Beräkning med ord. -hur en dator hanterar perception. Linköpings universitet Artificiell intelligens Erik Claesson

Save this PDF as:
 WORD  PNG  TXT  JPG

Storlek: px
Starta visningen från sidan:

Download "Beräkning med ord. -hur en dator hanterar perception. Linköpings universitet Artificiell intelligens 2 2010-10-03 Erik Claesson 880816-1692"

Transkript

1 Beräkning med ord -hur en dator hanterar perception Erik Claesson

2 Innehåll Inledning... 3 Syfte... 3 Kan datorer hantera perception?... 4 Naturligt språk... 4 Fuzzy Granulation... 5 Fuzzy logic och Fuzzy set... 6 Fuzzy set relationer... 7 Computational Theory of Perception... 8 Generalized constraints... 8 Diskussion Referenser

3 Inledning Människor är bra på många saker som datorer idag har väldigt svårt för. Sådana problem är exempelvis beslutsfattande och problemlösning med begränsad informationstillgång. En teori under utveckling som försöker lösa detta problem är Lotfi A. Zadehs teori om The computational theory of perception (2001), CTP. Denna teori resonerar kring det faktum att dator inte kan hantera information baserad på perception, till exempel parkering av en bil. Att datorer inte kan hantera perception menar Lotfi A. Zadeh är anledningen till att många av dagens AI-problem är så svårlösta. Syfte I denna uppsats tänkte jag försöka förklara Lotfi A. Zadehs idéer om hur perceptionsbaserad information kan användas av en dator för att formulera problem. Samt titta på vilka grundläggande principer som finns för att anpassa datons sätt att hantera information på. I syftet att underlätta representationen av perceptionsbaserad information. Allt detta baseras på fuzzy logic som Lotfi A. Zadeh är grundare av. För att förstå detta är det bra att känna till grunderna i fuzzy logic, vilket jag även kommer ta upp. 3

4 Kan datorer hantera perception? Datorer kan göra saker som är helt omöjliga för oss människor. En av grundstenarna för forskning inom matematiska områden har varit att försöka omvandla perception till exakta mätningar och siffror. Detta har lett till stora framsteg, som månresor och det faktum att en dator kan göra flera tusen beräkningar i sekunden. På dessa områden är datorn helt överlägsen oss människor (Zadeh, 1999). På andra håll verkar det nästan helt omöjligt för en dator att lösa vissa typer av problem, som att få en dator att parkera en bil, översätta språk eller sammanfatta en text på samma nivå som en människa. Hur kan en dator vara så bra på vissa problem medan den är helt värdelös på andra? Människor upplever nästan allting via perception, vilket gör att vi har blivit väldigt duktiga på att göra ett flertal olika fysiska och mentala saker utan att göra beräkningar och mätningar. Mycket av den information som vi tar till oss via perception har vi sedan omvandlat till mer exakta mätningar, och preciserat detta så att en dator kan använda sig av det. Problemet uppkommer när vi inte har tillgång till tillräckligt mycket information för att kunna göra denna omvandling (Zadeh, 1999). Naturligt språk Människors språk speglar det vi ser och upplever, vilket innebär att mycket av den information som vi människor använder oss av finns i det naturliga språket. Alltså är vår kunskap beskriven i naturligt språk. Datorernas avsaknad av att kunna använda sig av den informationen gör att datorerna blir begränsade. Idag måste vi omvandla vårt språk till datorns språk när vi vill att den ska lösa ett problem. En del av den här kunskapen kan vi idag inte överföra till en dator (Zadeh, 2004). Det finns ett väldigt stor glapp mellan hur vi människor beskriver information och på hur datorer beskriver information. När vi uttrycker ett problem för en dator så måste vi vara väldigt precisa för att en dator ska ha en chans att lösa det. Det går inte idag att ge en dator ett luddigt uttryck och få den att dra slutsatser utifrån det, medan en människa kan dra en mängd slutsatser från samma information. Ett perceptionsbaserat uttryck kan innehålla en stor mängd information som en dator idag inte har förmåga att hantera. Om vi tar till exempel ordet ung, så är det ordet väldig otydligt och luddigt, men de flesta vet ändå vad som menas med det (Zadeh, 2004). 4

5 Fuzzy Granulation Något som kännetecknar ett perceptionsbaserat uttryck kan vara kategorier som tid, höjd, ålder, temperatur, likhet, relevans och liknade attribut. Det som är gemensamt för alla dessa är att de inte har någon fast gräns. Det går helt enkelt inte att precisera precis vad som menas. Här använder Lotfi A Zadeh (2001) ett uttryck fuzzy granulation, som beskriver någonting som inte har någon fast gräns. Till skillnad från crisp granulation, som har väldigt tydliga gränser. Ett exempel på fuzzy granulation kan vara våra kroppsdelar. Vi vet vart axeln sitter men inte exakt vart den slutar. Det är samma sak med nacke och huvud. Detta är väldigt precis och tydlig information med luddiga gränser, som datorer har väldigt svårt att beskriva. Ett annat exempel är ålder som kan delas upp i olika kategorier utan tydliga gränser; ung, medelårig och gammal. Det finns ingen exakt gräns när någon går från att vara ung till medelålders, utan kan istället beskrivas som en övergång där man under en period är lite minde ung och lite medelålders. Skulle detta istället beskrivas i Crisp Granulation skulle det uttryckas i siffror (Se figur 1). Figur 1 Åldersindelning uttryckt i diskreta enheter (crisp), eller i luddiga enheter (fuzzy) 5

6 Nedan följer ytterligare ett exempel på hur information kan presenteras antingen som perceptionsbaserad, eller med mer exakta mätningar och siffror. Mätbara variabler (crisp) Erik är 25 Det är 25 Arbetslösheten är 4.5% Ingen motsvarighet Perceptionsbaserade variabler (fuzzy) Erik är ung Det är varmt Arbetslösheten är låg De flesta svenskar är blonda Fuzzy logic och Fuzzy set Fuzzy logic ger oss ett verktyg att resonera med information som är ofullständig. Ett viktigt förtydligande med fuzzy logic är att det inte är ett otydligt resonemang, utan ett sätt att resonera med otydlig information (Zadeh, 1999). Vanlig logik som beskriver något som sant eller falskt, probabilistisk logik beskriver hur stor sannolikhet det är för något att vara sant eller falskt. Fuzzy logic eller mer exakt fuzzy set beskriver till vilken grad något är medlem av en kategori. Genom att tilldela ett objekt ett värde mellan [0, 1] så beskriver det till hur stor del objektet till hör en kategori. Där 0 är motsvarigheten till falskt och 1 till Sant. I figur 3 visas hur en medlemskap funktion för kategorin ung kan se ut. Den visar att en person skulle till höra kategorin ung med värde 1 fram till att personen är 20 år, vilket visar att personen är sann till 100 %. Mellan 20 år och 30 år går medlemskapet linjärt neråt till att inte tillhöra kategorin alls vi 30 år (Nguyen & Walker, 1997). 6

7 Figur 2 Ett exempel på hur en medlemskap funktion för kategorin ung skulle kunna se ut Fuzzy set relationer Precis som i vanlig logik så finns det ett antal regler som vi kan använda. Det operatorerna vi har är AND, OR och NOT. OR: A ᴗB = Max (A, B) Vilket innebär att vi tar det högsta värdet som antingen A eller B är. Erik(Ung) = 0.8 Erik(Medelålders) = 0.6 Erik(ung) = 0.8 Erik(medelålders) = 0.6 Erik(ung) OR Erik(medelålders) = Max (0.8, 0.6) Max (0.8, 0.6) = 0.8 Erik(ung) OR Erik(medelålders) = 0.6 AND: A ᴗB = Min (A, B) Vilket innebär att vi tar det längsta värdet som antingen A eller B är. Erik(Ung) = 0.8 7

8 Erik(Medelålders) = 0.6 Erik(ung) AND Erik(medelålders) = Min (0.8, 0.6) Max (0.8, 0.6) = 0.8 Erik(ung) AND Erik(medelålders) = 0.6 NOT: ᴗA = 1 - A Erik(ung) = 0.8 ᴦErik(ung) = = 0.2 Computational Theory of Perception CTP är inspirerad av människans förmåga att kunna handla och resonera utan att göra några beräkningar eller mätningar. Den behandlar hur perceptionsproblem kan utryckas i naturligt språk och hur problemen ska formuleras för att kunna beräknas (Zadeh, 2001). Zadeh (1999) tar upp några problem som skulle kunna använda sig av CTP: Vi vet inte allt, vi har inte tillräckligt med information för exakta mätningar. Vi behöver inte veta allt, vi kan tolerera oprecision vilket kan ge oss en lägre kostnad, mer robust system och bättre anknytning till miljön. Vi kan inte lösa problem med för precis information. Problemet kan inte lösas genom numerisk beräkning. Vi kan inte definieras problemet. När ett uttryck är så komplext att det inte kan beskrivas med siffror. Generalized constraints När vi sak beskriva problem som ovanför för en dator får vi problemet att våra vanliga villkor inte räcker till. Till exempel så har utcheckning från hotellet sker vid 11 inte samma innebörd som utcheckning = 11. Grunden för att kunna göra beräkningar baserade på perception är att ha villkor som motsvarar de lingvistiska uttryck som vi använder oss av. Det kan vi göra genom att introducera nya generaliserade villkor. Genom att representera det med en ny semantik som har elasticitet som representerar det naturliga språket. Vilket ser ut så här: GC(x): X isr R I Uttrycket ovanför visar vilken slags relation X har till R. Ett mer konkret exempel är om vi ska beskriva någon som är ung, så kan det göra så här: 8

9 Erik is ung ålder(erik) is ung r:et i det första exemplet är en variabel, visar vilket typ av diskret relation X har till R. Det här r:et kan bytas ut mot en mängd olika konstanter för att visa olika typer av relationer som X har till R. Ifall (r = blank) som i exemplet Erik is ung. Så visar det att Erik har en relation till ett Fuzzy Set (ung) Det tre vanligast konstanterna är: X is R: vilket representerar en möjlig relation mellan X och R. Erik is ung ålder(erik) is ung X isp R: vilket representerar en sannolikhets relation mellan X och R Vilket visar vilken sannolikhet X har till en mängd objekt. X isp (0.2/a + 0.4/b + 0.4/c) Vilket visar att X har 0.2 i sannolikhet att anta värde a. X isv R: vilket representerar en sannings relation mellan X och R Där R kan ha flera värden med olika sanningar. Ifall man ska beskriva vilka språk en person pratar flytande kan det beskrivas: Erik pratar flytande Svenska, Engelska och Franska. Flytande(Erik) isv (1/Svenska +0.8/Engelska + 0.1/Franska) Siffran visar till vilken grad som Erik pratar ett visst språk och fungerar som medlemskapet i Fuzzy Set. 9

10 Diskussion Lotfi A Zadeh argumenterar för att bristen att kunna resonera kring perception har lett till den långsamma utveckling som AI har haft, vilket för mig låter som en vettig anledning. Om dator inte kan behärska de grundläggande principer för hur vi människor hanterar information på. Hur ska den då kunna lösa många av de problem som vi har? Även om bristen kring att inte kunna resonera kring perception har slagit igenom stor än så tror jag det kommer bli viktigare och viktigare med utvecklingen. Lotfi A Zadeh tar upp många intressanta bitar som jag tycker han har löst på ett bra sätt men det är långt ifrån färdigutvecklat. En intressant sak som jag inte sätt han skriva någonting om är hur man ska definiera olika uttryck. Med tanke på att många ord har olika betydelse för olika människor blir det här ett ganska stort problem. Att använda sig av det här i en viss situation går kanske att lösa på ett ganska bra sätt. Men hur gör man det mer generellt? En intressant idé är att kombinera det här med någon slags inlärning som bygger på statistik. Liknade hur google gör för att översätta språk. Vägen till en intelligent dator som kan samspela med människan på något sätt, tror jag bygger mycket på att vi har samma bas av informationshantering. 10

11 Referenser Nguyen, Hung T., Walker Elbert A. (1997) A First Course in FUZZY LOGIC Zadeh, L.A., (1999). From computing with numbers to computing with words from manipulation of measurements to manipulation of perceptions. Zadeh, L. A. (2001) A New Direction in AI. Toward a Computational Theory of Perception. AI magazine 22(1): Zadeh, L. A. (2004) Precisiated natural language (PNL), AI Magazine 25(3):

Innehållsförtekning Sida. Inledning 3 Vad är fuzzy logic? 3 Mängder 3 Medlemsfunktioner 5 Operationer 6 Fuzzification 8 Litteraturförteckning 9

Innehållsförtekning Sida. Inledning 3 Vad är fuzzy logic? 3 Mängder 3 Medlemsfunktioner 5 Operationer 6 Fuzzification 8 Litteraturförteckning 9 Fuzzy Logic Innehållsförtekning Sida Inledning 3 Vad är fuzzy logic? 3 Mängder 3 Medlemsfunktioner 5 Operationer 6 Fuzzification 8 Litteraturförteckning 9 2 Inledning Med detta fördjupningsarbete vill

Läs mer

729G11 Artificiell Intelligens Marcus Johansson Marjo581. Fuzzy logic. Marcus Johansson Marjo581

729G11 Artificiell Intelligens Marcus Johansson Marjo581. Fuzzy logic. Marcus Johansson Marjo581 Fuzzy logic 880328-2535 Innehåll Fuzzy logic... 1 1. Inledning... 4 2. Jämförelse mellan fuzzy logic och tvåvärdeslogik.... 4 3. Fuzzy sets.... 4 4. Linvistiska variabler... 5 5. Operatorer... 5 6. If-

Läs mer

Fuzzy Logic. Ellinor Ihs Håkansson, ellih

Fuzzy Logic. Ellinor Ihs Håkansson, ellih Fuzzy Logic, 2016-01-09 Innehållsförteckning Introduktion... 3 Vad är Fuzzy Logic?... 3 Fuzzy eller crisp?... 4 Fuzzy set... 5 Medlemskapsfunktioner... 6 Operationer... 8 Fuzzy expert systems och Fuzzy

Läs mer

Fuzzy Logic Linköpings Universitet

Fuzzy Logic Linköpings Universitet Fuzzy Logic Linköpings Universitet 2 Innehållsförteckning 1. Inledning... 4 2. Bakgrund... 4 3. Fuzzy Logic... 5 3.1. Fuzzy Sets... 6 4. Operatorer... 7 4.1. Union och snitt... 7 4.2. IF, THEN, AND och

Läs mer

LINKÖPINGS UNIVERSITET. Fuzzy Logic. Johan Brage 9/16/2012

LINKÖPINGS UNIVERSITET. Fuzzy Logic. Johan Brage 9/16/2012 LINKÖPINGS UNIVERSITET Fuzzy Logic Johan Brage 9/16/2012 Innehållsförteckning 1. Inledning... 1 2. Fuzzy Logic... 2 3. Crisp Sets... 3 4. Fuzzy Sets... 4 4.1 Operatorer... 5 4.2 IF-THEN... 7 4.3 Hedges...

Läs mer

Fördjupningsarbete HT 2012 FUZZY LOGIC

Fördjupningsarbete HT 2012 FUZZY LOGIC FUZZY LOGIC 1 Innehåll Bakgrund & Introduktion till fuzzy logic... 3 Syfte... 3 Fuzzy sets... 4 Hedges... 5 Fuzzy set logic... 6 IF-THEN relger... 7 Fuzzy Inference... 7 Användandet utav fuzzy logic i

Läs mer

Fuzzy Logic: Den oskarpa skarpheten

Fuzzy Logic: Den oskarpa skarpheten Fuzzy Logic: Den oskarpa skarpheten Av: 1 Innehåll Inledning... 3 Vad är Fuzzy Logic?... 4 Fuzzy sets... 4 Medlemsskapsfunktion... 5 Operatorer... 7 Union... 7 Snitt... 8 Komplement... 8 Exempel med de

Läs mer

Introduktion till logik

Introduktion till logik Introduktion till logik Av Johan Johansson Johan.johansson@guldstadsgymnasiet.se Logik sägs som många andra saker komma från de grekiska filosoferna, och ordet kommer också därifrån. Grekerna kallade det

Läs mer

Fussy sets och Fuzzy logik Luddigt eller självklart? Kognitionsvetenskap, 729G11 Sandra Svanberg, sansv418 19/09/2011 Linköpings universitet

Fussy sets och Fuzzy logik Luddigt eller självklart? Kognitionsvetenskap, 729G11 Sandra Svanberg, sansv418 19/09/2011 Linköpings universitet Luddigt eller självklart? Kognitionsvetenskap, 729G11 Sandra Svanberg, sansv418 19/09/2011 Linköpings universitet 2 2 3 Innehållsförteckning 1 Figur och tabellförteckning... 4 Sammanfattning... 6 2 Inledning...

Läs mer

Fuzzy control systems

Fuzzy control systems Institutionen för datavetenskap Artificiell intelligens II, 729g11 Projekt HT-12 LINKÖPING UNIVERSITET Fuzzy control systems Användning av fuzzy logic I tvättmaskiner Karolin Nissa 9/17/2012 Abstract Den

Läs mer

Likhetstecknets innebörd

Likhetstecknets innebörd Modul: Algebra Del 5: Algebra som språk Likhetstecknets innebörd Följande av Görel Sterner (2012) översatta och bearbetade text bygger på boken: Carpenter, T. P., Franke, M. L. & Levi, L. (2003). Thinking

Läs mer

MATEMATIKENS SPRÅK. Avsnitt 1

MATEMATIKENS SPRÅK. Avsnitt 1 Avsnitt 1 MATEMATIKENS SPRÅK Varje vetenskap, liksom varje yrke, har sitt eget språk som ofta är en blandning av vardagliga ord och speciella termer. En instruktionshandbok för ett kylskåp eller för en

Läs mer

D. x 2 + y 2 ; E. Stockholm ligger i Sverige; F. Månen är en gul ost; G. 3 2 = 6; H. x 2 + y 2 = r 2.

D. x 2 + y 2 ; E. Stockholm ligger i Sverige; F. Månen är en gul ost; G. 3 2 = 6; H. x 2 + y 2 = r 2. Logik Vid alla matematiskt resonemang måste man vara säker på att man verkligen menar det man skriver ner på sitt papper. Därför måste man besinna hur man egentligen tänker. Den vetenskap, som sysslar

Läs mer

de var svåra att implementera och var väldigt ineffektiva.

de var svåra att implementera och var väldigt ineffektiva. OBS! För flervalsfrågorna gäller att flera alternativ eller inget alternativ kan vara korrekt. På flervalsfrågorna kan man bara ha rätt eller fel, dvs frågan måste vara helt korrekt besvarad. Totalt kan

Läs mer

Observationsschema Problemlösningsförmåga

Observationsschema Problemlösningsförmåga Observationsschema Problemlösningsförmåga Klass: Elevens namn Kan formulera räknehändelser i addition/ subtraktion/multiplikation/division. Läser och visar förståelse för matematiska problem. Kan överföra

Läs mer

Lokal pedagogisk planering i matematik för årskurs 9

Lokal pedagogisk planering i matematik för årskurs 9 Lokal pedagogisk planering i matematik för årskurs 9 Arbetsområde 4. Samband och förändring Syfte formulera och lösa problem med hjälp av matematik samt värdera valda strategier och metoder. reflektera

Läs mer

Np MaB vt 2002 NATIONELLT KURSPROV I MATEMATIK KURS B VÅREN 2002

Np MaB vt 2002 NATIONELLT KURSPROV I MATEMATIK KURS B VÅREN 2002 Skolverket hänvisar generellt beträffande provmaterial till bestämmelsen om sekretess i 4 kap. 3 sekretesslagen. För detta material gäller sekretessen fram till utgången av juni 00. Anvisningar Provtid

Läs mer

NATIONELLT KURSPROV I MATEMATIK KURS B VÅREN Del I, 9 uppgifter utan miniräknare 3. Del II, 8 uppgifter utan miniräknare 5

NATIONELLT KURSPROV I MATEMATIK KURS B VÅREN Del I, 9 uppgifter utan miniräknare 3. Del II, 8 uppgifter utan miniräknare 5 freeleaks NpMaB vt00 1(8) Innehåll Förord 1 NATIONELLT KURSPROV I MATEMATIK KURS B VÅREN 00 Del I, 9 uppgifter utan miniräknare 3 Del II, 8 uppgifter utan miniräknare 5 Förord Uppgifter till den äldre

Läs mer

i LabVIEW. Några programmeringstekniska grundbegrepp

i LabVIEW. Några programmeringstekniska grundbegrepp Institutionen för elektroteknik Några programmeringstekniska grundbegrepp 1999-02-16 Inledning Inom datorprogrammering förekommer ett antal grundbegrepp som är i stort sett likadana oberoende om vi talar

Läs mer

Slumpförsök för åk 1-3

Slumpförsök för åk 1-3 Modul: Sannolikhet och statistik Del 3: Att utmana elevers resonemang om slump Slumpförsök för åk 1-3 Cecilia Kilhamn, Göteborgs Universitet Andreas Eckert, Linnéuniversitetet I följande text beskrivs

Läs mer

Introduktion till programmering och Python Grundkurs i programmering med Python

Introduktion till programmering och Python Grundkurs i programmering med Python Introduktion till programmering och Python Hösten 2009 Dagens lektion Vad är programmering? Vad är en dator? Filer Att tala med datorer En första titt på Python 2 Vad är programmering? 3 VAD ÄR PROGRAMMERING?

Läs mer

Likhetstecknets innebörd

Likhetstecknets innebörd Likhetstecknets innebörd Följande av Görel Sterner översatta och bearbetade text bygger på boken: arithmetic & algebra in elementary school. Portsmouth: Heinemann Elever i åk 1 6 fick följande uppgift:

Läs mer

Studier med barn, fördelar. Kognitiv utveckling. Upplägg. Många aspekter. Generella aspekter. Barndomens kognitiva utveckling 2012-01-24

Studier med barn, fördelar. Kognitiv utveckling. Upplägg. Många aspekter. Generella aspekter. Barndomens kognitiva utveckling 2012-01-24 Kognitiv utveckling Pär Nyström www.babylab.se Studier med barn, fördelar Ordning av kognitiva processer Mindre försöksledareffekter Bra fysiologiska förutsättningar Kan testa sånt som är omöjligt på vuxna

Läs mer

Lgr 11 matriser i Favorit matematik 4 6

Lgr 11 matriser i Favorit matematik 4 6 Lgr 11 matriser i Favorit matematik 4 6 FÖRMÅGOR FÖRMÅGOR Lgr 11: Genom undervisningen i ämnet matematik ska eleverna sammanfattningsvis ges förutsättningar att utveckla förmågan att De matematiska förmågor

Läs mer

Varför är logik viktig för datavetare?

Varför 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 mer

I den här uppgiften ska du undersöka förhållandet mellan parabelarean och rektangelarean.

I den här uppgiften ska du undersöka förhållandet mellan parabelarean och rektangelarean. 17. Figuren visar en parabel och en rektangel i ett koordinatsystem. Det skuggade området är begränsat av parabeln och x-axeln. Arean av det skuggade området kallas i fortsättningen parabelarean. Vid bedömning

Läs mer

Datatyper och kontrollstrukturer. Skansholm: Kapitel 2) De åtta primitiva typerna. Typ Innehåll Defaultvärde Storlek

Datatyper och kontrollstrukturer. Skansholm: Kapitel 2) De åtta primitiva typerna. Typ Innehåll Defaultvärde Storlek De åtta primitiva typerna Java, datatyper, kontrollstrukturer Skansholm: Kapitel 2) Uppsala Universitet 11 mars 2005 Typ Innehåll Defaultvärde Storlek boolean true, false false 1 bit char Tecken \u000

Läs mer

Objektorienterad Programmering (TDDC77)

Objektorienterad Programmering (TDDC77) Objektorienterad Programmering (TDDC77) Föreläsning II: utmatning, variabler, typer Ahmed Rezine IDA, Linköpings Universitet Hösttermin 2016 Kompilera och köra programmet under terminal 2: I Skapa Hej.java

Läs mer

I Skapa Hej.java och skriv programmet. I Kompilera med javac Hej.java. I Rätta fel och repetera tills du lyckas kompilera ditt program

I Skapa Hej.java och skriv programmet. I Kompilera med javac Hej.java. I Rätta fel och repetera tills du lyckas kompilera ditt program Kompilera och köra programmet Objektorienterad Programmering (TDDC77) Föreläsning II: utmatning, variabler, typer Ahmed Rezine IDA, Linköpings Universitet Hösttermin 2016 under terminal 2: I Skapa Hej.java

Läs mer

Booleska variabler och översättning mellan programuttryck och booleska variabler

Booleska variabler och översättning mellan programuttryck och booleska variabler Vad är Boolesk algebra Lite förenklat kan man säga att Boolesk algebra är räkneregler konstruerade av den engelske matematikern Gerge Boole för att kunna räkna med logiska uttryck. I den booleska algebran

Läs mer

Laboration Fuzzy Logic

Laboration Fuzzy Logic BILAGA B Laboration Fuzzy Logic Lär dig simulera ett program! ABB INDUSTRIGYMNASIUM Fuzzy Logic Wikingsons Wåghalsiga Wargar Projekt ABB VT 2006 Västerås Innehåll 1 Introduktion... 3 2 Uppgiften... 3 2.1

Läs mer

Probabilistisk logik 1

Probabilistisk 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 mer

Föreläsning 1: Intro till kursen och programmering

Föreläsning 1: Intro till kursen och programmering Föreläsning 1: Intro till kursen och programmering λ Kursens hemsida http:www.it.uu.se/edu/course/homepage/prog1/mafykht11/ λ Studentportalen http://www.studentportalen.uu.se UNIX-konton (systemansvariga

Läs mer

Matematik. Syfte. reflektera över rimlighet i situationer med matematisk anknytning, och använda ämnesspecifika ord, begrepp och symboler.

Matematik. Syfte. reflektera över rimlighet i situationer med matematisk anknytning, och använda ämnesspecifika ord, begrepp och symboler. Matematik Kurskod: SGRMAT7 Matematiken har en flertusenårig historia med bidrag från många kulturer. Den utvecklas såväl ur praktiska behov som ur människans nyfikenhet och lust att utforska en som sådan.

Läs mer

Lokal pedagogisk planering i matematik för årskurs 9

Lokal pedagogisk planering i matematik för årskurs 9 Lokal pedagogisk planering i matematik för årskurs 9 Arbetsområde 3. Ekvationer och geometri. Syfte formulera och lösa problem med hjälp av matematik samt värdera valda strategier och metoder. reflektera

Läs mer

Np MaB vt Låt k = 0 och rita upp de båda linjerna. Bestäm skärningspunkten mellan linjerna.

Np MaB vt Låt k = 0 och rita upp de båda linjerna. Bestäm skärningspunkten mellan linjerna. Vid bedömning av ditt arbete med uppgift nummer 17 kommer läraren att ta hänsyn till: Hur väl du beräknar och jämför trianglarnas areor Hur väl du motiverar dina slutsatser Hur väl du beskriver hur arean

Läs mer

Föreläsning 1: Intro till kursen och programmering

Föreläsning 1: Intro till kursen och programmering Föreläsning 1: Intro till kursen och programmering Kursens hemsida http:www.it.uu.se/edu/course/homepage/prog1/vt11 Studentportalen http://www.studentportalen.uu.se Lärare: Tom Smedsaas, Tom.Smedsaas@it.uu.se

Läs mer

A. MENING OCH SANNINSGVÄRDE HOS IDENTITETSPÅSTÅENDE. Freges utgångspunkt: mening och meningsfullhet hos identitetspåståenden

A. MENING OCH SANNINSGVÄRDE HOS IDENTITETSPÅSTÅENDE. Freges utgångspunkt: mening och meningsfullhet hos identitetspåståenden II. FREGE A. MENING OCH SANNINSGVÄRDE HOS IDENTITETSPÅSTÅENDE Freges utgångspunkt: mening och meningsfullhet hos identitetspåståenden antag att namn A står för objekt a och namn B står för objekt b antag

Läs mer

Grunderna i stegkodsprogrammering

Grunderna i stegkodsprogrammering Kapitel 1 Grunderna i stegkodsprogrammering Följande bilaga innehåller grunderna i stegkodsprogrammering i den form som används under kursen. Vi kommer att kort diskutera olika datatyper, villkor, operationer

Läs mer

Lösningar och kommentarer till uppgifter i 2.2

Lösningar och kommentarer till uppgifter i 2.2 Lösningar och kommentarer till uppgifter i 2.2 2202 Beräkna Detta ger f(3 + h) f(3) då f(x) x 2 (3 + h) 2 3 2 h 2 + 6h 6 + h 6 h 0 Vi har därmed bestämt riktningskoefficienten (k-värdet) för tangenten

Läs mer

Asymptotisk analys innebär att... man försöker uppskatta vad som händer för stora indatamängder.

Asymptotisk analys innebär att... man försöker uppskatta vad som händer för stora indatamängder. OBS! För flervalsfrågorna gäller att ett, flera eller inget alternativ kan vara korrekt. På flervalsfrågorna kan man bara ha rätt eller fel, dvs frågan måste vara helt korrekt besvarad för att man skall

Läs mer

DIGITALA TAL OCH BOOLESK ALGEBRA

DIGITALA TAL OCH BOOLESK ALGEBRA DIGITALA TAL OCH BOOLESK ALGEBRA Innehåll Talsystem och koder Aritmetik för inära tal Grundläggande logiska operationer Logiska grindar Definitioner i Boolesk algera Räknelagar BINÄRA TALSYSTEMET Binärt

Läs mer

Anna: Bertil: Cecilia:

Anna: Bertil: Cecilia: Marco Kuhlmann 1 Osäkerhet 1.01 1.02 1.03 1.04 1.05 Intelligenta agenter måste kunna hantera osäkerhet. Världen är endast delvist observerbar och stokastisk. (Jmf. Russell och Norvig, 2014, avsnitt 2.3.2.)

Läs mer

BILAGA 2 SIDA 1 AV 5 GUF GEMENSAM UTVECKLING AV DE KOMMUNALA FÖRSKOLORNA I SÖDERMALMS STADSDELSOMRÅDE. Senast reviderad

BILAGA 2 SIDA 1 AV 5 GUF GEMENSAM UTVECKLING AV DE KOMMUNALA FÖRSKOLORNA I SÖDERMALMS STADSDELSOMRÅDE. Senast reviderad BILAGA 2 SIDA 1 AV 5 GUF GEMENSAM UTVECKLING AV DE KOMMUNALA FÖRSKOLORNA I SÖDERMALMS STADSDELSOMRÅDE Senast reviderad 2011-01-10 SID 2 (5) Instruktion till uppföljningsmaterialet Ansvarig för att fylla

Läs mer

FÖRMÅGAN ATT UNDERSÖKA

FÖRMÅGAN ATT UNDERSÖKA FÖRMÅGAN ATT UNDERSÖKA Kursplanerna för de naturorienterande ämnena biologi, fysik och kemi är till stora delar likalydande frånsett det centrala innehållet och kan därför diskuteras tillsammans. Kursplanernas

Läs mer

Intervjuguide. Del 1. Att göra inför intervjun: Kort om intervjuguiden: a. Uppfattningar och intentioner. [8 min / 8 min]

Intervjuguide. Del 1. Att göra inför intervjun: Kort om intervjuguiden: a. Uppfattningar och intentioner. [8 min / 8 min] Intervjuguide Att göra inför intervjun: Tänk igenom den besökta lektionen så att du kan beskriva den kort och neutralt. Titta på den använda läroboken så att du kan diskutera den med läraren. Ha ett anteckningspapper

Läs mer

Lösningar och kommentarer till uppgifter i 2.3

Lösningar och kommentarer till uppgifter i 2.3 Lösningar och kommentarer till uppgifter i 2.3 2303 d) TB: Jaha, nu gäller det att kunna sina deriveringsregler. Polynom kommer man alltid ihåg hur de ska deriveras. f(x) = 4x 2 + 5x 3 ger derivatan f

Läs mer

Logisk semantik I. 1 Lite om satslogik. 1.1 Konjunktioner i grammatisk bemärkelse. 1.2 Sant och falskt. 1.3 Satssymboler. 1.

Logisk semantik I. 1 Lite om satslogik. 1.1 Konjunktioner i grammatisk bemärkelse. 1.2 Sant och falskt. 1.3 Satssymboler. 1. 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 I 1 Lite om satslogik 1.1

Läs mer

22,5 högskolepoäng. Provmoment: Ladokkod: Tentamen ges för: Matematik 3hp. Studenter i inriktningen GSME. TentamensKod:

22,5 högskolepoäng. Provmoment: Ladokkod: Tentamen ges för: Matematik 3hp. Studenter i inriktningen GSME. TentamensKod: SMID Provmoment: Ladokkod: Tentamen ges för: TentamensKod: Matematik 3hp Studenter i inriktningen GSME 22,5 högskolepoäng Tentamensdatum: 12-08-30 Tid: 09.00-13.00 Hjälpmedel: Inga Totalt antal poäng på

Läs mer

1. Inledning, som visar att man inte skall tro på allt man ser. Betrakta denna följd av tal, där varje tal är dubbelt så stort som närmast föregående

1. Inledning, som visar att man inte skall tro på allt man ser. Betrakta denna följd av tal, där varje tal är dubbelt så stort som närmast föregående MATEMATISKA INSTITUTIONEN STOCKHOLMS UNIVERSITET Christian Gottlieb Gymnasieskolans matematik med akademiska ögon Induktion Dag 1 1. Inledning, som visar att man inte skall tro på allt man ser. Betrakta

Läs mer

Vetenskaplig metod och statistik

Vetenskaplig metod och statistik Vetenskaplig metod och statistik Innehåll Vetenskaplighet Hur ska man lägga upp ett experiment? Hur hanterar man felkällor? Hur ska man tolka resultatet från experimentet? Experimentlogg Att fundera på

Läs mer

Ett val för alla VAD KAN JAG VÄLJA ELEVENS-VAL

Ett val för alla VAD KAN JAG VÄLJA ELEVENS-VAL VAD KAN JAG VÄLJA HÖSTEN 2015 ELEVENS-VAL Val 1 Problemlösning Val 2 Zoologi Val 3Åtta länder Val 4 Veckans nyheter Val 5 Baka kaka Val 6 Teckna och måla Val 7 Romarriket Val 8 Matematik i vardagen Val

Läs mer

Hur går en statistisk undersökning till?

Hur går en statistisk undersökning till? Hur går en statistisk undersökning till? Gången i en statistisk undersökning framgår av bilden och är i stort sett densamma i en verklig undersökning, t ex folk- och bostadsräkningen, som i en miniundersökning.

Läs mer

Övningshäfte 1: Logik och matematikens språk

Övningshäfte 1: Logik och matematikens språk GÖTEBORGS UNIVERSITET MATEMATIK 1, MMG200, HT2014 INLEDANDE ALGEBRA Övningshäfte 1: Logik och matematikens språk Övning A Målet är att genom att lösa och diskutera några inledande uppgifter få erfarenheter

Läs mer

Bedöma elevers förmågor i muntlig uppgift

Bedöma elevers förmågor i muntlig uppgift BEDÖMNINGSSTÖD I MATEMATIK Bedöma elevers förmågor i muntlig uppgift Innehåll Syftet med materialet sid. 2 Bedömning av muntliga prestationer i matematik sid. 2 Olika typer av bedömningssituationer sid.

Läs mer

Objektorienterad programmering Föreläsning 4

Objektorienterad programmering Föreläsning 4 Objektorienterad programmering Föreläsning 4 Copyright Mahmud Al Hakim mahmud@dynamicos.se www.webbacademy.se Agenda Introduktion till objektorientering Klasser och Objekt Instansvariabler Metoder Introduktion

Läs mer

Algebra och Ekvationer År 7

Algebra och Ekvationer År 7 Undervisning Algebra och Ekvationer År 7 Lärandemål (konkretisering av syfte och centralt innehåll ur Lgr 11) Rimlighetsbedömning vid uppskattningar och beräkningar i vardagliga och situationer och inom

Läs mer

då ditt svar. Efter varje redovisning kan kamraterna ställa frågor, göra tillägg och argumentera

då ditt svar. Efter varje redovisning kan kamraterna ställa frågor, göra tillägg och argumentera Information till eleverna Detta är en beskrivning av det muntliga delprovet som ingår i det nationella provet. m sitter tillsammans med läraren runt ett bord. och ett papper med en rad frågor och påståenden.

Läs mer

Kognitionsvetenskap C, HT-04 Mental Rotation

Kognitionsvetenskap C, HT-04 Mental Rotation Umeå Universitet 041025 Kognitionsvetenskap C, HT-04 Mental Rotation Grupp 3: Christina Grahn, dit01cgn@cs.umu.se Dan Kindeborg, di01dkg@cs.umu.se David Linder, c01dlr@cs.umu.se Frida Bergman, dit01fbn@cs.umu.se

Läs mer

När vi läste Skolverkets rapport Svenska elevers matematikkunskaper

När vi läste Skolverkets rapport Svenska elevers matematikkunskaper Florenda Gallos Cronberg & Truls Cronberg Två perspektiv på att utveckla algebraiska uttryck Svenska elever påstås ha svårt med mönstertänkande. Eller är det så att de inte får lärarledd undervisning i

Läs mer

Göra lika i båda leden

Göra lika i båda leden Modul: Algebra Del 6: Sociomatematiska normer Göra lika i båda leden Cecilia Kilhamn, Göteborgs Universitet och Lucian Olteanu, Linnéuniversitetet Ordet algebra kommer från det arabiska ordet al-djabr

Läs mer

Formell logik Kapitel 1 och 2. Robin Stenwall Lunds universitet

Formell logik Kapitel 1 och 2. Robin Stenwall Lunds universitet Formell logik Kapitel 1 och 2 Robin Stenwall Lunds universitet Kapitel 1: Atomära satser Drömmen om ett perfekt språk fritt från vardagsspråkets mångtydighet och vaghet (jmf Leibniz, Russell, Wittgenstein,

Läs mer

Talsystem Teori. Vad är talsystem? Av Johan Johansson

Talsystem Teori. Vad är talsystem? Av Johan Johansson Talsystem Teori Av Johan Johansson Vad är talsystem? Talsystem är det sätt som vi använder oss av när vi läser, räknar och skriver ner tal. Exempelvis hade romarna ett talsystem som var baserat på de romerska

Läs mer

Vad behövs för att skapa en tillståndsrymd?

Vad behövs för att skapa en tillståndsrymd? OBS! För flervalsfrågorna gäller att ett, flera eller inget alternativ kan vara korrekt. På flervarlsfrågorna ges 1 poäng för korrekt svar och 0,5 poäng om skillnaden mellan antalet korrekta svar och antalet

Läs mer

Provet består av Del I, Del II, Del III samt en muntlig del och ger totalt 76 poäng varav 28 E-, 24 C- och 24 A-poäng.

Provet består av Del I, Del II, Del III samt en muntlig del och ger totalt 76 poäng varav 28 E-, 24 C- och 24 A-poäng. NpMac vt 01 Del I Del II Provtid Hjälpmedel Uppgift 1-10. Endast svar krävs. Uppgift 11-15. Fullständiga lösningar krävs. 10 minuter för del I och del II tillsammans. Formelblad och linjal. Kravgränser

Läs mer

ha utvecklat sin taluppfattning till att omfatta hela tal och rationella tal i bråk- och decimalform.

ha utvecklat sin taluppfattning till att omfatta hela tal och rationella tal i bråk- och decimalform. 1 (6) 2005-08-15 Matematik, år 9 Mål för betyget Godkänd Beroende på arbetssätt och arbetsmaterial kan det vara svårt att dela upp dessa uppnående mål mellan skolår 8 och skolår 9. För att uppnå godkänd

Läs mer

Matematikutveckling med stöd av alternativa verktyg

Matematikutveckling med stöd av alternativa verktyg Matematikutveckling med stöd av alternativa verktyg Vad ska man ha matematik till? Vardagslivet Yrkeslivet Skönheten och konsten Underbart att veta att det finns räcker inte det+ LGR11 Undervisningen ska

Läs mer

Förmågor och Kunskapskrav

Förmågor och Kunskapskrav Fysik Årskurs 7 Förmågor och Kunskapskrav Använda kunskaper i fysik för att granska information, kommunicera och ta ställning i frågor som rör energi, teknik, miljö och samhälle F Y S I K Använda fysikens

Läs mer

Filosofisk Logik (FTEA21:4) föreläsningsanteckningar/kompendium. v. 2.0, den 29/ III. Metalogik 17-19

Filosofisk 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 mer

Antag att följande träd genereras i ett spelförande program om vi applicerar evalueringsfunktionen

Antag att följande träd genereras i ett spelförande program om vi applicerar evalueringsfunktionen 1. Komplexiteten hos en agent beror mycket på vilken omgivning den skall verka i. Vad innebär det att en omgivning är stokastisk, episodisk och dynamisk? Ge exempel på en omgivning som är stokastisk, episodisk

Läs mer

Matematik. Bedömningsanvisningar. Vårterminen 2009 ÄMNESPROV. Delprov C ÅRSKURS

Matematik. Bedömningsanvisningar. Vårterminen 2009 ÄMNESPROV. Delprov C ÅRSKURS ÄMNESPROV Matematik ÅRSKURS 9 Prov som ska återanvändas omfattas av sekretess enligt 4 kap. 3 sekretesslagen. Avsikten är att detta prov ska kunna återanvändas t.o.m. 2009-06-30. Vid sekretessbedömning

Läs mer

Kognitiv psykologi. Kognition / Tänkande. Tänkande

Kognitiv psykologi. Kognition / Tänkande. Tänkande Kognitiv psykologi Tänkande och resonerande som grund för problemlösning Anders Jansson Kognition / Tänkande Kognitionsmodeller IP-modellen, Konnektionistiska teorier, Prototypteori, Kognitiv semantik,

Läs mer

Digitalt lärande och programmering i klassrummet

Digitalt lärande och programmering i klassrummet Digitalt lärande och programmering i klassrummet Innehåll Vad är programmering och varför behövs det? Argument för (och emot) programmering Programmering i styrdokumenten Kort introduktion till programmering

Läs mer

Om Lgr 11 och Favorit matematik 4 6

Om Lgr 11 och Favorit matematik 4 6 Om Lgr 11 och Favorit matematik 4 6 TYDLIG OCH MEDVETEN MATEMATIKUNDERVISNING En stark koppling mellan läroplan/kunskaps mål, innehåll och bedömning finns för att medvetande göra eleverna om syftet med

Läs mer

Kursplan för Matematik

Kursplan för Matematik Sida 1 av 5 Kursplan för Matematik Inrättad 2000-07 SKOLFS: 2000:135 Ämnets syfte och roll i utbildningen Grundskolan har till uppgift att hos eleven utveckla sådana kunskaper i matematik som behövs för

Läs mer

Ontologier. Cassandra Svensson 2014-01-09

Ontologier. Cassandra Svensson 2014-01-09 Ontologier Cassandra Svensson 2014-01-09 Sammanfattning Jag har läst Annika Flycht-Ericssons avhandling Design and Use of Ontoligies in information-providing Dialogue Systems. Med Annikas text som utgångspunkt

Läs mer

FTEA21:3 Spr akfilosofi F orel asning III Martin J onsson

FTEA21:3 Spr akfilosofi F orel asning III Martin J onsson FTEA21:3 Språkfilosofi Föreläsning III Martin Jönsson Att lära Fyra argument mot tanken att mening är någonting mentalt. En semantisk princip (principen att mening fixerar referens) En ny filosofisk fråga

Läs mer

Multipel tilldelning. Introduktion till programmering D0009E. Föreläsning 6: Iteration. while-satsen. Kom ihåg. Snurror kontra rekursion

Multipel tilldelning. Introduktion till programmering D0009E. Föreläsning 6: Iteration. while-satsen. Kom ihåg. Snurror kontra rekursion Introduktion till programmering D0009E Föreläsning 6: Iteration Multipel tilldelning Helt ok att tilldela en variabel flera gånger: bruce = bruce, bruce = 7 bruce Output: 7 Som tillståndsdiagram: bruce

Läs mer

Lathund fo r rapportskrivning: LATEX-mall. F orfattare Institutionen f or teknikvetenskap och matematik

Lathund fo r rapportskrivning: LATEX-mall. F orfattare Institutionen f or teknikvetenskap och matematik Lathund fo r rapportskrivning: LATEX-mall F orfattare forfattare@student.ltu.se Institutionen f or teknikvetenskap och matematik 31 maj 2017 1 Sammanfattning Sammanfattningen är fristående från rapporten

Läs mer

Jörgen Lagnebo PLANERING OCH BEDÖMNING MATEMATIK ÅK 9

Jörgen Lagnebo PLANERING OCH BEDÖMNING MATEMATIK ÅK 9 PLANERING OCH BEDÖMNING MATEMATIK ÅK 9 TERMINSPLAN HÖSTTERMINEN ÅK 9: 1 1.1 TALMÄNGDER 2 1.2 NEGATIVA TAL 3 FORTS. 1.2 NEGATIVA TAL 4 1.3 POTENSER 5 1.4 RÄKNA MED POTENSER 6 TALUPPFATTNING + RESONERA 7

Läs mer

NpMa2b Muntlig del vt 2012

NpMa2b Muntlig del vt 2012 Till eleven - Information inför den muntliga provdelen Du kommer att få en uppgift som du ska lösa skriftligt och sedan ska du presentera din lösning muntligt. Om du behöver får du ta hjälp av dina klasskamrater

Läs mer

Tommy Färnqvist, IDA, Linköpings universitet. 2 Strukturer 2 2.1 Domäner... 2 2.2 Tolkningar... 3

Tommy 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 mer

Bedömning för lärande

Bedömning för lärande Bedömning för lärande Erfarenheter från arbetet med att förtydliga mål och kriterier Att skapa situationer som gör lärandet synligt Andreia Balan Uppföljning - diskussion Beskriv vilken metod/arbetssätt

Läs mer

Semantik och pragmatik (Serie 3)

Semantik och pragmatik (Serie 3) Semantik och pragmatik (Serie 3) Satser och logik. Mats Dahllöf Institutionen för lingvistik och filologi April 2015 1 / 37 Logik: språk tanke (Saeed kapitel 4.) Satser uttrycker (ofta) tankar. Uttrycksrikedom

Läs mer

Per Berggren och Maria Lindroth 2014-11-19

Per Berggren och Maria Lindroth 2014-11-19 Varierad matematikundervisning Per Berggren och Maria Lindroth 2014-11-19 Luffarschack Med en utmaning! Sfinxen En rik laborativ matematikuppgift som tar sin början i de första skolåren och fortsätter

Läs mer

Tentamen i. TDDC67 Funktionell programmering och Lisp

Tentamen i. TDDC67 Funktionell programmering och Lisp 1 Linköpings tekniska högskola Institutionen för datavetenskap Anders Haraldsson Tentamen i TDDC67 Funktionell programmering och Lisp och äldre kurser TDDC57 Programmering, Lisp och funktionell programmering

Läs mer

Data, typ, selektion, iteration

Data, typ, selektion, iteration Data, typ, selektion, iteration En programmeringkurs på halvfart IDT, MDH ttp://www.negative-g.com/nolimits/no%20limits%20defunct%20coasters.htm 1 Dagens agenda Talrepresentation Typkonvertering Sekvens

Läs mer

Graärgning och kromatiska formler

Graärgning och kromatiska formler Graärgning och kromatiska formler Henrik Bäärnhielm, d98-hba 2 mars 2000 Sammanfattning I denna uppsats beskrivs, för en ickematematiker, färgning av grafer samt kromatiska formler för grafer. Det hela

Läs mer

Centralt innehåll. Problemlösning. Taluppfattning och tals användning. Tid och pengar. Sannolikhet och statistik. Geometri.

Centralt innehåll. Problemlösning. Taluppfattning och tals användning. Tid och pengar. Sannolikhet och statistik. Geometri. MATEMATIK Matematiken har en flertusenårig historia med bidrag från många kulturer. Den utvecklas såväl ur praktiska behov som ur människans nyfikenhet och lust att utforska matematiken som sådan. Matematisk

Läs mer

PC1244, Kognitiv psykologi och utvecklingspsykologi, 30 högskolepoäng

PC1244, Kognitiv psykologi och utvecklingspsykologi, 30 högskolepoäng Samhällsvetenskapliga Fakultetsnämnden PC1244, Kognitiv psykologi och utvecklingspsykologi, 30 högskolepoäng Psychology, Intermediate Course with Emphasis on Cognitive and Developmental Psychology, 30

Läs mer

7E Ma Planering v45-51: Algebra

7E Ma Planering v45-51: Algebra 7E Ma Planering v45-51: Algebra Arbetsform under en vecka: Måndagar (40 min): Genomgång av gemensamma svårigheter i begrepp och metoder. Arbete i grupp med begrepp och metoder. Läxa: Läsa på anteckningar

Läs mer

Gymnasiearbete/ Naturvetenskaplig specialisering NA AGY. Redovisning

Gymnasiearbete/ Naturvetenskaplig specialisering NA AGY. Redovisning Gymnasiearbete/ Naturvetenskaplig specialisering NA AGY Redovisning Redovisning av projekten Skriftligt i form av en slutrapport ( till handledaren via Urkund senast 11/4 (veckan innan påsklovet) Alla

Läs mer

TENTAMEN TDDB53. Programmering i Ada för MI (provkod TEN2) den 7 april 2010 kl Institutionen för datavetenskap, IDA Olle Willén mars 2010

TENTAMEN TDDB53. Programmering i Ada för MI (provkod TEN2) den 7 april 2010 kl Institutionen för datavetenskap, IDA Olle Willén mars 2010 Linköpings universitet Institutionen för datavetenskap, IDA Olle Willén mars 2010 Tentamen TDDB53 TENTAMEN TDDB53 (provkod TEN2) den 7 april 2010 kl 8 12 Jour: Emil Nielsen, tel 070 499 89 88 Hjälpmedel:

Läs mer

Logik och kontrollstrukturer

Logik och kontrollstrukturer Logik och kontrollstrukturer Flödet av instruktioner i ett programmeringsspråk bygger vi upp med hjälp av dess kontrollstrukturer. I C har vi exemplen if, if else, while, do while. Dessutom finns switch

Läs mer

Lösa ekvationer på olika sätt

Lösa ekvationer på olika sätt Lösa ekvationer på olika sätt I denna aktivitet ska titta närmare på hur man kan lösa ekvationer på olika sätt. I kurserna lär du dig att lösa första- och andragradsekvationer exakt med algebraiska metoder.

Läs mer

Examinationsuppgift 2014

Examinationsuppgift 2014 Matematik och matematisk statistik 5MS031 Statistik för farmaceuter Per Arnqvist Examinationsuppgift 2014-10-09 Sid 1 (5) Examinationsuppgift 2014 Hemtenta Statistik för farmaceuter 3 hp LYCKA TILL! Sid

Läs mer

Reell kompetens - grundläggande behörighet för utbildning till grundnivå Behörig på annat sätt!

Reell kompetens - grundläggande behörighet för utbildning till grundnivå Behörig på annat sätt! Reell kompetens - grundläggande behörighet för utbildning till grundnivå Behörig på annat sätt! 1 (5) Vad är det? Om du saknar den formella grundläggande behörigheten, dvs. du har t.ex. inte ett slutbetyg

Läs mer

Tal till Solomon Feferman

Tal till Solomon Feferman Ur: Filosofisk tidskrift, 2004, nr 1. Dag Westerståhl Tal till Solomon Feferman (Nedanstående text utgör det tal som Dag Westerståhl höll på Musikaliska Akademien i oktober 2003, i samband med att Feferman

Läs mer

Logik: sanning, konsekvens, bevis

Logik: sanning, konsekvens, bevis Logik: sanning, konsekvens, bevis ft1100 samt lc1510 HT 2016 Giltiga argument (Premiss 1) (Premiss 2) (Slutsats) Professorn är på kontoret eller i lunchrummet Hon är inte på kontoret Professorn är i lunchrummet

Läs mer

F2 Datarepresentation talbaser, dataformat och teckenkodning

F2 Datarepresentation talbaser, dataformat och teckenkodning F2 Datarepresentation talbaser, dataformat och teckenkodning EDAA05 Roger Henriksson Jonas Wisbrant Datarepresentation I en dator lagras och behandlas all information i form av binära tal ettor och nollor.

Läs mer