaper om program Formella metoder... 1 Loop-program som statetransformers... 1 Några exempel... 2 Partiell korrekthet och total korrekthet... 3 Programspecifikation... 3 Hoarelogik och
Läs merMATEMATIKENS SPRÅK. Syftet med denna övning är att med hjälp av logik lära oss att uttrycka matematik mer exakt, lära oss
Explorativ övning 1 LMA100 vt 2003 MATEMATIKENS SPRÅK Syftet med denna övning är att med hjälp av logik lära oss att uttrycka matematik mer exakt, lära oss förstå språket. Vi skall försöka utveckla vårt
Läs merJesper Carlström 2008 (reviderad 2009)
Jesper Carlström 2008 (reviderad 2009) Jesper Carlström Matematiska institutionen Stockholms universitet 106 91 Stockholm http://www.math.su.se/ jesper/logikbok/ c 2009 Jesper Carlström Typsatt av L A
Läs merFöreläsningsmanus i matematisk statistik för lantmätare, vecka 5 HT06
Föreläsningsmanus i matematisk statistik för lantmätare, vecka 5 HT06 Bengt Ringnér September 20, 2006 Inledning Detta är preliminärt undervisningsmaterial. Synpunkter är välkomna. 2 Väntevärde standardavvikelse
Läs merRobin Stenwall Lunds universitet
Robin Stenwall Lunds universitet Dagens föreläsning Informella bevismetoder för kvantifikatorer Universell elimination Existentiell introduktion Existentiell elimination Universell introduktion General
Läs merMatematisk statistik för D, I, Π och Fysiker
max/min Matematisk statistik för D, I, Π och Fysiker Föreläsning 5 Johan Lindström 25 september 218 Johan Lindström - johanl@maths.lth.se FMSF45/MASB3 F5 1/25 max/min Johan Lindström - johanl@maths.lth.se
Läs mer