Αναπαράσταση Γνώσης και Συλλογιστικές

Μέγεθος: px
Εμφάνιση ξεκινά από τη σελίδα:

Download "Αναπαράσταση Γνώσης και Συλλογιστικές"

Transcript

1 Αναπαράσταση Γνώσης και Συλλογιστικές Γενικά Προτασιακή λογική Λογική πρώτης τάξης Λογικός προγραµµατισµός! Επεκτάσεις της Λογικής Πρώτης Τάξης Συστήµατα Κανόνων Επίλογος Επεκτάσεις της Λογικής Πρώτης Τάξης " Ηλογική πρώτης τάξης δεν επαρκεί για να περιγράψει ικανοποιητικά τα προβλήµατα του πραγµατικού κόσµου. " Χρειάζονται επεκτάσεις για να καλυφθούν θέµατα που αφορούν: " Οντολογίες " Ενέργειες/Συµβάντα και Χρόνος " Πεποιθήσεις " Εξαγωγή συµπερασµάτων µε χρήση εξ'ορισµού τιµών " Οι σχετικές επεκτάσεις θα καλυφθούν εν συντοµία στις επόµενες διαφάνειες. Γιάννης Ρεφανίδης 122 1

2 Οντολογίες " Μια οντολογία είναι µια ιεραρχηµένη ταξινόµηση εννοιών, αντικειµένων κλπ, µε κατεύθυνση από το γενικότερο προς το ειδικότερο. " Η κατασκευή οντολογιών (ontological engineering) είναι απαραίτητη εργασία για οποιαδήποτε εφαρµογή εµπεριέχει αναπαράσταση γνώσης. " Οι οντολογίες χρησιµοποιούνται για τον "χαρακτηρισµό" των αντικειµένων ενός προβλήµατος, κάτι που γίνεται µε την αντιστοίχηση των αντικειµένων σε συγκεκριµένους "κόµβους" της οντολογίας. " Ένα αντικείµενο που αντιστοιχίζεται σε έναν κόµβο µιας οντολογίας, "κληρονοµεί" τις ιδιότητες όλων των γενικότερων κόµβων. " Ουσιαστικά κάθε κόµβος µιας οντολογίας είναι το σύνολο όλων των αντικειµένων του προβλήµατος που αντιστοιχίζονται στον κόµβο αυτό. Γιάννης Ρεφανίδης 123 Μια πολύ γενική οντολογία " Το παρακάτω παράδειγµα είναι µια προσπάθεια µερικής καταγραφής των γενικότερων εννοιών του κόσµου µας. Ο,τιδήποτε Αφηρηµένες έννοιες Συγκεκριµένες έννοιες Σύνολα Αριθµοί Περιγραφές Χρονικά Τοποθεσίες Φυσικά ιεργασίες διαστήµατα αντικείµενα Προτάσεις Μετρήσεις Χρονικές στιγµές ιακριτά αντικείµενα Συνεχή αντικείµενα Χρόνος Βάρος Ζώα Φυτά Στερεά Υγρά Αέρια Γιάννης Ρεφανίδης 124 2

3 Οντολογίες Αντικειµένων (1/3) " Πρόκειται για το τµήµα εκείνο της γενικότερης οντολογίας που αφορά τα φυσικά αντικείµενα. " Τους κόµβους µιας οντολογίας θα τους ονοµάζουµε κατηγορίες (categories) ή κλάσεις (classes). " Έστω x ένα αντικείµενο και Cµια κλάση. Θα συµβολίζουµε ότι το x ανήκει στην κλάση C µε x C. " Έστω δύο κλάσεις C1 και C2, τέτοιες ώστε η C1 να είναι γονέας της C2 στην ιεραρχία. Συµβολίζουµε: C2 C1. " Όλοι οι παραπάνω νέοι συµβολισµοί (,, ) µπορούν να γραφούν ισοδύναµα χρησιµοποιώντας τη γνωστή σύνταξη της λογικής πρώτης τάξης, κάτι τέτοιο όµως αποφεύγεται για λόγους ευκολίας ανάγνωσης. " Για παράδειγµα: Member(x,C2) Member(x,C1) Γιάννης Ρεφανίδης 125 Οντολογίες Αντικειµένων (2/3) " Η οντολογία χρησιµεύει στο να οργανώσουµε και να απλοποιήσουµε τη βάση γνώσης, µέσω της κληρονοµικότητας (inheritance). " Για παράδειγµα, έστω η κλάση Τροφή και έστω η πρόταση: " x, x Τροφή Φαγώσιµο(x) (1) " Έστω οι κλάσεις Φρούτα Τροφή και Μήλα Φρούτα. " Έστω y Μήλα, τότε µπορούµε να καταλήξουµε στο συµπέρασµα Φαγώσιµο(y). " Πράγµατι αυτό είναι εύκολο λόγω της πρότασης (1) αλλά και της γενικής πρότασης: " x, c1, c2: Class(c1) Class(c2) x c1 c1 c2 x c2 # όπου το κατηγόρηµα Class αληθεύει όταν το όρισµά του είναι κλάση της οντολογίας. Γιάννης Ρεφανίδης 126 3

4 Οντολογίες Αντικειµένων (3/3) " Μπορούµε να γράψουµε προτάσεις που να ορίζουν πότε ένα αντικείµενο είναι µέλος µιας κλάσης: " Έστω για παράδειγµα οι κλάσεις Balls και BasketBalls. Μπορούµε να γράψουµε: " x, Πορτοκαλί(x) Σφαιρικό(x) ιάµετρος(x)=9.5" x Balls x BasketBalls " Μπορούµε να γράφουµε προτάσεις που να εµπεριέχουν κλάσεις χωρίς σχέση γονέα-παιδιού. " Για παράδειγµα, έστω οι κλάσεις Άνδρες και Γυναίκες: " x, x Άνδρες x Γυναίκες " x, x Γυναίκες x Άνδρες Γιάννης Ρεφανίδης 127 Σηµασιολογικός ιστός (1/4) " Ένας από τους χώρους όπου ήδη χρησιµοποιούνται οντολογίες, αν και όχι σε εκτεταµένη κλίµακα ακόµη κλίµακα, είναι ο παγκόσµιος ιστός. " Ο νέος «ιστός» χαρακτηρίζεται ως «σηµασιολογικός» (Semantic Web). " Αυτό έχει επιτευχθεί µε τη µετάβαση από τις κλασσικές σελίδες HTML στις σελίδες µε περιεχόµενο XML. " Μια σελίδα HTML περιέχει την πληροφορία καθώς και οδηγίες µορφοποίησης της πληροφορίας. " Μια σελίδα XML περιέχει την πληροφορία, καθώς και χαρακτηρισµό της πληροφορίας. Γιάννης Ρεφανίδης 128 4

5 Σηµασιολογικός ιστός (2/4) " Παράδειγµα HTML: " <h3>university of Macedonia</h3> " <h4>department of Applied Informatics</h4> " <h4>egnatias str. 156</h4> " Παράδειγµα XML: " <INSTITUTE>University of Macedonia</INSTITUTE> <DEPARTMENT>Department of Applied Informatics </DEPARTMENT> <ADRESS> <STREET>Egnatias</STREET> <NUMBER> 156</NUMBER> </ADDRESS> Γιάννης Ρεφανίδης 129 Σηµασιολογικός ιστός (3/4) " Με τη χρήση της XML οι ετικέτες (tags) των δεδοµένων χαρακτηρίζουν το περιεχόµενό των δεδοµένων. " Έτσι στην προηγούµενη διαφάνεια η ετικέτα <ADDRESS> στην XML προσδιόριζε ότι το περιεχόµενό της είναι µια διεύθυνση. " Ειδικότερα, οι ετικέτες <STREET> και <NUMBER> διαχώριζαν το όνοµα του δρόµου από τον αριθµό. " Τέτοιες πληροφορίες δεν υπάρχουν στη γλώσσα HTML, όπου οι ετικέτες χρησιµοποιούνται µόνο για την µορφοποίηση των δεδοµένων. " Για να καταλάβουµε στη γλώσσα HTML ότι η λέξη Egnatias είναι όνοµα δρόµου, πρέπει να χρησιµοποιήσουµε τεχνικές επεξεργασίας κειµένου. Γιάννης Ρεφανίδης 130 5

6 Σηµασιολογικός ιστός (4/4) " Η γλώσσα XML από µόνη της δεν αρκεί για να υλοποιήσει οντολογίες στο WEB. " Χρησιµοποιούνται δύο συγκεκριµένες επεκτάσεις: " Η γλώσσα RDF (Resource Description Framework) " Η επέκταση RDFS (RDF Schemas) " Η γλώσσα RDF χρησιµοποιεί τυποποιηµένες δηλώσεις για αντικείµενα, σχέσεις και τιµές. " Η RDFS επεκτείνει την RDF επιτρέποντας τον ορισµό κλάσεων αντικειµένων, ιδιοτήτων κλάσεων και κληρονοµικότητας µεταξύ κλάσεων. Γιάννης Ρεφανίδης 131 Η γλώσσα RDF (1/4) " Στη γλώσσα RDF η γνώση παριστάνεται µε απλές προτάσεις (προτασιακή λογική) της µορφής: " <αντικείµενο> <ιδιότητα> <τιµή> " Για παράδειγµα, µια πρόταση θα µπορούσε να δηλώνει ότι: " Ο δηµιουργός της ιστοσελίδας Χ είναι ο Υ. " όπου: " <αντικείµενο> είναι η σελίδα Χ " <ιδιότητα> είναι η «δηµιουργός» " <τιµή> είναι ο Υ Γιάννης Ρεφανίδης 132 6

7 Η γλώσσα RDF (2/4) " Χρειαζόµαστε έναν «απόλυτο» τρόπο να ορίζουµε αντικείµενα, ιδιότητες και τιµές. " Για το σκοπό αυτό χρησιµοποιούνται τα URIs (Uniform Resource Indentifiers, οµοιόµορφα αναγνωριστικά πόρων). " Ένα URI είναι συνήθως µια «παραποµπή» σε ένα τµήµα ιστοσελίδας, όπου ορίζεται/τεκµηριώνεται ένα αντικείµενο, µια ιδιότητα ή µία τιµή. " Τα URLs είναι ειδική περίπτωση URIs, που αναφέρονται σε αντικείµενα ιστοσελίδων. Γιάννης Ρεφανίδης 133 Η γλώσσα RDF (3/4) " Στο παράδειγµα του δηµιουργού της ιστοσελίδας, θα µπορούσαµε να χρησιµοποιήσουµε τα παρακάτω URIs: " για το αντικείµενο της ιστοσελίδας. " για την έννοια του δηµιουργού ενός αντικειµένου. " για αναφορά σε έναν συγκεκριµένο υπάλληλο µιας υποθετικής εταιρείας. " Έτσι η πρόταση RDF θα γραφόταν: " Γιάννης Ρεφανίδης 134 7

8 Η γλώσσα RDF (4/4) " Μπορούµε να οµαδοποιούµε προτάσεις που αφορούν το ίδιο αντικείµενο (αλλά διαφορετικές ιδιότητες/τιµές του) µε την παρακάτω εναλλακτική σύνταξη: " <rdf:description rdf:about= < </ < English </ </rdf:description> " Παραπάνω ορίζουµε τις τιµές δύο ιδιοτήτων του αντικειµένου Γιάννης Ρεφανίδης 135 Χώροι ονοµάτων (1/2) " Για να αποφεύγουµε τα µεγάλα ονόµατα URIs, χρησιµοποιούµε τους χώρους ονοµάτων (Namespaces). " Εάν σε ένα αρχείο έχουµε πολλές αναφορές σε αντικείµενα / ιδιότητες που ορίζονται στον ίδιο χώρο, µπορούµε να δώσουµε ένα σύντοµο όνοµα στο κοινό πρόθεµα αυτών των ονοµάτων. " Για παράδειγµα, ή δήλωση: " <rdf:rdf xmlns:dc= " δηλώνει ότι µπορούµε να χρησιµοποιούµε το πρόθεµα dc για να αναφερόµαστε στη διεύθυνση Γιάννης Ρεφανίδης 136 8

9 Χώροι ονοµάτων (2/2) " Έτσι η δήλωση για τον δηµιουργό της ιστοσελίδας µπορεί να απλοποιηθεί σε: " dc:creator " ή τελικά, εάν µε παρόµοιο τρόπο ορίσουµε το πρόθεµα ex να αντιστοιχεί στη διεύθυνση µπορούµε να πάρουµε µια δήλωση της µορφής: " ex:index.html dc:creator ex:staffid/85740 Γιάννης Ρεφανίδης 137 Ορισµός URIs " Μπορούµε να δηλώσουµε URIs χρησιµοποιώντας τη δήλωση rdf:id, όπου το πρόθεµα rdf όρίζεται ως: " xmlns:rdf= " Για παράδειγµα: " <rdf:description rdf:id= item10245 > " <exterms:model>omnibook 6000</exterms:model> " <exterms:weight>3.2</exterms:weight> " </rdf:description> " µπορεί να θεωρηθεί ότι ορίζει το URI ενός συγκεκριµένου laptop, µαζί µε το µοντέλο του και το βάρος του. " Εάν η παραπάνω δήλωση βρισκόταν σε ένα αρχείο µε όνοµα Χ, µπορεί κανείς να αναφέρεται στο συγκεκριµένο laptop µε το URI: " X:item10245 Γιάννης Ρεφανίδης 138 9

10 Η γλώσσα RDFS (1/3) " Οι δηλώσεις RDFS (RDF Schema) επεκτείνουν την RDF µε δυνατότητες αναπαράστασης ιεραρχιών εννοιών. " Η επέκταση RDFS ορίζει τις έννοιες «κλάση», «υποκλάση», «ιδιότητα» κλπ. " Ορίζουµε µια κλάση χρησιµοποιώντας την ιδιότητα rdf:type και την τιµή rdfs:class. Για παράδειγµα η δήλωση: " ex:motorvehicle rdf:type rdfs:class " ορίζει ότι η έννοια ex:motorvehicle είναι µια κλάση. " Στη συνέχεια, η δήλωση: " ex:mycar rdf:type ex:motorvehicle " ορίζει ότι το ex:mycar είναι ένα αντικείµενο της κλάσης ex:motorvehicle. Γιάννης Ρεφανίδης 139 Η γλώσσα RDFS (2/3) " Ηδήλωση: " ex:van rdfs:subclassof ex:motorvehicle " ορίζει ότι η έννοια ex:van είναι υποκλάση της έννοιας ex:motorvehicle. " Μία κλάση µπορεί να είναι υποκλάση πολλών άλλων κλάσεων. Γιάννης Ρεφανίδης

11 Η γλώσσα RDFS (3/3) " Κάθε κλάση µπορεί να χαρακτηρίζεται από ένα σύνολο ιδιοτήτων. " Οι ιδιότητες µιας κλάσης χαρακτηρίζουν και όλα τα αντικείµενά της. " Οι ιδιότητες µια κλάσης κληρονοµούνται από τις υποκλάσεις της. " Παρακάτω ορίζουµε µια κλάση, µια ιδιότητα και δηλώνουµε ότι η ιδιότητα χαρακτηρίζει την κλάση. " ex:book rdf:type rdfs:class " ex:pages rdf:type rdf:property " ex:pages rdfs:domain ex:book " ex:pages rdfs:range xsd:integer " Οι τύποι rdfs και xsd ορίζονται ως εξής: " xmlns:rdfs= " xmlns:xsd= Γιάννης Ρεφανίδης 141 Παρατηρήσεις " Ηχρήση των RDF/RDFS καθιστούν το διαδίκτυο µια τεράστια βάση γνώσης σε προτασιακή λογική (RDF) και λογική πρώτης τάξης (RDFS). " Υπάρχει λοιπόν τεράστιος χώρος εκµετάλλευσης τεχνικών αυτοµατοποιηµένης εξαγωγής συµπερασµάτων. " Τα προβλήµατα που υπάρχουν µε το διαδίκτυο ως βάση γνώσης είναι τα εξής: " Είναι αχανές. " Είναι κατανεµηµένο. Η γνώση που αφορά το ίδιο αντικείµενο µπορεί να βρίσκεται διάσπαρτη σε πολλά sites. " Είναι αντιφατική. Μπορεί κανείς σε δύο διαφορετικά sites αντικρουόµενες πληροφορίες για τα ίδια αντικείµενα (π.χ. πρόγνωση καιρού). " Μεγάλο µέρος της γνώσης είναι ακόµη σε µορφή HTML. Γιάννης Ρεφανίδης

12 Χρήσιµα Links " XML " " RDF " " RDFS " " Άλλες υλοποιήσεις οντολογιών (υποστηρίζουν λογική πρώτης τάξης): " DAML " " OWL " Γιάννης Ρεφανίδης 143 Ontology editors " Protégé 2000, Stanford " Ελεύθερο download, " OilEd, University of Manchester " Ελεύθερο download, " κλπ Γιάννης Ρεφανίδης

13 Ενέργειες " Η εξαγωγή συµπερασµάτων σχετικά µε τα αποτελέσµατα των ενεργειών, πριν αυτές εκτελεστούν, είναι κεντρικό θέµα στα συστήµατα γνώσης. " Συνήθως θέλουµε να εξετάσουµε διάφορες ακολουθίες ενεργειών που θα µπορούσαµε να εκτελέσουµε, να "φανταστούµε" τα αποτελέσµατά τους και τελικά να επιλέξουµε να εκτελέσουµε εκείνη την ακολουθία ενεργειών που δίνει καλύτερα αποτελέσµατα. " Το πρόβληµα της εύρεσης των ενεργειών που πρέπει να εκτελεστούν ώστε να επιτευχθούν τα επιθυµητά αποτελέσµατα ονοµάζεται Σχεδιασµός Ενεργειών (Planning) και θα ασχοληθούµε µαζί του σε επόµενα µαθήµατα. Γιάννης Ρεφανίδης 145 Λογισµός Καταστάσεων (1/4) " Ηλογική πρώτης τάξης παρέχει διάφορους τρόπους αναπαράστασης ενεργειών, ο πιο γνωστός από τους οποίους είναι ο λογισµός καταστάσεων (situation calculus). " Μια κατάσταση αποτελεί το σύνολο των προτάσεων που αληθεύουν ύστερα από την εφαρµογή κάποιας ενέργειας. " Η εφαρµογή µιας ενέργειας έχει ως αποτέλεσµα την αλλαγή της τιµής αληθείας διαφόρων προτάσεων. " Οι καταστάσεις συµβολίζονται µε γράµµατα όπως S 0, S 1, s κλπ. " Κάθε πρόταση θα πρέπει να αναφέρει και την κατάσταση στην οποία αληθεύει. Για παράδειγµα η πρόταση: " Βρίσκεται(Γιώργος, Πανεπιστήµιο, S 1 ) δηλώνει ότι ο Γιώργος βρίσκεται στο Πανεπιστήµιο στην κατάσταση S 1. Γιάννης Ρεφανίδης

14 Λογισµός Καταστάσεων (2/4) " Έστω η ενέργεια Go(m,x,y), η οποία δηλώνει ότι ο άνθρωπος m µετακινείται από µια θέση x σε µια νέα θέση y. " Ο παραπάνω ορισµός ενέργειας µπορεί να συγκεκριµενοποιηθεί µε πολλούς διαφορετικούς τρόπους, ανάλογα µε τις τιµές που θα πάρουν οι µεταβλητές m, x και y. " Για να µπορεί να εφαρµοστεί µια τέτοια ενέργεια σε µια τυχαία κατάσταση s θα πρέπει να ισχύουν κάποιες προϋποθέσεις, όπως για παράδειγµα ότι ο m βρίσκεται ήδη στη θέση x. " Γράφοντας Possible(Go(m,x,y),s) δηλώνουµε ότι η ενέργεια Go(m,x,y) µπορεί να εφαρµοστεί στην κατάσταση s. " Μπορούµε να περιγράψουµε πότε µια ενέργεια είναι εφαρµόσιµη σε µια κατάσταση, χρησιµοποιώντας λογική πρώτης τάξης: " m,x,s,y At(m,x,s) Position(y) Possible(Go(m,x,y),s) " όπου το κατηγόρηµα At(m,x,s) δηλώνει ότι ο άνθρωπος m βρίσκεται στη θέση x στην κατάσταση s. Γιάννης Ρεφανίδης 147 Λογισµός Καταστάσεων (3/4) " Χρησιµοποιούµε τησυνάρτηση Results για να περιγράψουµε την νέα κατάσταση που προκύπτει από την εφαρµογή µιας ενέργειας σε µια κατάσταση: " s1=results(a,s) " όπου s η προηγούµενη κατάσταση, a η ενέργεια που εφαρµόστηκε και s1 η νέα κατάσταση. Γιάννης Ρεφανίδης

15 Λογισµός Καταστάσεων (4/4) " Για να περιγράψουµε τα αποτελέσµατα της εφαρµογής µιας ενέργειας σε µια κατάσταση, χρησιµοποιούµε προτάσεις της µορφής: " m,x,y,s,s1 Possible(Go(m,x,y),s) s1=results(go(m,x,y),s) At(m,y,s1) " m,x,y,s,s1 Possible(Go(m,x,y),s) s1=results(go(m,x,y),s) At(m,x,s1) " Με τις δύο τελευταίες συνεπαγωγές περιγράψαµε µερικές από τις προτάσεις που ισχύουν στη νέα κατάσταση s1, δηλαδή στην κατάσταση που προκύπτει από την εφαρµογή της ενέργειας Go(m,x,y) στην κατάσταση s. Γιάννης Ρεφανίδης 149 Το πρόβληµα του πλαισίου (1/3) " Οι δύο τελευταίες συνεπαγωγές καθόρισαν τη νέα τιµή αληθείας για τις προτάσεις εκείνες, η τιµή αληθείας των οποίων άλλαξε από την s στην s1. " Τι γίνεται όµως µε τις προτάσεις εκείνες, η τιµή αληθείας των οποίων δεν άλλαξε µε την εφαρµογή της ενέργειας; " Για παράδειγµα, έστω Job(m,j,s) το επάγγελµα j του ανθρώπου m στην κατάσταση s, το οποίο δεν άλλαξε κατά την διάρκεια εκτέλεσης της ενέργειας: " Possible(Go(m,x,y),s) Job (m,j,s) s1=results(go(m,x,y),s) Job (m,j,s1) " Συνεπαγωγές σαν τις παραπάνω ονοµάζονται αξιώµατα πλαισίου (frame axioms). Γιάννης Ρεφανίδης

16 Το πρόβληµα του πλαισίου (2/3) " υστυχώς, αξιώµατα πλαισίου πρέπει να γραφούν για κάθε ενέργεια και για όλα τα κατηγορήµατα, η τιµή των οποίων για διάφορες τιµές των παραµέτρων τους δεν επηρρεάζεται από την εφαρµογή της ενέργειας. " Σε ένα πραγµατικό πρόβληµα µε µεγάλο αριθµό κατηγορηµάτων και ενεργειών, το πλήθος των αξιωµάτων πλαισίου είναι τεράστιο (περίπου ίσο µε το γινόµενο των ενεργειών επί των κατηγορηµάτων). " Το πρόβληµα συγγραφής των αξιωµάτων πλαισίου ονοµάζεται πρόβληµα του πλαισίου (frame problem). Γιάννης Ρεφανίδης 151 Το πρόβληµα του πλαισίου (3/3) " Ένας τρόπος να περιοριστεί το πλήθος των αξιωµάτων πλαισίου είναι αυτά να γραφούν ως εξής: " Possible(a,s) s1=results(a,s) At(m,y,s1) a=go(m,x,y) (At(m,y,s) a Go(m,y,z)) " Η παραπάνω πρόταση μεταφράζεται ως εξής: " Για κάθε ενέργεια a που είναι εφαρμόσιμη στην κατάσταση s και έστω s1 η προκύπτουσα κατάσταση, ο άνθρωπος m βρίσκεται στην θέση y στην κατάσταση s1 εφόσον η ενέργεια ήταν της μορφής Go(m,x,y) ήεφόσονο άνθρωπος βρισκόταν ήδη στη θέση y καιηενέργειαδενήταντης μορφής Go(m,y,z). " Με την παραπάνω τεχνική ο αριθµός των αξιωµάτων πλαισίου γίνεται της τάξης µεγάθους του αριθµού των ενεργειών επί το πλήθος των αποτελεσµάτων κάθε ενέργειας. Γιάννης Ρεφανίδης

17 Λογισµός καταστάσεων και χρόνος (1/2) " Στο λογισµό καταστάσεων ο χρόνος δεν αναπαρίσταται άµεσα. " Υπάρχει µια έµµεση αναφορά στο χρόνο, µε την έννοια ότι κάθε κατάσταση εµφανίζεται µετά από την προηγούµενή της. " Με βάση αυτό το σκεπτικό, µπορούν να οριστούν οι τελεστές και ως εξής: " p : ηλώνει ότι η πρόταση p ισχύει σε όλες τις καταστάσεις από τώρα και για πάντα. " p : ηλώνει ότι η πρόταση p θα ισχύει σε κάποια κατάσταση στο µέλλον. " Για τους τελεστές και ισχύουν οι παρακάτω σχέσεις: " p p " p p Γιάννης Ρεφανίδης 153 Λογισµός καταστάσεων και χρόνος (2/2) " Προτάσεις σαν τις προηγούµενες µπορούν να θεωρηθούν και ως στόχοι σε ένα πρόβληµα σχεδιασµού ενεργειών. " Για παράδειγµα, η πρόταση: " At(Γιάννης, Αεροδρόµιο) " µπορεί να θεωρηθεί ως στόχος σε ένα πρόβληµα σχεδιασµού ενεργειών που διατυπώνεται ως εξής: " Βρες µια ακολουθία ενεργειών που να καταλήγει σε µια κατάσταση s, στην οποία να ισχύει η παραπάνω πρόταση. " Παρόµοια, η πρόταση: " Ασφαλής(Γιάννης) " µπορεί να θεωρηθεί ως ένας στόχος διατήτησης, µε την έννοια ότι απαιτούµε σε όλες τις καταστάσεις που θα προκύψουν από την εκτέλεση διαφόρων ενεργειών να ισχύει η παραπάνω πρόταση. Γιάννης Ρεφανίδης

18 Αναπαράσταση του Χρόνου " Ολογισµός των καταστάσεων λειτουργεί καλά σε προβλήµατα όπου οι ενέργειες δεν επικαλύπτονται χρονικά. " Όταν οι ενέργειες έχουν διάρκεια και µπορούν να εκτελούνται ταυτόχρονα, τότε ο λογισµός καταστάσεων είναι ανεπαρκής. " Επίσης αδυνατεί να αναπαραστήσει γνώση σε σχέση µε συγκεκριµένες χρονικές στιγµές, όπως π.χ. ο Γιάννης θα είναι στο αεροδρόµιο στις 13:00 αύριο. " Σε τέτοια προβλήµατα, αντί για καταστάσεις χρησιµοποιούνται χρονικές στιγµές (time points) ή/και χρονικά διαστήµατα (temporal intervals). " Για κάθε πρόταση ορίζονται οι χρονικές στιγµές κατά τις οποίες αυτή αλλάζει τιµή ή ισοδύναµα το χρονικό διάστηµα κατά το οποίο αυτή ισχύει. Γιάννης Ρεφανίδης 155 Λογισµός των Συµβάντων (1/4) " Ολογισµός των συµβάνων (event calculus) βασίζεται στην ύπαρξη των συµβάντων, τα οποία µπορεί να είναι: " Ενέργειες δικές µας " Ενέργειες άλλων " Συµβάντα χωρίς συγκεκριµένο υποκείµενο (π.χ. "νύχτωσε"). " Κάθε συµβάν λαµβάνει χώρα σε µια συγκεκριµένη χρονική στιγµή. " Η φιλοσοφία του λογισµού των συµβάντων είναι η εξής: " Μια τυχαία πρόταση P είναι αληθής τη χρονική στιγµή t, εάν υπάρχει ένα συµβάν e1 που έλαβε χώρα τη χρονική στιγµή t1, τέτοια ώστε t1<t και το οποίο κατέστησε την P αληθή, και δεν υπάρχει κανένα άλλο συµβάν e2 το οποίο να έλαβε χώρα κάποια χρονική στιγµή t2, τέτοια ώστε t1<t2<t και το οποίο να κατέστησε την P ψευδή. Γιάννης Ρεφανίδης

19 Λογισµός των Συµβάντων (2/4) " Αντί για τη συνάρτηση Results του λογισµού καταστάσεων, στο λογισµό συµβάντων χρησιµοποιούνται τα παρακάτω κατηγορήµατα: " Συµβαίνει(e,t): ηλώνει ότι το συµβάν e λαµβάνει χώρα τη χρονική στιγµή t. " Ξεκινά(e,f): ηλώνει ότι το συµβάν e καθιστά την πρόταση f αληθή. " Τερµατίζει(e,f): ηλώνει ότι το συµβάν e καθιστά την πρόταση f ψευδή. Γιάννης Ρεφανίδης 157 Λογισµός των Συµβάντων (3/4) " Για παράδειγµα, έστω T(f,t2) η πρόταση που δηλώνει ότι η πρόταση f ισχύει τη χρονική στιγµή t2: " T(f,t2) e,t: Συµβαίνει(e,t) Ξεκινά(e,f) t<t2 ιακόπτεται(f,t,t2) " όπου το κατηγόρηµα ιακόπτεται αληθεύει όταν το γεγονός f παύει να είναι αληθές κάπου µεταξύ των χρονικών στιγµών t και t2, και ορίζεται ως εξής: " ιακόπτεται(f,t,t2) e1,t1: Συµβαίνει(e1,t1) Τερµατίζει(e1,f) t<t1 t1<t2 Γιάννης Ρεφανίδης

20 Λογισµός των Συµβάντων (4/4) " Ολογισµός των συµβάντων µας δίνει τη δυνατότητα να θέτουµε ερωτήσεις και να προσπαθούµε να αποδείξουµε προτάσεις της µορφής: " ιδάσκει(γιάννης, 15:00) " t, t>9:00 t<17:00 At(Γιάννης, Γραφείο,t) " t, At(Γιάννης, Αεροδρόµιο,t) " Οι παραπάνω ερωτήσεις µπορεί να θεωρηθούν και ως επιθυµητές καταστάσεις, οπότε δηµιουργείται το πρόβληµα εύρεσης των ενεργειών που καθιστούν τις παραπάνω προτάσεις αληθείς. " Όπως έχει ξανααναφερθεί, το πρόβληµα αυτό ονοµάζεται Σχεδιασµός Ενεργειών (planning) και αποτελεί ένα από τα θεµελιώδη προβλήµατα της Τεχνητής Νοηµοσύνης. Γιάννης Ρεφανίδης 159 Αναπαράσταση του χρόνου µε χρονικά διαστήµατα (1/4) " Εκτός από χρονικές στιγµές, για την αναπαράσταση του χρόνου µπορούµε να χρησιµοποιούµε και χρονικά διαστήµατα. " Για το σκοπό αυτό πρέπει να ορίσουµε µερικά επιπλέον κατηγορήµατα και συναρτήσεις: " ιάστηµα(i) : Το αντικείµενο i είναι χρονικό διάστηµα. " Αρχή(i) : Συνάρτηση που αναφέρεται στη χρονική στιγµή της έναρξης του χρονικού διαστήµατος i. " Τέλος(i) : Συνάρτηση που αναφέρεται στη χρονική στιγµή της λήξης του χρονικού διαστήµατος i. " ιάρκεια(i) : Συνάρτηση που επιστρέφει τη διάρκεια του χρονικού διαστήµατος i. " ιάρκεια(i) = Τέλος(i) - Αρχή(i) " Μια χρονική στιγµή µπορεί να θεωρηθεί ως µια ειδική περίπτωση χρονικού διαστήµατος, του οποίου η αρχή και το τέλος συµπίπτουν. Γιάννης Ρεφανίδης

21 Αναπαράσταση του χρόνου µε χρονικά διαστήµατα (2/4) " Μεταξύ χρονικών διαστηµάτων µπορούν να οριστούν διάφορες σχέσεις (κατ' αντιστοιχία των σχέσεων >, <, = και που ισχύουν µεταξύ χρονικών στιγµών), οι οποίες αυξάνουν τις εκφραστικές µας δυνατότητες. " Ειδικότερα, οι σχέσεις που µπορούν να έχουν µεταξύ τους δύο χρονικά διαστήµατα i και j είναι οι εξής: " Επικαλύπτει(i,j) Αρχή(i)<Αρχή(j)<Τέλος(i)<Τέλος(j) " Προηγείται(i,j) Τέλος(i) < Αρχή(j) " Συναντά(i,j) Τέλος(i) = Αρχή(j) " Αρχίζει(i,j) Αρχή(i)=Αρχή(j) Τέλος(i)<Τέλος(j) " Τελειώνει(i,j) Αρχή(i)>Αρχή(j) Τέλος(i)=Τέλος(j) " Στη ιάρκεια(i,j) Αρχή(i)>Αρχή(j) Τέλος(i)<Τέλος(j) " Ισοδυναµεί(i,j) Αρχή(i)=Αρχή(j) Τέλος(i)=Τέλος(j) Γιάννης Ρεφανίδης 161 Αναπαράσταση του χρόνου µε χρονικά διαστήµατα (3/4) " Για τις έξι πρώτες από τις παραπάνω σχέσεις µπορούν να οριστούν και οι συµµετρικές τους (κατ' αντιστοιχία της σχέσης > που µπορεί να θεωρηθεί συµµετρική της <) ανεβάζοντας έτσι τον αριθµό των σχέσεων µεταξύ χρονικών διαστηµάτων σε 13. " Στο διπλανό σχήµα φαίνονται γραφικά οι 7 σχέσεις. Γιάννης Ρεφανίδης

22 Αναπαράσταση του χρόνου µε χρονικά διαστήµατα (4/4) " Χρησιµοποιώντας τα χρονικά διαστήµατα και τις µεταξύ τους σχέσεις µπορούµε να γράψουµε προτάσεις σαν την ακόλουθη: " π Πτήση(π) δ,α,β,γ, ιάστηµα(δ) ιάστηµα(α) ιάστηµα(β) ιάστηµα(γ) δ= ιάρκεια_πτήσης(π) α=απογείωση(π) β=κύρια_πτήση(π) γ=προσγείωση(π) Στη_ ιάρκεια(α,δ) Στη_ ιάρκεια(β,δ) Στη_ ιάρκεια(γ,δ) Συναντά(α,β) Συναντά(β,γ) Αρχίζει(α,δ) Τελειώνει(γ,δ) δ α β γ Γιάννης Ρεφανίδης 163 Παρατηρήσεις " Παρά τις επεκτάσεις που κάναµε στη λογική πρώτης τάξης µέσω του λογισµού των συµβάντων και των χρονικών διαστηµάτων, υπάρχουν πολλά πράγµατα ακόµη που πρέπει να αντιµετωπισθούν αναφορικά µε το χρόνο. Μερικά από αυτά είναι τα ακόλουθα: " Συµβάντα µε διάρκεια " Ταυτόχρονα συµβάντα " Το αποτέλεσµα της ταυτόχρονης παρουσίας δύο συµβάντων δεν είναι πάντα ισοδύναµο µε αυτό της ξεχωριστής τους εµφάνισης. Για παράδειγµα, δύο άνθρωποι που σηκώνουν ένα τραπέζι ή δύο θεραπευτικές αγωγές που εφαρµόζονται ταυτόχρονα. " Αποτελέσµατα τα οποία εµφανίζονται αργότερα από τη στιγµή που το σχετικό συµβάν έλαβε χώρα. " Εκτόξευση ενός πυραύλου. " Αποτελέσµατα που είναι συνεχείς µεταβολές " Αδειασµα µιας πισίνας Γιάννης Ρεφανίδης

23 Πεποιθήσεις (1/2) " Με τον όρο "Πεποιθήσεις" αναφερόµαστε γενικά στην γνώση και την εξαγωγή συµπερασµάτων σχετικά µε αυτά που πιστεύουν άλλοι άνθρωποι (άλλες οντότητες εν γένει). " Σε ένα πρόβληµα αναπαράστασης γνώσης όπου υπεισέρχονται και άλλες οντότητες, συνήθως ανταγωνιστικές προς εµάς, στις αποφάσεις που πρόκειται να πάρουµε σηµαντικό ρόλο παίζει η γνώση µας σχετικά µε τη διανοητική κατάσταση (mental state) των "αντιπάλων", και ιδιαίτερα σχεχικά µε τα ακόλουθα: " Τι γνωρίζουν (Knows) " Τι επιθυµούν (Wants) Γιάννης Ρεφανίδης 165 Πεποιθήσεις (2/2) " Για να αναπαραστήσουµε την γνώση µιας άλλης οντότητας χρειάζεται να ορίσουµε ένα νέο κατηγόρηµα: " Γνωρίζει(a,p) : ηλώνει ότι γνωρίζουµε πως η οντότητα a θεωρεί ότι η πρόταση p είναι αληθής. " Βασιζόµενοι σε αυτά που γνωρίζει µια άλλη οντότητα (και όχι σε αυτά που γνωρίζουµε εµείς) µπορούµε να βγάλουµε συµπεράσµατα σχετικά µε το τι συµπεράσµατα έχει ήδη βγάλει η οντότητα αυτή, χρησιµοποιώντας την παρακάτω γενίκευση της γνωστής τεχνικής της απόδειξης: " Οντότητα(a) Γνωρίζει(a, p) Γνωρίζει(a, p q) Γνωρίζει(a,q) " Μια παραλλαγή του κατηγορήµατος Γνωρίζει είναι το παρακάτω: " Γνωρίζει_την_τιµή(a,p) : ηλώνει ότι γνωρίζουµε πως η οντότητα a γνωρίζει την τιµή της πρότασης ή συνάρτησης p, δεν την γνωρίζουµε όµως εµείς! Γιάννης Ρεφανίδης

24 Μη-µονότονη λογική (1/6) " Μέχρι τώρα θεωρήσαµε βάσεις γνώσης οι οποίες συνεχώς µεγαλώνουν µε την προσθήκη νέας γνώσης και την εξαγωγή συµπερασµάτων. " Με άλλα λόγια, οποιαδήποτε πρόταση εισέρχεται στη βάση γνώσης (είτε αληθής ή ψευδής) παραµένει για πάντα σε αυτήν. " Αυτή η προσέγγιση στην αναπαράσταση γνώσης λέγεται µονότονη. " Ωστόσο κάτι τέτοιο δεν συµβαίνει στην πραγµατικότητα, όπου πολλές φορές νέα γνώση έρχεται να ανατρέψει παλιότερη. " Έτσι πολλές φορές χρειάζεται να αναιρέσουµε τόσο την πρωτογενή γνώση, όσο και όλα τα συµπεράσµατα που βγάλαµε από αυτήν. " Αυτή η προσέγγιση στην αναπαράσταση γνώσης λέγεται µη- µονότονη. Γιάννης Ρεφανίδης 167 Μη-µονότονη λογική (2/6) " Για παράδειγµα, έστω ότι µια βάση γνώσης περιέχει αρχικά τις προτάσεις: " P Q " Q R " Κάποια στιγµή εισάγουµε στη βάση γνώσης την πρόταση P, οπότε αυτόµατα εξάγονται τα συµπεράσµατα Q και R και προστίθενται και αυτά στη βάση γνώσης. " Έστω ότι κάποια στιγµή αργότερα "µαθαίνουµε" ότι δεν ισχύει το P (ή ότι ισχύει το P). " Σε αυτή την περίπτωση πρέπει να αφαιρέσουµε από τη βάση γνώσης όχι µόνο το P, αλλά και τα Q και R. Γιάννης Ρεφανίδης

25 Μη-µονότονη λογική (3/6) " Ήδη έχουµε δει δυο περιπτώσεις συστηµάτων γνώσης όπου η νέα γνώση µπορεί να ακυρώσει την παλαιότερη: " Η πρώτη περίπτωση αφορά την άρνηση στα συστήµατα λογικού προγραµµατισµού και την σχετική υπόθεση του κλειστού κόσµου. " Είπαµε ότι ένα σύστηµα λογικού προγραµµατισµού θεωρεί ότι ισχύει η πρόταση p, όταν δεν µπορεί να αποδείξει την πρόταση p. " Ωστόσο, εάν µελλοντικά προστεθεί η πρόταση p στη βάση γνώσης, η αλήθεια της πρότασης p και όσων συµπερασµάτων βγήκαν από αυτήν πρέπει να αναιρεθούν. " Ένα δεύτερο παράδειγµα αφορά τις οντολογίες, όπου οι κατώτεροι κόµβοι κληρονοµούν ιδιότητες και τιµές ιδιοτήτων από τους ανώτερους κόµβους " Ωστόσο ένας κατώτερος κόµβος µπορεί να ορίσει νέα τιµή για κάποια κληρονοµούµενη ιδιότητα, κάτι ωστόσο που µπορεί να µην γίνει εξαρχής, αλλά µόνο όταν γίνει διαθέσιµη η σχετική πληροφορία. " Έτσι τα συµπεράσµατα που ενδεχοµένως εξήχθησαν µε µια τιµή ιδιότητας που κληρονοµήθηκε πρέπει να αναιρεθούν εφόσον δοθεί νέα τιµή στην ιδιότητα. Γιάννης Ρεφανίδης 169 Μη-µονότονη λογική (4/6) " Η µη-µονότονη λογική χρησιµοποιείται ευρέως από τους ανθρώπους. " Συνεχώς βγάζουµε συµπεράσµατα για πράγµατα και καταστάσεις, χωρίς να έχουµε πλήρη αντίληψη για αυτά, παρά µόνο βασιζόµενοι στο τι συµβαίνει συνήθως. " Για παράδειγµα, εάν δούµε ένα αυτοκίνητο παρκαρισµένο στο δρόµο, είµαστε σίγουροι ότι αυτό έχει τέσσερις ρόδες αν και εµείς βλέπουµε µόνο τις 2 ή έστω τις 3. " Το πρόβληµα της εξαγωγής συµπερασµάτων µε εύλογες υποθέσεις αντιµετωπίζεται συνήθως µε χρήση εξ' ορισµού τιµών (Default logic). Γιάννης Ρεφανίδης

26 Μη-µονότονη λογική (5/6) " Το βασικό πρόβληµα των συστηµάτων που υποστηρίζουν µη- µονότονη συλλογιστική είναι η αναίρεση των προτάσεων και των συµπερασµάτων που βγήκαν από αυτές. " Έστω για παράδειγµα µία βάση γνώσης µε τις εξής προτάσεις: " P R " Q R " Έστω ότι προστίθεται στη βάση γνώσης η πρόταση P, οπότε αυτόµατα προκύπτει η πρόταση R. " Έστω ότι στη συνέχεια προστίθεται στη βάση γνώσης και η πρόταση Q, οπότε ξανααποδεικνύεται η πρόταση R, το οποίο όµως ήταν ήδη γνωστό. Γιάννης Ρεφανίδης 171 Μη-µονότονη λογική (6/6) " Έστω ότι κάποια στιγµή αργότερα αφαιρείται από τη βάση γνώσης η πρόταση P. Η πρόταση R παραµένει στη βάση γνώσης, γιατί εξακολουθεί να αποδεικνύεται µέσω των προτάσεων Q και Q R. " Έστω τέλος ότι αφαιρείται από τη βάση γνώσης και η πρόταση Q. Αυτή τη φορά πρέπει να αφαιρεθεί και η πρόταση R, αφού δεν αποδεικνύεται πλέον µε κανέναν τρόπο. " Τα συστήµατα εκείνα που φροντίζουν να αφαιρούν από τη βάση γνώσης τις προτάσεις εκείνες που δεν αποδεικνύονται πλέον από τις γνωστές προτάσεις ονοµάζονται συστήµατα διατήτησης αλήθειας (Truth Maintenance Systems). " Συνήθως τα συστήµατα αυτά δεικτοδοτούν κάθε πρόταση µε όλες εκείνες τις οµάδες προτάσεων που χρησιµοποιήθηκαν για την απόδεθξή της. Γιάννης Ρεφανίδης

27 Αναπαράσταση Γνώσης και Συλλογιστικές Γενικά Προτασιακή λογική Λογική πρώτης τάξης Λογικός προγραµµατισµός Επεκτάσεις της Λογικής Πρώτης Τάξης! Συστήµατα Κανόνων Επίλογος Συστήµατα κανόνων (1/2) " Τα συστήµατα κανόνων είναι εµπορικά προγράµµατα για αναπαράσταση γνώσης και εξαγωγή συµπερασµάτων µε αυτή. " Το βασικό τους χαρακτηριστικό είναι ότι η γνώση αποτελείται µόνο από κανόνες (συνεπαγωγές) της µορφής: " IF συνθήκες THEN αποτέλεσµα " σε συνδυασµό φυσικά µε κάποια γεγονότα τα οποία το σύστηµα γνωρίζει ότι ισχύουν. " Το αποτέλεσµα ενός κανόνα µπορεί εναλλακτικά να είναι: " Η εξαγωγή ενός συµπεράσµατος (συστήµατα εξαγωγής συµπερασµάτων) " Η άµεση εκτέλεση µιας ενέργειας (συστήµατα παραγωγής) Γιάννης Ρεφανίδης

28 Συστήµατα κανόνων (2/2) " Τα συστήµατα κανόνων είναι δηµοφιλή επειδή παρέχουν έναν εύκολο και κατανοητό από µη-ειδικούς τρόπο περιγραφής γνώσης. " Ειδικότερα: " Κάθε κανόνας ορίζει ένα µικρό και (σχεδόν) ανεξάρτητο τµήµα της γνώσης για ένα πρόβληµα (modularity). " Νέοι κανόνες µπορούν να προστεθούν σε ένα σύνολο κανόνων (σχεδόν) ανεξάρτητα από άλλους υπάρχοντες κανόνες (incrementability). " Κανόνες που ήδη υπάρχουν σε ένα σύνολο κανόνων µπορούν να αλλάξουν (σχεδόν) ανεξάρτητα από άλλους κανόνες (modifiability). Γιάννης Ρεφανίδης 175 Παράδειµα (1/2) " Έστω η γνώση σχετικά µε την αντιµετώπιση βλαβών ενός εκτυπωτή, όπως αυτή περιγράφεται στο σχετικό εγχειρίδιο: Σύµπτωµα Οεκτυπωτής δεν τυπώνει καθόλου ή ο εκτυπωτής τυπώνει λάθος χαρακτήρες Οεκτυπωτής τυπώνει σωστά αλλά τα χρώµατα δεν αποδίδονται καλά Οεκτυπωτής τυπώνει σωστά αλλά αλλά εµφανίζονται γραµµές στην εκτύπωση Πιθανή Βλάβη Το καλώδιο δεν κάνει καλή επαφή Έχει τελειώσει το έγχρωµο µελάνι εν είναι καθαρή η κεφαλή Επιδιόρθωση Κλείσε τον εκτυπωτή και τον υπολογιστή και σύνδεσε καλά το καλώδιο. Αλλάξτε την κεφαλή µε το έγχρωµο µελάνι Ακολουθήστε τη διαδικασία καθαρισµού της κεφαλής " Στον παραπάνω πίνακα µπορεί να θεωρήσει κανείς ότι η πρώτη στήλη περιέχει προϋποθέσεις, η δεύτερη στήλη συµπεράσµατα και η τρίτη στήλη προτεινόµενες ενέργειες. Γιάννης Ρεφανίδης

29 Παράδειµα (2/2) " Βασιζόµενοι στον πίνακα της προηγούµενης διαφάνειας µπορούµε να γράψουµε διάφορους κανόνες ως εξής: " IF ο εκτυπωτής δεν τυπώνει καθόλου OR ο εκτυπωτής τυπώνει λάθος χαρακτήρες THEN το καλώδιο δεν κάνει καλή επαφή " IFο εκτυπωτής τυπώνει σωστά and τα χρώµατα δε τυπώνονται σωστά THEN έχει τελειώσει το έγχρωµο µελάνι " IFο εκτυπωτής δεν τυπώνει καθόλου OR ο εκτυπωτής τυπώνει λάθος χαρακτήρες THEN κλείσε τον εκτυπωτή και τον υπολογιστή και σύνδεσε το καλώδιο " IFο εκτυπωτής τυπώνει σωστά and τα χρώµατα δε τυπώνονται σωστά THEN αλλάξτε την κεφαλή µε το έγχρωµο µελάνι Κανόνες εξαγωγής συµπερασµάτων Κανόνες εκτέλεσης ενέργειας Γιάννης Ρεφανίδης 177 Συστήµατα εξαγωγής συµπερασµάτων (1/2) " Τα συστήµατα εξαγωγής συµπερασµάτων περιέχουν κανόνες των οποίων τα αποτελέσµατα είναι συµπεράσµατα, δηλαδή νέες προτάσεις. " Στο σηµείο αυτό δεν διαφέρουν ιδιαίτερα από ένα σύστηµα λογικής πρώτης τάξης ή λογικού προγραµµατισµού. " Χαρακτηριστικό της διαδικασίας εξαγωγής συµπερασµάτων είναι ότι η εξαγωγή ή µη ενός συµπεράσµατος δεν έχει να κάνει µε τη σειρά µε την οποία δοκιµάζονται οι κανόνες. " Με άλλα λόγια, εάν ένα συµπέρασµα µπορεί να προκύψει από τους κανόνες, αργά ή γρήγορα θα εµφανιστεί. Γιάννης Ρεφανίδης

30 Συστήµατα εξαγωγής συµπερασµάτων (2/2) " Υπάρχουν δύο τρόποι "εκτέλεσης" των κανόνων: " Η ορθή ακολουθία εκτέλεσης (forward chaining) είναι το αντίστοιχο της απόδειξης στη λογική. Βρίσκει τους κανόνες των οποίων οι προϋποθέσεις στο µέρος IF ισχύουν και προσθέτει τα συµπεράσµατά τους στη βάση γνώσης. " Η ανάστροφη ακολουθία εκτέλεσης (backward chaining) θυµίζει τον τρόπο λειτουργίας των συστηµάτων λογικού προγραµµατισµού. Ξεκινώντας από την πρόταση που θέλουµε να αποδείξουµε, προσπαθούµε να βρούµε έναν κανόνα που έχει στα αποτελέσµατά του την προς απόδειξη πρόταση και στη συνέχεια προσπαθούµε να αποδείξουµε τις προϋποθέσεις αυτού του κανόνα. Γιάννης Ρεφανίδης 179 Ορθή και Ανάστροφη Συλλογιστική (1/3) " Έστω ο πρώτος κανόνας της προηγούµενης διαφάνειας: " IFο εκτυπωτής δεν τυπώνει καθόλου OR ο εκτυπωτής τυπώνει λάθος χαρακτήρες THEN το καλώδιο δεν κάνει καλή επαφή " Θα µπορούσε κανείς να ισχυριστεί ότι ο παραπάνω κανόνας θα έπρεπε να γραφεί ως: " IFτο καλώδιο δεν κάνει καλή επαφή THEN ο εκτυπωτής δεν τυπώνει καθόλου OR ο εκτυπωτής τυπώνει λάθος χαρακτήρες Γιάννης Ρεφανίδης

31 Ορθή και Ανάστροφη Συλλογιστική (2/3) " Ο κανόνας: " IFο εκτυπωτής δεν τυπώνει καθόλου OR ο εκτυπωτής τυπώνει λάθος χαρακτήρες THEN το καλώδιο δεν κάνει καλή επαφή " βασίζεται στα δεδοµένα (δηλαδή τα άµεσα µετρήσιµα µεγέθη) για να εξάγει ένα συµπέρασµα. " Κανόνες αυτής της µορφής λέγεται ότι επιδεικνύουν ορθή συλλογιστική (forward reasoning). " Συστήµατα που βασίζονται σε κανόνες αυτής της µορφής λέγεται ότι κάνουν σύνθεση (synthesis) ή ότι οδηγούνται από τα δεδοµένα (data driven). " Κανείς πρέπει να είναι πολύ προσεκτικός στη συγγραφή τέτοιων κανόνων, µιας και τα δεδοµένα στα οποία βασίζεται ένας κανόνας είναι δυνατό να "εξηγούνται" από περισσότερα του ενός εναλλακτικά συµπεράσµατα. Γιάννης Ρεφανίδης 181 Ορθή και Ανάστροφη Συλλογιστική (3/3) " Ο κανόνας: " IFτο καλώδιο δεν κάνει καλή επαφή THEN ο εκτυπωτής δεν τυπώνει καθόλου OR ο εκτυπωτής τυπώνει λάθος χαρακτήρες " ξεκινά από ένα πιθανό συµπέρασµα (αιτία ενός φαινοµένου) και ορίζει τα αποτελέσµατα που αυτό επιφέρει (µετρήσιµα µεγέθη). " Κανόνες αυτής της µορφής λέγεται ότι επιδεικνύουν ανάστροφη συλλογιστική (backward reasoning). " Συστήµατα που βασίζονται σε κανόνες αυτής της µορφής λέγεται ότι κάνουν ανάλυση (analysis) ή ότι οδηγούνται από τα συµπεράσµατα (goal driven). Γιάννης Ρεφανίδης

32 Συστήµατα παραγωγής (1/5) " Τα συστήµατα παραγωγής είναι συστήµατα στα οποία τα αποτελέσµατα των κανόνων (ενδεχοµένως όχι όλων) είναι άµεσα εκτελέσιµες ενέργειες. " Η δοµή ενός συστήµατος παραγωγής φαίνεται στο παρακάτω σχήµα: Γιάννης Ρεφανίδης 183 Συστήµατα παραγωγής (2/5) " Ειδικότερα: " H βάση κανόνων περιλαµβάνει τους κανόνες ενός προγράµµατος. " Ο χώρος εργασίας (working memory) περιλαµβάνει τις προτάσεις (γεγονότα) τις οποίες το σύστηµα θεωρεί αληθείς. " Ο µηχανισµός ελέγχου καθορίζει τη σειρά µε την οποία ενεργοποιούνται οι κανόνες. " Σε ένα σύστηµα παραγωγής, και λόγω της φύσης των κανόνων του (άµεσα εκτελέσιµες ενέργειες): " Χρησιµοποιειται µόνο η ορθή ακολουθία εκτέλεσης, δηλαδή επιλέγονται και εκτελούνται οι κανόνες εκείνοι των οποίων οι προϋποθέσεις στο µέρος IF ισχύουν. " Έχει µεγάλη σηµασία η σειρά εκτέλεσης των κανόνων. Γιάννης Ρεφανίδης

33 Συστήµατα παραγωγής (3/5) " Λέµε ότι ένας κανόνας οπλίζει (triggers) όταν ικανοποιούνται οι προϋποθέσεις του. " Λέµε ότι ένας κανόνας πυροδοτεί (fires) όταν οι ενέργειές του εφαρµόζονται. " Είναι δυνατό σε µια δεδοµένη στιγµή να οπλίσουν περισσότεροι του ενός κανόνες. Το σύνολο των κανόνων που οπλίζουν ονοµάζεται σύνολο σύγκρουσης (conflict set). " Χρειάζεται µια στρατηγική επίλυσης συγκρούσεων (conflict resolution strategy) για την επιλογή ενός κανόνα από το σύνολο σύγκρουσης. " Η στρατηγική αυτή υλοποιείται από τον µηχανισµό ελέγχου. Γιάννης Ρεφανίδης 185 Συστήµατα παραγωγής (4/5) " Μερικές από τις πιο γνωστές στρατηγικές επίλυσης συγκρούσεων είναι οι εξής: " Συντελεστές βαρύτητας (weights) " Τυχαία (random) " ιάταξης (ordering) " Επιλογή του πρόσφατου (recency) " Επιλογή του πιο ειδικού (specificity) " Αποφυγή επανάληψης (refractoriness) " Ο κύκλος λειτουργίας ενός συστήµατος παραγωγής είναι ο εξής: 1. Βρες όλους του κανόνες που οπλίζουν και σχηµάτισε το σύνολο συγκρούσεων. 2. Σύµφωνα µε το µηχανισµό επίλυσης συγκρούσεων, διάλεξε ένα κανόνα. 3. Πυροδότησε τον κανόνα που διάλεξες στο βήµα 2. Γιάννης Ρεφανίδης

34 Συστήµατα παραγωγής (5/5) " Ίσως το πιο διαδεδοµένα σύστηµα παραγωγής είναι το CLIPS (C Language Integrated Producation System). " Υποστηρίζει ορθή ακολουθία εκτέλεσης. " ιατίθεται ελεύθερα από τη διεύθυνση: " Εκτενής περιγραφή του υπάρχει στο Παράρτηµα 2 του βασικού συγγράµατος του µαθήµατος. " Ένα ακόµη σύστηµα παραγωγής είναι το FLEX Expert System Shell, το οποίο διατίθεται ως βιβλιοθήκη της γλώσσας Prolog της εταιρείας LPA. " Το σύστηµα FLEX υποστηρίζει κανόνες µε ορθή ακολουθία εκτέλεσης και πλαίσια. " Μπορεί να συνεργαστεί µε την υποκείµενη Prolog. " εν διατίθεται ελεύθερα. " Εκτενής περιγραφή του υπάρχει στο Παράρτηµα 3 του βασικού συγγράµατος του µαθήµατος. Γιάννης Ρεφανίδης 187 Παράδειγµα: Έλεγχος Τουρµπίνας Αερίου (1/3) " Έστω ένα σύστηµα παραγωγής για τον έλεγχο µιας τουρµπίνας φυσικού αερίου. " Τα δεδοµένα στα οποία βασίζεται το σύστηµα είναι τα εξής: Αισθητήρες Επιτρεπτές Τιµές Χαµηλή τιµή (Low) < Υψηλή τιµή (High) > Θερµοκρασίας (Τ1, Τ2) Πίεσης (P1, P2): ονήσεων (S1, S2): Στροφών (rpm) 0-10,000 1,000 8,000 Ανίχνευσης Φωτιάς on/off - - Ανίχνευσης ιαρροής Αερίου on/off - - Γιάννης Ρεφανίδης

35 Παράδειγµα: Έλεγχος Τουρµπίνας Αερίου (2/3) " Η µνήµη εργασίας του συστήµατος παραγωγής αποτελείται από τα δεδοµένα των αισθητήρων, έτσι το σύστηµα δεν χρειάζεται να αποθηκεύει άλλη πληροφορία υπό τη µορφή προτάσεων. " Οι κανόνες ενός συστήµατος παραγωγής θα είχαν ως προϋποθέσεις συνδυασµούς τιµών από τους αισθητήρες και ως αποτελέσµατα ενέργειες στις οποίες το σύστηµα θα έπρεπε να προβεί άµεσα. " Το σύστηµα θα λειτουργούσε συνεχώς και όταν σε κάποιον κύκλο λειτουργίας ένας κανόνας όπλιζε, θα εκτελούνταν. " Σε περίπτωση που περισσότεροι του ενός κανόνες οπλίσουν ταυτόχρονα, θα επιλέγεται ένας εξ' αυτών, βάσει µιας στρατηγικής επίλυσης συγκρούσεων. Γιάννης Ρεφανίδης 189 Παράδειγµα: Έλεγχος Τουρµπίνας Αερίου (3/3) " Μερικοί από τους κανόνες ενός τέτοιου συστήµατος παραγωγής είναι οι ακόλουθοι: " Εάν η πίεση P2 είναι υψηλή και η θερµοκρασία Τ2 είναι υψηλή και οι στροφές του κινητήρα δεν είναι υψηλές τότε έχουν µπλοκάρει οι σωληνώσεις εξόδου και πρέπει να κλείσουν οι κύριες σωληνώσεις και να ανοίξουν οι εφεδρικές. " Εάν η πίεση P2 είναι υψηλή και η θερµοκρασία Τ2 είναι υψηλή και οι στροφές του κινητήρα είναι υψηλές τότε υπερλειτουργεί ο κινητήρας και πρέπει να µειωθεί η παροχή καυσίµου. " Εάν η πίεση P2 είναι χαµηλή και οι στροφές του κινητήρα είναι χαµηλές τότε ο κινητήρας υπολειτουργεί και πρέπει να αυξηθεί η παροχή καυσίµου. " Εάν η πίεση P1 είναι χαµηλή και οι θερµοκρασίες Τ1, Τ2 είναι κανονικές και οι δονήσεις S1, S2 είναι κανονικές, τότε έχουν πρόβληµα οι σωληνώσεις εισόδου και πρέπει να ενεργοποιηθεί το εφεδρικό σύστηµα εισόδου. Γιάννης Ρεφανίδης

36 Αναπαράσταση Γνώσης και Συλλογιστικές Γενικά Προτασιακή λογική Λογική πρώτης τάξης Λογικός προγραµµατισµός Επεκτάσεις της Λογικής Πρώτης Τάξης Συστήµατα Κανόνων! Επίλογος Είδη συλλογισµών (1/3) " Μέχρι τώρα θεωρήσαµε συµπεράσµατα τα οποία εξήχθησαν βάσει γνωστής γνώσης και αυστηρών µεθόδων απόδειξης. " Αυτός ο τρόπος εξαγωγής συµπερασµάτων ονοµάζεται παραγωγική συλλογιστική (deductive reasoning). " Για παράδειγµα: " εδοµένου του κανόνα: Όλα τα σκυλιά του Κώστα είναι καφέ " Και του γεγονότος: Αυτά τα σκυλιά είναι του Κώστα " Εξάγεται το συµπέρασµα: Αυτά τα σκυλιά είναι καφέ Γιάννης Ρεφανίδης

37 Είδη συλλογισµών (2/3) " Ένας διαφορετικός τρόπος εξαγωγής συµπερασµάτων είναι η επαγωγική συλλογιστική (inductive reasoning). " Η επαγωγική συλλογιστική (inductive reasoning) αφορά την εξαγωγή γενικών συµπερασµάτων από ένα σύνολο παραδειγµάτων. " Σχετίζεται άµεσα µε το αντικείµενο της µηχανικής µάθησης. " Προσοχή: Η γνωστή µαθηµατική επαγωγή είναι αυστηρή αποδεικτική διαδικασία (δεν βασίζεται σε παραδείγµατα) και εντάσσεται στην παραγωγική συλλογιστική. " Για παράδειγµα: " εδοµένου του γεγονότος: Αυτά τα σκυλιά είναι του Κώστα " Και του αποτελέσµατος: Αυτά τα σκυλιά είναι καφέ " Εξάγεται ο κανόνας: Όλα τα σκυλιά του Κώστα είναι καφέ Γιάννης Ρεφανίδης 193 Είδη συλλογισµών (3/3) " Τέλος υπάρχει και η απαγωγική συλλογιστική (abductive reasoning) η οποία επιχειρεί να εξάγει υποθέσεις που εξηγούν τις παρατηρήσεις. " Για παράδειγµα: " εδοµένου του κανόνα: Όλα τα σκυλιά του Κώστα είναι καφέ " Και του αποτελέσµατος: Τα σκυλιά είναι καφέ " Εξάγεται η υπόθεση: Αυτά τα σκυλιά είναι του Κώστα " Η απαγωγική συλλογιστική µπορεί να θεωρηθεί ένας τρόπος ανάθεσης εξ' ορισµού τιµών σε κάποιες µεταβλητές, όταν δεν υπάρχει τρόπος παρατήρησης των πραγµατικών τιµών και όταν οι εξ'ορισµού τιµές δεν αντιβαίνουν προϋπάρχουσα γνώση. Γιάννης Ρεφανίδης

οµηµένες Αναπαραστάσεις Γνώσης

οµηµένες Αναπαραστάσεις Γνώσης οµηµένες Αναπαραστάσεις Γνώσης! Η κλασική λογική δε µπορεί να αναπαραστήσει κλάσεις αντικειµένων.! Είναι επιθυµητή η µείωση του όγκου της γνώσης για ένα πρόβληµα.! Η πράξη απαιτεί µία περισσότερο διαισθητική

Διαβάστε περισσότερα

Σχεδιασµός ενεργειών

Σχεδιασµός ενεργειών Σχεδιασµός ενεργειών Μέρος 1: ιάρθρωση (1/2)! Περιγραφή προβληµάτων σχεδιασµού ενεργειών " Λογισµός καταστάσεων " Το µοντέλο STRIPS " Η γλώσσα PDDL! Επίλυση συµβολικών προβληµάτων σχεδιασµού ενεργειών

Διαβάστε περισσότερα

Τεχνητή Νοημοσύνη (ΥΠ23) 6 ο εξάμηνο Τμήμα Πληροφορικής και Τηλεματικής Χαροκόπειο Πανεπιστήμιο Ουρανία Χατζή

Τεχνητή Νοημοσύνη (ΥΠ23) 6 ο εξάμηνο Τμήμα Πληροφορικής και Τηλεματικής Χαροκόπειο Πανεπιστήμιο Ουρανία Χατζή Τεχνητή Νοημοσύνη (ΥΠ23) 6 ο εξάμηνο Τμήμα Πληροφορικής και Τηλεματικής Χαροκόπειο Πανεπιστήμιο Ουρανία Χατζή raniah@hua.gr 1 Αναπαράσταση με Κανόνες Η γνώση αναπαρίσταται με τρόπο που πλησιάζει την ανθρώπινη

Διαβάστε περισσότερα

Αναπαράσταση Γνώσης και Συλλογιστικές

Αναπαράσταση Γνώσης και Συλλογιστικές Αναπαράσταση Γνώσης και Συλλογιστικές Γενικά Προτασιακή λογική Λογική πρώτης τάξης Λογικός προγραµµατισµός Επεκτάσεις της Λογικής Πρώτης Τάξης Συστήµατα Κανόνων Επίλογος Προτάσεις Horn (1/2) Οι προτάσεις

Διαβάστε περισσότερα

ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ. ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ Τελικές εξετάσεις 24 Ιουνίου 2004

ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ. ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ Τελικές εξετάσεις 24 Ιουνίου 2004 ΘΕΜΑ 1 ο (2.5 µονάδες) ΠΑΝΕΠΙΣΤΗΜΙ ΜΑΚΕ ΝΙΑΣ ΙΚΝΜΙΚΩΝ ΚΑΙ ΚΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΦΑΡΜΣΜΕΝΗΣ ΠΛΗΡΦΡΙΚΗΣ ΤΕΝΗΤΗ ΝΗΜΣΥΝΗ Τελικές εξετάσεις 24 Ιουνίου 2004 ιάρκεια: 3 ώρες α) Αναφέρετε τη σειρά µε την

Διαβάστε περισσότερα

Κεφάλαιο 11. Συστήµατα Κανόνων. Τεχνητή Νοηµοσύνη - Β' Έκδοση. Ι. Βλαχάβας, Π. Κεφαλάς, Ν. Βασιλειάδης, Φ. Κόκκορας, Η.

Κεφάλαιο 11. Συστήµατα Κανόνων. Τεχνητή Νοηµοσύνη - Β' Έκδοση. Ι. Βλαχάβας, Π. Κεφαλάς, Ν. Βασιλειάδης, Φ. Κόκκορας, Η. Κεφάλαιο 11 Συστήµατα Κανόνων Τεχνητή Νοηµοσύνη - Β' Έκδοση Ι. Βλαχάβας, Π. Κεφαλάς, Ν. Βασιλειάδης, Φ. Κόκκορας, Η. Σακελλαρίου Τεχνητή Νοηµοσύνη, B' Έκδοση 1 Αναπαράσταση µε Κανόνες Πολύ πρακτικός τρόπος

Διαβάστε περισσότερα

Κεφάλαιο 8. Βασικές Αρχές Αναπαράστασης Γνώσης και Συλλογιστικής. Τεχνητή Νοηµοσύνη - Β' Έκδοση

Κεφάλαιο 8. Βασικές Αρχές Αναπαράστασης Γνώσης και Συλλογιστικής. Τεχνητή Νοηµοσύνη - Β' Έκδοση Κεφάλαιο 8 Βασικές Αρχές Αναπαράστασης Γνώσης και Συλλογιστικής Τεχνητή Νοηµοσύνη - Β' Έκδοση Ι. Βλαχάβας, Π. Κεφαλάς, Ν. Βασιλειάδης, Φ. Κόκκορας, Η. Σακελλαρίου Αναπαράσταση Γνώσης Σύνολο συντακτικών

Διαβάστε περισσότερα

ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ

ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΘΕΜΑ 1 ο (2.5 µονάδες) ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ Τελικές εξετάσεις 20 Σεπτεµβρίου 2004 ιάρκεια: 3 ώρες (15:00-18:00)

Διαβάστε περισσότερα

Συστήματα Γνώσης. Θεωρητικό Κομμάτι Μαθήματος Ενότητα 2: Βασικές Αρχές Αναπαράστασης Γνώσης και Συλλογιστικής

Συστήματα Γνώσης. Θεωρητικό Κομμάτι Μαθήματος Ενότητα 2: Βασικές Αρχές Αναπαράστασης Γνώσης και Συλλογιστικής ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΙΚΑ ΜΑΘΗΜΑΤΑ Θεωρητικό Κομμάτι Μαθήματος Ενότητα 2: Βασικές Αρχές Αναπαράστασης Γνώσης και Συλλογιστικής Νίκος Βασιλειάδης, Αναπλ. Καθηγητής Άδειες

Διαβάστε περισσότερα

Διακριτά Μαθηματικά ΙΙ Χρήστος Νομικός Τμήμα Μηχανικών Η/Υ και Πληροφορικής Πανεπιστήμιο Ιωαννίνων 2018 Χρήστος Νομικός ( Τμήμα Μηχανικών Η/Υ Διακριτά

Διακριτά Μαθηματικά ΙΙ Χρήστος Νομικός Τμήμα Μηχανικών Η/Υ και Πληροφορικής Πανεπιστήμιο Ιωαννίνων 2018 Χρήστος Νομικός ( Τμήμα Μηχανικών Η/Υ Διακριτά Διακριτά Μαθηματικά ΙΙ Χρήστος Νομικός Τμήμα Μηχανικών Η/Υ και Πληροφορικής Πανεπιστήμιο Ιωαννίνων 2018 Χρήστος Νομικός ( Τμήμα Μηχανικών Η/Υ Διακριτά και Πληροφορικής Μαθηματικά Πανεπιστήμιο ΙΙ Ιωαννίνων

Διαβάστε περισσότερα

Αναπαράσταση Γνώσης και Συλλογιστικές

Αναπαράσταση Γνώσης και Συλλογιστικές ναπαράσταση Γνώσης και Συλλογιστικές! Γενικά Προτασιακή λογική Λογική πρώτης τάξης Λογικός προγραµµατισµός Επεκτάσεις της Λογικής Πρώτης Τάξης Συστήµατα Κανόνων Επίλογος ναπαράσταση γνώσης " ναπαράσταση

Διαβάστε περισσότερα

Aναπαράσταση Γνώσης στο Σημασιολογικό Ιστό

Aναπαράσταση Γνώσης στο Σημασιολογικό Ιστό Aναπαράσταση Γνώσης στο Σημασιολογικό Ιστό Οι γλώσσες RDF(S) και OWL Γ. Στάμου Περιγραφή Μεταδεδομένων με την RDF Η RDF χρησιμοποιείται για την απλή περιγραφή πόρων (resources) του διαδικτύου o Περιγράφει

Διαβάστε περισσότερα

Κεφάλαιο 5ο: Εντολές Επανάληψης

Κεφάλαιο 5ο: Εντολές Επανάληψης Χρήστος Τσαγγάρης ΕΕ ΙΠ Τµήµατος Μαθηµατικών, Πανεπιστηµίου Αιγαίου Κεφάλαιο 5ο: Εντολές Επανάληψης Η διαδικασία της επανάληψης είναι ιδιαίτερη συχνή, αφού πλήθος προβληµάτων µπορούν να επιλυθούν µε κατάλληλες

Διαβάστε περισσότερα

1 Συνοπτική ϑεωρία. 1.1 Νόµοι του Προτασιακού Λογισµού. p p p. p p. ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Τµήµα Επιστήµης Υπολογιστών

1 Συνοπτική ϑεωρία. 1.1 Νόµοι του Προτασιακού Λογισµού. p p p. p p. ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Τµήµα Επιστήµης Υπολογιστών ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Τµήµα Επιστήµης Υπολογιστών HY-180: Λογική Εαρινό Εξάµηνο 2016 Κ. Βάρσος Πρώτο Φροντιστήριο 1 Συνοπτική ϑεωρία 1.1 Νόµοι του Προτασιακού Λογισµού 1. Νόµος ταυτότητας : 2. Νόµοι αυτοπάθειας

Διαβάστε περισσότερα

ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΠΜΣΕ ΣΤΗΝ ΕΦΑΡΜΟΣΜΕΝΗ ΠΛΗΡΟΦΟΡΙΚΗ

ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΠΜΣΕ ΣΤΗΝ ΕΦΑΡΜΟΣΜΕΝΗ ΠΛΗΡΟΦΟΡΙΚΗ ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΠΜΣΕ ΣΤΗΝ ΕΦΑΡΜΟΣΜΕΝΗ ΠΛΗΡΟΦΟΡΙΚΗ ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ ΚΑΙ ΕΥΦΥΗ ΣΥΣΤΗΜΑΤΑ Τελικές εξετάσεις 24 Ιουνίου 2004 ιάρκεια: 3 ώρες ΘΕΜΑ 1 ο (2.5 µονάδες)

Διαβάστε περισσότερα

HY118- ιακριτά Μαθηµατικά

HY118- ιακριτά Μαθηµατικά HY118- ιακριτά Μαθηµατικά Τρίτη, 21/02/2017 Το υλικό των διαφανειών έχει βασιστεί σε Αντώνης διαφάνειες Α. Αργυρός του Kees van e-mail: argyros@csd.uoc.gr Deemter, από το University of Aberdeen 2/21/2017

Διαβάστε περισσότερα

Α. Ερωτήσεις Ανάπτυξης

Α. Ερωτήσεις Ανάπτυξης οµηµένος Προγραµµατισµός-Κεφάλαιο 7 Σελίδα 1 α ό 10 ΕΝΟΤΗΤΑ ΙΙΙ (ΠΡΟΓΡΑΜΜΑΤΑ) ΚΕΦΑΛΑΙΟ 7: Είδη, Τεχνικές και Περιβάλλοντα Προγραµµατισµού Α. Ερωτήσεις Ανάπτυξης 1. Τι ονοµάζουµε γλώσσα προγραµµατισµού;

Διαβάστε περισσότερα

3 Αναδροµή και Επαγωγή

3 Αναδροµή και Επαγωγή 3 Αναδροµή και Επαγωγή Η ιδέα της µαθηµατικής επαγωγής µπορεί να επεκταθεί και σε άλλες δοµές εκτός από το σύνολο των ϕυσικών N. Η ορθότητα της µαθηµατικής επαγωγής ϐασίζεται όπως ϑα δούµε λίγο αργότερα

Διαβάστε περισσότερα

Τεχνητή Νοημοσύνη (ΥΠ23) 6 ο εξάμηνο Τμήμα Πληροφορικής και Τηλεματικής Χαροκόπειο Πανεπιστήμιο Ουρανία Χατζή

Τεχνητή Νοημοσύνη (ΥΠ23) 6 ο εξάμηνο Τμήμα Πληροφορικής και Τηλεματικής Χαροκόπειο Πανεπιστήμιο Ουρανία Χατζή Τεχνητή Νοημοσύνη (ΥΠ23) 6 ο εξάμηνο Τμήμα Πληροφορικής και Τηλεματικής Χαροκόπειο Πανεπιστήμιο Ουρανία Χατζή raniah@hua.gr 1 Αναπαράσταση Γνώσης Η περιγραφή ενός προβλήματος σε συνδυασμό με τους τελετές

Διαβάστε περισσότερα

Δοµές Δεδοµένων και Αλγόριθµοι - Εισαγωγή

Δοµές Δεδοµένων και Αλγόριθµοι - Εισαγωγή Δοµές Δεδοµένων και Αλγόριθµοι - Εισαγωγή Στην ενότητα αυτή θα µελετηθούν τα εξής επιµέρους θέµατα: Εισαγωγή στις έννοιες Αλγόριθµοι και Πολυπλοκότητα, Οργάνωση Δεδοµένων και Δοµές Δεδοµένων Χρήσιµοι µαθηµατικοί

Διαβάστε περισσότερα

HY118- ιακριτά Μαθηµατικά

HY118- ιακριτά Μαθηµατικά HY118- ιακριτά Μαθηµατικά Τρίτη, 21/02/2017 Το υλικό των διαφανειών έχει βασιστεί σε Αντώνης διαφάνειες Α. Αργυρός του Kees van e-mail: argyros@csd.uoc.gr Deemter, από το University of Aberdeen 2/21/2017

Διαβάστε περισσότερα

Κεφάλαιο 7 : Είδη, Τεχνικές, και Περιβάλλοντα Προγραµµατισµού

Κεφάλαιο 7 : Είδη, Τεχνικές, και Περιβάλλοντα Προγραµµατισµού ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ ΥΠΟΛΟΓΙΣΤΩΝ Κεφάλαιο 7 : Είδη, Τεχνικές, και Περιβάλλοντα Προγραµµατισµού ( Απαντήσεις & Λύσεις Βιβλίου) 1. Σκοποί κεφαλαίου Κύκλος ανάπτυξης προγράµµατος Κατηγορίες γλωσσών προγραµµατισµού

Διαβάστε περισσότερα

HY118- ιακριτά Μαθηµατικά. Παράδειγµα. Από τα συµπεράσµατα στις υποθέσεις Αποδείξεις - Θεωρία συνόλων. Από τις υποθέσεις στα συµπεράσµατα...

HY118- ιακριτά Μαθηµατικά. Παράδειγµα. Από τα συµπεράσµατα στις υποθέσεις Αποδείξεις - Θεωρία συνόλων. Από τις υποθέσεις στα συµπεράσµατα... HY118- ιακριτά Μαθηµατικά Παρασκευή, 11/03/2016 Αντώνης Α. Αργυρός e-mail: argyros@csd.uoc.gr Το υλικό των διαφανειών έχει βασιστεί σε διαφάνειες του Kees van Deemter, από το University of Aberdeen 3/15/2016

Διαβάστε περισσότερα

int array[10]; double arr[5]; char pin[20]; Προγραµµατισµός Ι

int array[10]; double arr[5]; char pin[20]; Προγραµµατισµός Ι Εισαγωγή Στον Προγραµµατισµό «C» Πίνακες Πανεπιστήµιο Πελοποννήσου Τµήµα Πληροφορικής & Τηλεπικοινωνιών Νικόλαος Δ. Τσελίκας Νικόλαος Προγραµµατισµός Δ. Τσελίκας Ι Πίνακες στη C Ένας πίνακας στη C είναι

Διαβάστε περισσότερα

HY118- ιακριτά Μαθηµατικά

HY118- ιακριτά Μαθηµατικά HY118- ιακριτά Μαθηµατικά Πέµπτη, 02/03/2017 Αντώνης Α. Αργυρός e-mail: argyros@csd.uoc.gr Το υλικό των διαφανειών έχει βασιστεί σε διαφάνειες του Kees van Deemter, από το University of Aberdeen 3/2/2017

Διαβάστε περισσότερα

Επίλυση προβληµάτων. Περιγραφή προβληµάτων Αλγόριθµοι αναζήτησης Αλγόριθµοι τυφλής αναζήτησης Αλγόριθµοι ευρετικής αναζήτησης

Επίλυση προβληµάτων. Περιγραφή προβληµάτων Αλγόριθµοι αναζήτησης Αλγόριθµοι τυφλής αναζήτησης Αλγόριθµοι ευρετικής αναζήτησης Επίλυση προβληµάτων Περιγραφή προβληµάτων Αλγόριθµοι αναζήτησης Αλγόριθµοι τυφλής αναζήτησης Αλγόριθµοι ευρετικής αναζήτησης! Παιχνίδια δύο αντιπάλων Προβλήµατα ικανοποίησης περιορισµών Γενικά " Ντετερµινιστικά

Διαβάστε περισσότερα

ΠΑΙΓΝΙΑ Παιχνίδια Γενική Θεώρηση μεγιστοποιήσει την πιθανότητά

ΠΑΙΓΝΙΑ Παιχνίδια Γενική Θεώρηση μεγιστοποιήσει την πιθανότητά ΠΑΙΓΝΙΑ Παιχνίδια Γενική Θεώρηση: Έστω ότι έχουμε τους παίκτες Χ και Υ. Ο κάθε παίκτης, σε κάθε κίνηση που κάνει, προσπαθεί να μεγιστοποιήσει την πιθανότητά του να κερδίσει. Ο Χ σε κάθε κίνηση που κάνει

Διαβάστε περισσότερα

Επιµέλεια Θοδωρής Πιερράτος

Επιµέλεια Θοδωρής Πιερράτος Ερωτήσεις Σωστό - Λάθος 1. Ο αλγόριθµος πρέπει να τερµατίζεται µετά από εκτέλεση πεπερασµένου αριθµού εντολών. 2. Η είσοδος σε έναν αλγόριθµο µπορεί να είναι έξοδος σε έναν άλλο αλγόριθµο. 3. Ένας αλγόριθµος

Διαβάστε περισσότερα

Διακριτά Μαθηματικά ΙΙ Χρήστος Νομικός Τμήμα Μηχανικών Η/Υ και Πληροφορικής Πανεπιστήμιο Ιωαννίνων 2018 Χρήστος Νομικός ( Τμήμα Μηχανικών Η/Υ Διακριτά

Διακριτά Μαθηματικά ΙΙ Χρήστος Νομικός Τμήμα Μηχανικών Η/Υ και Πληροφορικής Πανεπιστήμιο Ιωαννίνων 2018 Χρήστος Νομικός ( Τμήμα Μηχανικών Η/Υ Διακριτά Διακριτά Μαθηματικά ΙΙ Χρήστος Νομικός Τμήμα Μηχανικών Η/Υ και Πληροφορικής Πανεπιστήμιο Ιωαννίνων 2018 Χρήστος Νομικός ( Τμήμα Μηχανικών Η/Υ Διακριτά και Πληροφορικής Μαθηματικά Πανεπιστήμιο ΙΙ Ιωαννίνων

Διαβάστε περισσότερα

ΤΙΤΛΟΣ ΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ: GoNToggle: ΕΞΥΠΝΗ ΜΗΧΑΝΗ ΑΝΑΖΗΤΗΣΗΣ ΜΕ ΧΡΗΣΗ ΟΝΤΟΛΟΓΙΩΝ ΠΕΡΙΟΧΗ ΕΡΕΥΝΑΣ: ΣΥΓΓΡΑΦΕΑΣ:

ΤΙΤΛΟΣ ΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ: GoNToggle: ΕΞΥΠΝΗ ΜΗΧΑΝΗ ΑΝΑΖΗΤΗΣΗΣ ΜΕ ΧΡΗΣΗ ΟΝΤΟΛΟΓΙΩΝ ΠΕΡΙΟΧΗ ΕΡΕΥΝΑΣ: ΣΥΓΓΡΑΦΕΑΣ: ΤΙΤΛΟΣ ΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ: GoNToggle: ΕΞΥΠΝΗ ΜΗΧΑΝΗ ΑΝΑΖΗΤΗΣΗΣ ΜΕ ΧΡΗΣΗ ΟΝΤΟΛΟΓΙΩΝ ΠΕΡΙΟΧΗ ΕΡΕΥΝΑΣ: Υπολογιστικά Συστήµατα & Τεχνολογίες Πληροφορικής ΣΥΓΓΡΑΦΕΑΣ: Γιώργος Γιαννόπουλος, διδακτορικός φοιτητής

Διαβάστε περισσότερα

! όπου το σύµβολο έχει την έννοια της παραγωγής, δηλαδή το αριστερό µέρος ισχύει ενώ το δεξιό µέρος συµπεραίνεται και προστίθεται στη βάση γνώσης.

! όπου το σύµβολο έχει την έννοια της παραγωγής, δηλαδή το αριστερό µέρος ισχύει ενώ το δεξιό µέρος συµπεραίνεται και προστίθεται στη βάση γνώσης. Αποδείξεις (1/2)! Χρησιµοποιούµε τις συνεπαγωγές της βάσης γνώσης για να βγάλουµε νέα συµπεράσµατα. Για παράδειγµα:! Από τις προτάσεις:! Ακαι Α Β! µπορούµε να βγάλουµε το συµπέρασµα (τεχνική modus ponens

Διαβάστε περισσότερα

ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΝΕΥΡΩΝΙΚΑ ΙΚΤΥΑ

ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΝΕΥΡΩΝΙΚΑ ΙΚΤΥΑ ΘΕΜΑ 1 ο (2.5 µονάδες) ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΝΕΥΡΩΝΙΚΑ ΙΚΤΥΑ Τελικές εξετάσεις 21 Σεπτεµβρίου 2004 ιάρκεια: 3 ώρες Το παρακάτω σύνολο

Διαβάστε περισσότερα

Προβλήματα, αλγόριθμοι, ψευδοκώδικας

Προβλήματα, αλγόριθμοι, ψευδοκώδικας Προβλήματα, αλγόριθμοι, ψευδοκώδικας October 11, 2011 Στο μάθημα Αλγοριθμική και Δομές Δεδομένων θα ασχοληθούμε με ένα μέρος της διαδικασίας επίλυσης υπολογιστικών προβλημάτων. Συγκεκριμένα θα δούμε τι

Διαβάστε περισσότερα

Σε αυτό το µάθηµα θα ασχοληθούµε µε τη βελτίωση της εµφάνισης ενός ιστοτόπου, αλλά και τον εύκολο χειρισµό όλων των αλλαγών στην εµφάνιση της σελίδας

Σε αυτό το µάθηµα θα ασχοληθούµε µε τη βελτίωση της εµφάνισης ενός ιστοτόπου, αλλά και τον εύκολο χειρισµό όλων των αλλαγών στην εµφάνιση της σελίδας Σε αυτό το µάθηµα θα ασχοληθούµε µε τη βελτίωση της εµφάνισης ενός ιστοτόπου, αλλά και τον εύκολο χειρισµό όλων των αλλαγών στην εµφάνιση της σελίδας µέσω της τεχνολογίας των ιαδοχικών Φύλλων Στυλ (cascading

Διαβάστε περισσότερα

Γραµµική Αλγεβρα Ι. Ενότητα: ιανυσµατικοί χώροι. Ευάγγελος Ράπτης. Τµήµα Μαθηµατικών

Γραµµική Αλγεβρα Ι. Ενότητα: ιανυσµατικοί χώροι. Ευάγγελος Ράπτης. Τµήµα Μαθηµατικών Ενότητα: ιανυσµατικοί χώροι Ευάγγελος Ράπτης Τµήµα Μαθηµατικών Αδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons. Για εκπαιδευτικό υλικό, όπως εικόνες, που υπόκειται

Διαβάστε περισσότερα

Εισαγωγή ΕΙΣΑΓΩΓΗ ΣΤΑ ΓΣΠ

Εισαγωγή ΕΙΣΑΓΩΓΗ ΣΤΑ ΓΣΠ ΕΙΣΑΓΩΓΗ ΣΤΑ ΓΣΠ Τα τελευταία 25 χρόνια, τα προβλήµατα που σχετίζονται µε την διαχείριση της Γεωγραφικής Πληροφορίας αντιµετωπίζονται σε παγκόσµιο αλλά και εθνικό επίπεδο µε την βοήθεια των Γεωγραφικών

Διαβάστε περισσότερα

Αποφασισιµότητα. HY118- ιακριτά Μαθηµατικά. Βασικές µέθοδοι απόδειξης. 07 -Αποδείξεις. ιακριτά Μαθηµατικά, Εαρινό εξάµηνο 2017

Αποφασισιµότητα. HY118- ιακριτά Μαθηµατικά. Βασικές µέθοδοι απόδειξης. 07 -Αποδείξεις. ιακριτά Μαθηµατικά, Εαρινό εξάµηνο 2017 HY118- ιακριτά Μαθηµατικά Πέµπτη, 02/03/2017 Αντώνης Α. Αργυρός e-mail: argyros@csd.uoc.gr Το υλικό των διαφανειών έχει βασιστεί σε διαφάνειες του Kees van Deemter, από το University of Aberdeen 3/2/2017

Διαβάστε περισσότερα

o AND o IF o SUMPRODUCT

o AND o IF o SUMPRODUCT Πληροφοριακά Εργαστήριο Management 1 Information Συστήματα Systems Διοίκησης ΤΕΙ Τμήμα Ελεγκτικής Ηπείρου Χρηματοοικονομικής (Παράρτημα Πρέβεζας) και Αντικείµενο: Μοντελοποίηση προβλήµατος Θέµατα που καλύπτονται:

Διαβάστε περισσότερα

Εργαστήριο Σημασιολογικού Ιστού

Εργαστήριο Σημασιολογικού Ιστού Εργαστήριο Σημασιολογικού Ιστού Ενότητα 6: RDF Schema (RDFS) Μ.Στεφανιδάκης 21-3-2016. Τι μπορούμε να εκφράσουμε με την RDF; Δηλώσεις σε μορφή τριάδων (s,p,o) Χωρίς οποιαδήποτε έννοια δομής... Παράδειγμα:

Διαβάστε περισσότερα

Θεώρηµα: Z ( Απόδειξη: Περ. #1: Περ. #2: *1, *2: αποδεικνύονται εύκολα, διερευνώντας τις περιπτώσεις ο k να είναι άρτιος ή περιττός

Θεώρηµα: Z ( Απόδειξη: Περ. #1: Περ. #2: *1, *2: αποδεικνύονται εύκολα, διερευνώντας τις περιπτώσεις ο k να είναι άρτιος ή περιττός HY118- ιακριτά Μαθηµατικά Την προηγούµενη φορά Τρόποι απόδειξης Τρίτη, 07/03/2017 Αντώνης Α. Αργυρός e-mail: argyros@csd.uoc.gr Το υλικό των διαφανειών έχει βασιστεί σε διαφάνειες του Kees van Deemter,

Διαβάστε περισσότερα

Αναπαράσταση Γνώσης και Συλλογιστικές

Αναπαράσταση Γνώσης και Συλλογιστικές ναπαράσταση Γνώσης και Συλλογιστικές Γενικά Προτασιακή λογική Λογική πρώτης τάξης Λογικός προγραµµατισµός Επεκτάσεις της Λογικής Πρώτης Τάξης Συστήµατα Κανόνων Επίλογος ναπαράσταση γνώσης ναπαράσταση γνώσης

Διαβάστε περισσότερα

a = 10; a = k; int a,b,c; a = b = c = 10;

a = 10; a = k; int a,b,c; a = b = c = 10; C: Από τη Θεωρία στην Εφαρµογή Κεφάλαιο 4 ο Τελεστές Γ. Σ. Τσελίκης Ν. Δ. Τσελίκας Ο τελεστής εκχώρησης = Ο τελεστής = χρησιµοποιείται για την απόδοση τιµής (ή αλλιώς ανάθεση τιµής) σε µία µεταβλητή Π.χ.

Διαβάστε περισσότερα

Επαναληπτικό ιαγώνισµα Πληροφορικής Γ Γυµνασίου Γιώργος Λιακέας Σχολικός Σύµβουλος Πληροφορικής Ερωτήσεις

Επαναληπτικό ιαγώνισµα Πληροφορικής Γ Γυµνασίου Γιώργος Λιακέας Σχολικός Σύµβουλος Πληροφορικής Ερωτήσεις Επαναληπτικό ιαγώνισµα Πληροφορικής Γ Γυµνασίου (νέο βιβλίο Πληροφορικής Γυµνασίου Αράπογλου, Μαβόγλου, Οικονοµάκου, Φύτρου) Γιώργος Λιακέας Σχολικός Σύµβουλος Πληροφορικής Ερωτήσεις 1. Τι είναι ο Αλγόριθµος;

Διαβάστε περισσότερα

ΚΕΦΑΛΑΙΟ 7 ΕΙ Η, ΤΕΧΝΙΚΕΣ ΚΑΙ ΠΕΡΙΒΑΛΛΟΝΤΑ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΥ

ΚΕΦΑΛΑΙΟ 7 ΕΙ Η, ΤΕΧΝΙΚΕΣ ΚΑΙ ΠΕΡΙΒΑΛΛΟΝΤΑ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΥ ΚΕΦΑΛΑΙΟ 7 ΕΙ Η, ΤΕΧΝΙΚΕΣ ΚΑΙ ΠΕΡΙΒΑΛΛΟΝΤΑ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΥ 7.1. Ανάπτυξη Προγράµµατος Τι είναι το Πρόγραµµα; Το Πρόγραµµα: Είναι ένα σύνολο εντολών για την εκτέλεση ορισµένων λειτουργιών από τον υπολογιστή.

Διαβάστε περισσότερα

HY118- ιακριτά Μαθηµατικά

HY118- ιακριτά Μαθηµατικά HY118- ιακριτά Μαθηµατικά Πέµπτη, 09/03/2017 Αντώνης Α. Αργυρός e-mail: argyros@csd.uoc.gr Το υλικό των διαφανειών έχει βασιστεί σε διαφάνειες του Kees van Deemter, από το University of Aberdeen 3/9/2017

Διαβάστε περισσότερα

ΙΙ ιαφορικός Λογισµός πολλών µεταβλητών. ιαφόριση συναρτήσεων πολλών µεταβλητών

ΙΙ ιαφορικός Λογισµός πολλών µεταβλητών. ιαφόριση συναρτήσεων πολλών µεταβλητών 54 ΙΙ ιαφορικός Λογισµός πολλών µεταβλητών ιαφόριση συναρτήσεων πολλών µεταβλητών Ένας στέρεος ορισµός της παραγώγισης για συναρτήσεις πολλών µεταβλητών ανάλογος µε τον ορισµό για συναρτήσεις µιας µεταβλητής

Διαβάστε περισσότερα

Αναπαράσταση Γνώσης και Συλλογιστικές

Αναπαράσταση Γνώσης και Συλλογιστικές Αναπαράσταση Γνώσης και Συλλογιστικές Γενικά Προτασιακή λογική Λογική πρώτης τάξης Λογικός προγραµµατισµός Επεκτάσεις της Λογικής Πρώτης Τάξης Συστήµατα Κανόνων Επίλογος Μειονεκτήµατα προτασιακής λογικής

Διαβάστε περισσότερα

Εισαγωγή στο RDF. Το Resource Description Framework (RDF) Σταύρος Πολυβίου

Εισαγωγή στο RDF. Το Resource Description Framework (RDF) Σταύρος Πολυβίου Εισαγωγή στο RDF Σταύρος Πολυβίου Το Resource Description Framework (RDF) RDF: µία γλώσσα περιγραφής πληροφοριών (metadata) που αφορούν πόρους (resources) στο world wide web. Παραδείγµατα: ο τίτλος, ο

Διαβάστε περισσότερα

C: Από τη Θεωρία στην Εφαρµογή 2 ο Κεφάλαιο

C: Από τη Θεωρία στην Εφαρµογή 2 ο Κεφάλαιο C: Από τη Θεωρία στην Εφαρµογή Κεφάλαιο 2 ο Τύποι Δεδοµένων Δήλωση Μεταβλητών Έξοδος Δεδοµένων Γ. Σ. Τσελίκης Ν. Δ. Τσελίκας Μνήµη και Μεταβλητές Σχέση Μνήµης Υπολογιστή και Μεταβλητών Η µνήµη (RAM) ενός

Διαβάστε περισσότερα

Ενότητα: Πράξεις επί Συνόλων και Σώµατα Αριθµών

Ενότητα: Πράξεις επί Συνόλων και Σώµατα Αριθµών Τίτλος Μαθήματος: Γραμμική Άλγεβρα Ι Ενότητα: Πράξεις επί Συνόλων και Σώµατα Αριθµών Διδάσκων: Καθηγητής Νικόλαος Μαρμαρίδης Τμήμα: Μαθηματικών Κεφάλαιο 1 Εισαγωγη : Πραξεις επι Συνολων και Σωµατα Αριθµων

Διαβάστε περισσότερα

ΗΜΙΟΥΡΓΙΑ ΠΑΙΧΝΙ ΙΟΥ ΣΤΟ SCRATCH ΒΗΜΑ ΠΡΟΣ ΒΗΜΑ

ΗΜΙΟΥΡΓΙΑ ΠΑΙΧΝΙ ΙΟΥ ΣΤΟ SCRATCH ΒΗΜΑ ΠΡΟΣ ΒΗΜΑ ΗΜΙΟΥΡΓΙΑ ΠΑΙΧΝΙ ΙΟΥ ΣΤΟ SCRATCH ΒΗΜΑ ΠΡΟΣ ΒΗΜΑ ΣΕΝΑΡΙΟ ΠΑΙΧΝΙ ΙΟΥ Το παιχνίδι θα αποτελείται από δυο παίκτες, οι οποίοι θα βρίσκονται αντικριστά στις άκρες ενός γηπέδου δεξιά και αριστερά, και µια µπάλα.

Διαβάστε περισσότερα

Διαχείριση Γνώσης. Επικ. Καθ. Κωνσταντίνος Μεταξιώτης kmetax@unipi.gr Δρ. Κωνσταντίνος Εργαζάκης Επιστημονικός Υπεύθυνος kergaz@epu.ntua.

Διαχείριση Γνώσης. Επικ. Καθ. Κωνσταντίνος Μεταξιώτης kmetax@unipi.gr Δρ. Κωνσταντίνος Εργαζάκης Επιστημονικός Υπεύθυνος kergaz@epu.ntua. Επικ. Καθ. Κωνσταντίνος Μεταξιώτης kmetax@unipi.gr Δρ. Κωνσταντίνος Εργαζάκης Επιστημονικός Υπεύθυνος kergaz@epu.ntua.gr Πανεπιστήμιο Πειραιώς - Τμήμα Πληροφορικής Περιεχόμενα Κωδικοποίηση Γνώσης Τι είναι

Διαβάστε περισσότερα

Λογικοί πράκτορες. Πράκτορες βασισµένοι στη γνώση

Λογικοί πράκτορες. Πράκτορες βασισµένοι στη γνώση Λογικοί πράκτορες Πράκτορες βασισµένοι στη γνώση Βάση γνώσης (knowledge base: Σύνολο προτάσεων (sentences Γλώσσα αναπαράστασης της γνώσης Γνωστικό υπόβαθρο: «Αµετάβλητο» µέρος της ΒΓ Βασικές εργασίες:

Διαβάστε περισσότερα

Rule Based systems Συστήματα Βασισμένα σε κανόνες

Rule Based systems Συστήματα Βασισμένα σε κανόνες Rule Based systems Συστήματα Βασισμένα σε κανόνες Τμήματα ενός έμπειρου συστήματος βασισμένου σε κανόνες Βάση Γνώσης (Κανόνες) Μηχανισμός Εξαγωγής Συμπερασμάτων Χώρος Εργασίας (Γεγονότα) Μηχανισμός Επεξήγησης

Διαβάστε περισσότερα

Επιµέλεια Θοδωρής Πιερράτος

Επιµέλεια Θοδωρής Πιερράτος Εισαγωγή στον προγραµµατισµό Η έννοια του προγράµµατος Ο προγραµµατισµός ασχολείται µε τη δηµιουργία του προγράµµατος, δηλαδή του συνόλου εντολών που πρέπει να δοθούν στον υπολογιστή ώστε να υλοποιηθεί

Διαβάστε περισσότερα

ΔΟΜΗΜΕΝΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ Κεφάλαιο 8 : H γλώσσα προγραµµατισµού Pascal 1 ο Μέρος σηµειώσεων (Ενότητες 8.1 & 8.2 σχολικού βιβλίου)

ΔΟΜΗΜΕΝΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ Κεφάλαιο 8 : H γλώσσα προγραµµατισµού Pascal 1 ο Μέρος σηµειώσεων (Ενότητες 8.1 & 8.2 σχολικού βιβλίου) ΔΟΜΗΜΕΝΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ Κεφάλαιο 8 : H γλώσσα προγραµµατισµού Pascal 1 ο Μέρος σηµειώσεων (Ενότητες 8.1 & 8.2 σχολικού βιβλίου) 1. Εισαγωγή Χαρακτηριστικά της γλώσσας Τύποι δεδοµένων Γλώσσα προγραµµατισµού

Διαβάστε περισσότερα

2.1 Αντικειµενοστρεφής προγραµµατισµός

2.1 Αντικειµενοστρεφής προγραµµατισµός 2.1 Αντικειµενοστρεφής προγραµµατισµός Στον αντικειµενοστρεφή προγραµµατισµό (object oriented programming, OOP) ένα πρόγραµµα υπολογιστή είναι ένα σύνολο αλληλεπιδρώντων αντικειµένων. Μπορεί να ειπωθεί

Διαβάστε περισσότερα

Αναπαράσταση Γνώσης και Συλλογιστικές

Αναπαράσταση Γνώσης και Συλλογιστικές Αναπαράσταση Γνώσης και Συλλογιστικές Αναπαράσταση γνώσης είναι ένα σύνολο συντακτικών και σηµασιολογικών παραδοχών, οι οποίες καθιστούν δυνατή την περιγραφή ενός κόσµου.! Μία µέθοδος αναπαράστασης γνώσης

Διαβάστε περισσότερα

HY118- ιακριτά Μαθηµατικά

HY118- ιακριτά Μαθηµατικά HY118- ιακριτά Μαθηµατικά Τρίτη, 07/03/2017 Αντώνης Α. Αργυρός e-mail: argyros@csd.uoc.gr Το υλικό των διαφανειών έχει βασιστεί σε διαφάνειες του Kees van Deemter, από το University of Aberdeen 3/7/2017

Διαβάστε περισσότερα

ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ

ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ ΘΕΜΑ 1 ο (2.5 µονάδες) ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ Τελικές εξετάσεις 17 Φεβρουαρίου 2004 ιάρκεια: 2 ώρες (15:00-17:00)

Διαβάστε περισσότερα

ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ. Λογική. Ενότητα 1: Εισαγωγή. Δημήτρης Πλεξουσάκης Τμήμα Επιστήμης Υπολογιστών

ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ. Λογική. Ενότητα 1: Εισαγωγή. Δημήτρης Πλεξουσάκης Τμήμα Επιστήμης Υπολογιστών ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Λογική Ενότητα 1: Εισαγωγή Δημήτρης Πλεξουσάκης Τμήμα Επιστήμης Υπολογιστών Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται στην άδεια χρήσης Creative Commons

Διαβάστε περισσότερα

HY118- ιακριτά Μαθηµατικά. Νόµοι ισοδυναµίας. Κατηγορηµατικός Λογισµός. ιακριτά Μαθηµατικά, Εαρινό εξάµηνο Παρασκευή, 24/02/2017

HY118- ιακριτά Μαθηµατικά. Νόµοι ισοδυναµίας. Κατηγορηµατικός Λογισµός. ιακριτά Μαθηµατικά, Εαρινό εξάµηνο Παρασκευή, 24/02/2017 HY118- ιακριτά Μαθηµατικά Παρασκευή, 24/02/2017 Κατηγορηµατικός Λογισµός Αντώνης Α. Αργυρός e-mail: argyros@csd.uoc.gr Το υλικό των διαφανειών έχει βασιστεί σε διαφάνειες του Kees van Deemter, από το University

Διαβάστε περισσότερα

2. Missing Data mechanisms

2. Missing Data mechanisms Κεφάλαιο 2 ο 2. Missing Data mechanisms 2.1 Εισαγωγή Στην προηγούµενη ενότητα περιγράψαµε κάποια από τα βασικά µοτίβα εµφάνισης των χαµένων τιµών σε σύνολα δεδοµένων. Ένα άλλο ζήτηµα που µας απασχολεί

Διαβάστε περισσότερα

Στην συνέχεια και στο επόµενο παράθυρο η εφαρµογή µας ζητάει να εισάγουµε το Username και το Password το οποίο σας έχει δοθεί από τον ΕΛΚΕ.

Στην συνέχεια και στο επόµενο παράθυρο η εφαρµογή µας ζητάει να εισάγουµε το Username και το Password το οποίο σας έχει δοθεί από τον ΕΛΚΕ. 1. Πρόσβαση Οδηγίες προγράµµατος διαχείρισης ανάλυσης χρόνου εργασίας (Time Sheet) Για να ξεκινήσετε την εφαρµογή, από την κεντρική σελίδα του ΕΛΚΕ (www.elke.aua.gr) και το µενού «ιαχείριση», Time Sheet

Διαβάστε περισσότερα

Ορισµός. Παρατηρήσεις. Σχόλιο

Ορισµός. Παρατηρήσεις. Σχόλιο Ορισµός Έστω Α, Β δύο µη κενά σύνολα A Συνάρτηση από το σύνολο A στο σύνολο Β λέγεται µια διαδικασία, µε την οποία, κάθε στοιχείο του συνόλου Α αντιστοιχίζεται σε ένα ακριβώς στοιχείο του Β Τις συναρτήσεις

Διαβάστε περισσότερα

Νέες τεχνολογίες εισάγονται ή χρησιµοποιούνται

Νέες τεχνολογίες εισάγονται ή χρησιµοποιούνται special report τoυ Γιώργου Φετοκάκη / gfetokakis@boussias.com Jobs scheduling Η χρυσή τοµή της αυτοµατοποίησης Μια λύση job scheduling πρέπει να είναι αρκετά περιεκτική. Πρέπει να υποστηρίζει την ενσωµάτωση

Διαβάστε περισσότερα

Παιδαγωγική προσέγγιση: Πρόταση για την διδασκαλία της έννοιας αλγόριθµός στο περιβάλλον MicroWorlds Pro

Παιδαγωγική προσέγγιση: Πρόταση για την διδασκαλία της έννοιας αλγόριθµός στο περιβάλλον MicroWorlds Pro Παιδαγωγική προσέγγιση: Πρόταση για την διδασκαλία της έννοιας αλγόριθµός στο περιβάλλον MicroWorlds Pro Το «Φύλλο Εργασίας» για τους µαθητές Το παρακάτω φύλλο εργασίας µπορεί να χρησιµοποιηθεί ως εισαγωγικό

Διαβάστε περισσότερα

4. Αναδροµικός τύπος Είναι ο τύπος που συσχετίζει δύο ή περισσότερους γενικούς όρους µιας ακολουθίας

4. Αναδροµικός τύπος Είναι ο τύπος που συσχετίζει δύο ή περισσότερους γενικούς όρους µιας ακολουθίας 5. ΑΚΟΛΟΥΘΙΕΣ ΘΕΩΡΙΑ. Ορισµός Ονοµάζουµε ακολουθία πραγµατικών αριθµών κάθε συνάρτηση µε πεδίο ορισµού το το σύνολο N * = {,, 3, 4.} και σύνολο αφίξεως το R Η ακολουθία συµβολίζεται (α ν ) ή (β ν ) κ.λ.π.

Διαβάστε περισσότερα

Μηχανική Μάθηση Μερωνυµιών για Αναγνώριση Γεγονότων

Μηχανική Μάθηση Μερωνυµιών για Αναγνώριση Γεγονότων Μηχανική Μάθηση Μερωνυµιών για Αναγνώριση Γεγονότων Αναστάσιος Σκαρλατίδης 1,2 anskarl@iit.demokritos.gr επιβλέπων: Καθ. Βούρος Γ. 1 1 Τµήµα Μηχανικών Πληροφοριακών και Επικοινωνιακών Συστηµάτων Πανεπιστήµιο

Διαβάστε περισσότερα

Γραµµικός Προγραµµατισµός - Μέθοδος Simplex

Γραµµικός Προγραµµατισµός - Μέθοδος Simplex Γραµµικός Προγραµµατισµός - Μέθοδος Simplex Η πλέον γνωστή και περισσότερο χρησιµοποιηµένη µέθοδος για την επίλυση ενός γενικού προβλήµατος γραµµικού προγραµµατισµού, είναι η µέθοδος Simplex η οποία αναπτύχθηκε

Διαβάστε περισσότερα

HY118- ιακριτά Μαθηµατικά. Μαθηµατική επαγωγή. 11 Επαγωγή

HY118- ιακριτά Μαθηµατικά. Μαθηµατική επαγωγή. 11 Επαγωγή Επαγωγή HY8- ιακριτά Μαθηµατικά Τρίτη, /03/06 Μαθηµατική Επαγωγή Αντώνης Α. Αργυρός e-mail: argyros@csd.uoc.gr Το υλικό των διαφανειών έχει βασιστεί σε διαφάνειες του Kees van Deemter, από το University

Διαβάστε περισσότερα

Τεχνητή Νοημοσύνη (ΥΠ23) 6 ο εξάμηνο Τμήμα Πληροφορικής και Τηλεματικής Χαροκόπειο Πανεπιστήμιο Ουρανία Χατζή

Τεχνητή Νοημοσύνη (ΥΠ23) 6 ο εξάμηνο Τμήμα Πληροφορικής και Τηλεματικής Χαροκόπειο Πανεπιστήμιο Ουρανία Χατζή Τεχνητή Νοημοσύνη (ΥΠ23) 6 ο εξάμηνο Τμήμα Πληροφορικής και Τηλεματικής Χαροκόπειο Πανεπιστήμιο Ουρανία Χατζή raniah@hua.gr 1 Ασάφεια (Fuzziness) Ποσοτικοποίηση της ποιοτικής πληροφορίας Οφείλεται κυρίως

Διαβάστε περισσότερα

ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ. Λογική. Δημήτρης Πλεξουσάκης

ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ. Λογική. Δημήτρης Πλεξουσάκης ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Λογική Δημήτρης Πλεξουσάκης 2ο μέρος σημειώσεων: Συστήματα Αποδείξεων για τον ΠΛ, Μορφολογική Παραγωγή, Κατασκευή Μοντέλων Τμήμα Επιστήμης Υπολογιστών Άδειες Χρήσης

Διαβάστε περισσότερα

οµηµένες Αναπαραστάσεις Γνώσης

οµηµένες Αναπαραστάσεις Γνώσης οµηµένες Αναπαραστάσεις Γνώσης! Η κλασική λογική δε µπορεί να αναπαραστήσει κλάσεις αντικειµένων.! Είναι επιθυµητή η µείωση του όγκου της γνώσης για ένα πρόβληµα.! Η πράξη απαιτεί µία περισσότερο διαισθητική

Διαβάστε περισσότερα

Σχόλιο. Παρατηρήσεις. Παρατηρήσεις. p q p. , p1 p2

Σχόλιο. Παρατηρήσεις. Παρατηρήσεις. p q p. , p1 p2 A. ΠΡΟΤΑΣΕΙΣ Στα Μαθηµατικά χρησιµοποιούµε προτάσεις οι οποίες µπορούν να χαρακτηριστούν ως αληθείς (α) ή ψευδείς (ψ). Τις προτάσεις συµβολίζουµε µε τα τελευταία µικρά γράµµατα του Λατινικού αλφαβήτου:

Διαβάστε περισσότερα

ΠΑΝΕΠΙΣΤΗΜΙΟ ΙΩΑΝΝΙΝΩΝ ΤΜΗΜΑ ΜΑΘΗΜΑΤΙΚΩΝ

ΠΑΝΕΠΙΣΤΗΜΙΟ ΙΩΑΝΝΙΝΩΝ ΤΜΗΜΑ ΜΑΘΗΜΑΤΙΚΩΝ ΠΑΝΕΠΙΣΤΗΜΙΟ ΙΩΑΝΝΙΝΩΝ ΤΜΗΜΑ ΜΑΘΗΜΑΤΙΚΩΝ ΕΡΓΑΣΤΗΡΙΟ ΒΑΣΕΩΝ Ε ΟΜΕΝΩΝ ΜΕΡΟΣ ΤΕΤΑΡΤΟ Insert, Update, Delete, Ένωση πινάκων Γιώργος Μαρκοµανώλης Περιεχόµενα Group By... 1 Having...1 Οrder By... 2 Εντολή Insert...

Διαβάστε περισσότερα

Εργαστήριο Σημασιολογικού Ιστού

Εργαστήριο Σημασιολογικού Ιστού Εργαστήριο Σημασιολογικού Ιστού Ενότητα 5: Resource Description Framework (RDF) Μ.Στεφανιδάκης 16-3-2015. Τα επίπεδα του Σημασιολογικού Ιστού RDF: Το κύριο πρότυπο του Σημασιολογικού Ιστού, χρησιμοποιεί

Διαβάστε περισσότερα

επιµέλεια Θοδωρής Πιερράτος

επιµέλεια Θοδωρής Πιερράτος Βασικές έννοιες προγραµµατισµού Η ύλη που αναπτύσσεται σε αυτό το κεφάλαιο είναι συναφής µε την ύλη που αναπτύσσεται στο 2 ο κεφάλαιο. Όπου υπάρχουν διαφορές αναφέρονται ρητά. Προσέξτε ιδιαίτερα, πάντως,

Διαβάστε περισσότερα

Γνώση. Γνώση (knowledge) είναι ο κοινός παράγοντας (π.χ. κανόνες) που περιγράφει συνοπτικά τις συσχετίσεις μεταξύ των δεδομένων ενός προβλήματος.

Γνώση. Γνώση (knowledge) είναι ο κοινός παράγοντας (π.χ. κανόνες) που περιγράφει συνοπτικά τις συσχετίσεις μεταξύ των δεδομένων ενός προβλήματος. Γνώση Η γνώση είναι διαφορετική από τα δεδομένα Γνώση (knowledge) είναι ο κοινός παράγοντας (π.χ. κανόνες) που περιγράφει συνοπτικά τις συσχετίσεις μεταξύ των δεδομένων ενός προβλήματος. Η γνώση για κάποιο

Διαβάστε περισσότερα

Ορισµοί κεφαλαίου. Σηµαντικά σηµεία κεφαλαίου

Ορισµοί κεφαλαίου. Σηµαντικά σηµεία κεφαλαίου Ορισµοί κεφαλαίου Αλγόριθµος είναι µια πεπερασµένη σειρά ενεργειών, αυστηρά καθορισµένων και εκτελέσιµων σε πεπερασµένο χρόνο, που στοχεύουν στην επίλυση ενός προβλήµατος. Σηµαντικά σηµεία κεφαλαίου Κριτήρια

Διαβάστε περισσότερα

Πληροφορική 2. Τεχνητή νοημοσύνη

Πληροφορική 2. Τεχνητή νοημοσύνη Πληροφορική 2 Τεχνητή νοημοσύνη 1 2 Τι είναι τεχνητή νοημοσύνη; Τεχνητή νοημοσύνη (AI=Artificial Intelligence) είναι η μελέτη προγραμματισμένων συστημάτων τα οποία μπορούν να προσομοιώνουν μέχρι κάποιο

Διαβάστε περισσότερα

Kεφάλαιο 10. Πόσα υποπαίγνια υπάρχουν εδώ πέρα; 2 υποπαίγνια.

Kεφάλαιο 10. Πόσα υποπαίγνια υπάρχουν εδώ πέρα; 2 υποπαίγνια. Kεφάλαιο 10 Θα δούµε ένα δύο παραδείγµατα να ορίσουµε/ µετρήσουµε τα υποπαίγνια και µετά θα λύσουµε και να βρούµε αυτό που λέγεται τέλεια κατά Nash ισορροπία. Εδώ θα δούµε ένα παίγνιο όπου έχουµε µια επιχείρηση

Διαβάστε περισσότερα

5.1 Θεωρητική εισαγωγή

5.1 Θεωρητική εισαγωγή ΨΗΦΙΑΚΑ ΚΥΚΛΩΜΑΤΑ - ΕΡΓΑΣΤΗΡΙΑΚΗ ΑΣΚΗΣΗ 5 ΚΩ ΙΚΟΠΟΙΗΣΗ BCD Σκοπός: Η κατανόηση της µετατροπής ενός τύπου δυαδικής πληροφορίας σε άλλον (κωδικοποίηση/αποκωδικοποίηση) µε τη µελέτη της κωδικοποίησης BCD

Διαβάστε περισσότερα

ΚΕΦΑΛΑΙΟ 18. 18 Μηχανική Μάθηση

ΚΕΦΑΛΑΙΟ 18. 18 Μηχανική Μάθηση ΚΕΦΑΛΑΙΟ 18 18 Μηχανική Μάθηση Ένα φυσικό ή τεχνητό σύστηµα επεξεργασίας πληροφορίας συµπεριλαµβανοµένων εκείνων µε δυνατότητες αντίληψης, µάθησης, συλλογισµού, λήψης απόφασης, επικοινωνίας και δράσης

Διαβάστε περισσότερα

Κεφάλαιο 9 ο Κ 5, 4 4, 5 0, 0 0,0 5, 4 4, 5. Όπως βλέπουµε το παίγνιο δεν έχει καµιά ισορροπία κατά Nash σε αµιγείς στρατηγικές διότι: (ΙΙ) Α Κ

Κεφάλαιο 9 ο Κ 5, 4 4, 5 0, 0 0,0 5, 4 4, 5. Όπως βλέπουµε το παίγνιο δεν έχει καµιά ισορροπία κατά Nash σε αµιγείς στρατηγικές διότι: (ΙΙ) Α Κ Κεφάλαιο ο Μεικτές Στρατηγικές Τώρα θα δούµε ένα παράδειγµα στο οποίο κάθε παίχτης έχει τρεις στρατηγικές. Αυτό θα µπορούσε να είναι η µορφή που παίρνει κάποιος µετά που έχει απαλείψει όλες τις αυστηρά

Διαβάστε περισσότερα

Περιεχόμενα. Κατάλογος εικόνων 13. Πρόλογος 15. 1 Το όραμα του Σημασιολογικού Ιστού 19

Περιεχόμενα. Κατάλογος εικόνων 13. Πρόλογος 15. 1 Το όραμα του Σημασιολογικού Ιστού 19 Περιεχόμενα Κατάλογος εικόνων 13 Πρόλογος 15 1 Το όραμα του Σημασιολογικού Ιστού 19 1.1 Ο σημερινός Ιστός 19 1.2 Από το σημερινό Ιστό στο Σημασιολογικό Ιστό: παραδείγματα 22 1.3 Τεχνολογίες Σημασιολογικού

Διαβάστε περισσότερα

Σχεδιασµός Ανάπτυξη Οντολογίας

Σχεδιασµός Ανάπτυξη Οντολογίας Σχεδιασµός Ανάπτυξη Οντολογίας ΈλεναΜάντζαρη, Γλωσσολόγος, Ms.C. ΙΑΤΡΟΛΕΞΗ: Ανάπτυξη Υποδοµής Γλωσσικής Τεχνολογίας για το Βιοϊατρικό Τοµέα Τι είναι η οντολογία; Μιαοντολογίαείναιέναλεξικόόρωνπου διατυπώνονται

Διαβάστε περισσότερα

Κεφάλαιο Τρία: Ψηφιακά Ηλεκτρονικά

Κεφάλαιο Τρία: Ψηφιακά Ηλεκτρονικά Κεφάλαιο Τρία: 3.1 Τι είναι αναλογικό και τι ψηφιακό µέγεθος Αναλογικό ονοµάζεται το µέγεθος που µπορεί να πάρει οποιαδήποτε τιµή σε µια συγκεκριµένη περιοχή τιµών π.χ. η ταχύτητα ενός αυτοκινήτου. Ψηφιακό

Διαβάστε περισσότερα

Πανεπιστήµιο Πατρών Τµήµα Μηχ/κών Η/Υ & Πληροφορικής ΜΠΣ ΕΠΙΣΤΗΜΗ ΚΑΙ ΤΕΧΝΟΛΟΓΙΑ ΤΩΝ ΥΠΟΛΟΓΙΣΤΩΝ ΕΥΦΥΗ ΣΥΣΤΗΜΑΤΑ ΑΠΟΦΑΣΕΩΝ. Ι.

Πανεπιστήµιο Πατρών Τµήµα Μηχ/κών Η/Υ & Πληροφορικής ΜΠΣ ΕΠΙΣΤΗΜΗ ΚΑΙ ΤΕΧΝΟΛΟΓΙΑ ΤΩΝ ΥΠΟΛΟΓΙΣΤΩΝ ΕΥΦΥΗ ΣΥΣΤΗΜΑΤΑ ΑΠΟΦΑΣΕΩΝ. Ι. Πανεπιστήµιο Πατρών Τµήµα Μηχ/κών Η/Υ & Πληροφορικής ΜΠΣ ΕΠΙΣΤΗΜΗ ΚΑΙ ΤΕΧΝΟΛΟΓΙΑ ΤΩΝ ΥΠΟΛΟΓΙΣΤΩΝ ΕΥΦΥΗ ΣΥΣΤΗΜΑΤΑ ΑΠΟΦΑΣΕΩΝ Ι. Χατζηλυγερούδης ΩΡΟΛΟΓΙΟ ΠΡΟΓΡΑΜΜΑ Τετάρτη/Τρίτη 5.00-7.00 µ.µ. (ΠΡΟΚΑΤ Τµήµατος

Διαβάστε περισσότερα

ΗΥ Λογική. Διδάσκων: Δημήτρης Πλεξουσάκης Καθηγητής

ΗΥ Λογική. Διδάσκων: Δημήτρης Πλεξουσάκης Καθηγητής ΗΥ 180 - Λογική Διδάσκων: Καθηγητής E-mail: dp@csd.uoc.gr Ώρες διδασκαλίας: Δευτέρα, Τετάρτη 4-6 μμ, Αμφ. Β Ώρες φροντιστηρίου: Πέμπτη 4-6 μμ, Αμφ. Β Ώρες γραφείου: Δευτέρα, Τετάρτη 2-4 μμ, Κ.307 Web site:

Διαβάστε περισσότερα

Τεχνητή Νοημοσύνη ( )

Τεχνητή Νοημοσύνη ( ) Εβδομάδα Διάλεξη Ενδεικτικά θέματα διαλέξεων Ενδεικτικά θέματα εργαστηρίων/φροντιστηρίων 1 1 1 2 2 3 2 4 3 5 3 6 4 7 4 8 5 9 Τεχνητή Νοημοσύνη (2017-18) Γενικές πληροφορίες για το μάθημα. Εισαγωγή στην

Διαβάστε περισσότερα

Αναπαράσταση Γνώσης. Αναπαράσταση Γνώσης με Λογική. Προτασιακή Λογική Λογική Πρώτης Τάξης

Αναπαράσταση Γνώσης. Αναπαράσταση Γνώσης με Λογική. Προτασιακή Λογική Λογική Πρώτης Τάξης Αναπαράσταση Γνώσης Αναπαράσταση Γνώσης με Λογική Προτασιακή Λογική Λογική Πρώτης Τάξης Αναπαράσταση Γνώσης Σύνολο συντακτικών και σημασιολογικών παραδοχών, οι οποίες καθιστούν δυνατή την περιγραφή ενός

Διαβάστε περισσότερα

Αλγόριθµοι και Πολυπλοκότητα

Αλγόριθµοι και Πολυπλοκότητα Αλγόριθµοι και Πολυπλοκότητα Ν. Μ. Μισυρλής Τµήµα Πληροφορικής και Τηλεπικοινωνιών, Πανεπιστήµιο Αθηνών Καθηγητής: Ν. Μ. Μισυρλής () Αλγόριθµοι και Πολυπλοκότητα 15 Ιουνίου 2009 1 / 26 Εισαγωγή Η ϑεωρία

Διαβάστε περισσότερα

x=l ηλαδή η ενέργεια είναι µία συνάρτηση της συνάρτησης . Στα µαθηµατικά, η συνάρτηση µίας συνάρτησης ονοµάζεται συναρτησιακό (functional).

x=l ηλαδή η ενέργεια είναι µία συνάρτηση της συνάρτησης . Στα µαθηµατικά, η συνάρτηση µίας συνάρτησης ονοµάζεται συναρτησιακό (functional). 3. ΕΙΣΑΓΩΓΗ ΣΤΙΣ ΑΡΙΘΜΗΤΙΚΕΣ ΜΕΘΟ ΟΥΣ Η Μέθοδος των Πεπερασµένων Στοιχείων Σηµειώσεις 3. Ενεργειακή θεώρηση σε συνεχή συστήµατα Έστω η δοκός του σχήµατος, µε τις αντίστοιχες φορτίσεις. + = p() EA = Q Σχήµα

Διαβάστε περισσότερα

ΕΙΣΑΓΩΓΗ ΣΤΟ MATLAB- SIMULINK

ΕΙΣΑΓΩΓΗ ΣΤΟ MATLAB- SIMULINK ΕΙΣΑΓΩΓΗ ΣΤΟ MATLAB- SIMULINK ρ. Γεώργιος Φ. Φραγκούλης Καθηγητής Ver. 0.2 9/2012 ιανύσµατα & ισδιάστατοι πίνακες Ένα διάνυσµα u = (u1, u2,, u ) εισάγεται στη MATLAB ως εξής : u=[ u1, u2,, un ] ή u=[ u1

Διαβάστε περισσότερα

Αρµονική Ανάλυση. Ενότητα: Μέτρο Lebesgue. Απόστολος Γιαννόπουλος. Τµήµα Μαθηµατικών

Αρµονική Ανάλυση. Ενότητα: Μέτρο Lebesgue. Απόστολος Γιαννόπουλος. Τµήµα Μαθηµατικών Ενότητα: Μέτρο Lebesgue Απόστολος Γιαννόπουλος Τµήµα Μαθηµατικών Αδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commos. Για εκπαιδευτικό υλικό, όπως εικόνες, που υπόκειται

Διαβάστε περισσότερα

ΚΕΦΑΛΑΙΟ 7 ο. Έτσι ο προγραµµατισµός µε τη ΓΛΩΣΣΑ εστιάζεται στην ανάπτυξη του αλγορίθµου και τη µετατροπή του σε σωστό πρόγραµµα.

ΚΕΦΑΛΑΙΟ 7 ο. Έτσι ο προγραµµατισµός µε τη ΓΛΩΣΣΑ εστιάζεται στην ανάπτυξη του αλγορίθµου και τη µετατροπή του σε σωστό πρόγραµµα. ΚΕΦΑΛΑΙΟ 7 ο 1. Επιλογή της κατάλληλης γλώσσας προγραµµατισµού Εκατοντάδες γλώσσες προγραµµατισµού χρησιµοποιούνται όπως αναφέρθηκε σήµερα για την επίλυση των προβληµάτων µε τον υπολογιστή, τη δηµιουργία

Διαβάστε περισσότερα

Ευφυής Προγραμματισμός

Ευφυής Προγραμματισμός Ευφυής Προγραμματισμός Ενότητα 7: Προγραμματισμός Βασισμένος Σε Κανόνες Ιωάννης Χατζηλυγερούδης Πολυτεχνική Σχολή Τμήμα Μηχανικών Η/Υ & Πληροφορικής Προγραμματισμός Βασισμένος Σε Κανόνες Βασισμένα σε Κανόνες

Διαβάστε περισσότερα

Εργαστήριο Σημασιολογικού Ιστού

Εργαστήριο Σημασιολογικού Ιστού Εργαστήριο Σημασιολογικού Ιστού Ενότητα 5: Resource Description Framework (RDF) Μ.Στεφανιδάκης 13-3-2016. Χρηματοδότηση Το παρόν εκπαιδευτικό υλικό έχει αναπτυχθεί στα πλαίσια του εκπαιδευτικού έργου του

Διαβάστε περισσότερα

5. Γεννήτριες Τυχαίων Αριθµών.

5. Γεννήτριες Τυχαίων Αριθµών. 5. Γεννήτριες Τυχαίων Αριθµών. 5.1. Εισαγωγή. Στο Κεφάλαιο αυτό θα δούµε πώς µπορούµε να δηµιουργήσουµε τυχαίους αριθµούς από την οµοιόµορφη κατανοµή στο διάστηµα [0,1]. Την κατανοµή αυτή, συµβολίζουµε

Διαβάστε περισσότερα