Κεφάλαιο 11. Συστήµατα Κανόνων. Τεχνητή Νοηµοσύνη - Β' Έκδοση. Ι. Βλαχάβας, Π. Κεφαλάς, Ν. Βασιλειάδης, Φ. Κόκκορας, Η.
|
|
- Ακακιος Γερμανού
- 8 χρόνια πριν
- Προβολές:
Transcript
1 Κεφάλαιο 11 Συστήµατα Κανόνων Τεχνητή Νοηµοσύνη - Β' Έκδοση Ι. Βλαχάβας, Π. Κεφαλάς, Ν. Βασιλειάδης, Φ. Κόκκορας, Η. Σακελλαρίου Τεχνητή Νοηµοσύνη, B' Έκδοση 1
2 Αναπαράσταση µε Κανόνες Πολύ πρακτικός τρόπος αναπαράστασης για την εξαγωγή συµπερασµάτων Αποτελούν τη βάση πολλών συστηµάτων γνώσης (knowledge systems) Γενικά Πλεονεκτήµατα: Κοντά στην ανθρώπινη γνώση Επάρκεια συνεπαγωγών Συγκεκριµένα Πλεονεκτήµατα: Modularity: Κάθε κανόνας ορίζει ένα µικρό, (σχεδόν) ανεξάρτητο τµήµα της γνώσης Incrementability: Μπορούν να προστεθούν νέοι κανόνες (σχεδόν) ανεξάρτητα από τους υπάρχοντες Modifiability: Οι υπάρχοντες κανόνες µπορούν να αλλάξουν (σχεδόν) ανεξάρτητα από τους υπόλοιπους Τεχνητή Νοηµοσύνη, B' Έκδοση 2
3 Είδη Κανόνων Μορφές Κανόνων Εκφράζει Επεξήγηση IF συνθήκες THEN συµπέρασµα Συνεπαγωγικός (Deductive) κανόνας ηλωτική γνώση Αν οι συνθήκες αληθεύουν τότε αληθεύει και το συµπέρασµα IF συνθήκες THEN ενέργειες Κανόνας Παραγωγής (Production) ιαδικαστική γνώση Αν οι συνθήκες αληθεύουν τότε εκτέλεσε τις ενέργειες ON συµβάν IF συνθήκες THEN ενέργειες Ενεργός (active) κανόνας ιαδικαστική γνώση Όταν συµβεί το γεγονός (συµβάν) Αν οι συνθήκες αληθεύουν τότε εκτέλεσε τις ενέργειες Συνθήκες (conditions): ακολουθία από κατηγορήµατα που συνδέονται µε λογικούς τελεστές AND, OR Προϋποθέσεις (premises) ή αριστερό µέρος του κανόνα (left hand side - LHS) Συµπέρασµα (conclusion): κατηγόρηµα Ενέργειες (actions): µία σειρά από εντολές που πρέπει να εκτελεστούν Eπακόλουθα (consequent) ή δεξιό µέρος του κανόνα (right hand side - S) Τεχνητή Νοηµοσύνη, B' Έκδοση 3
4 Συστήµατα Κανόνων Συστήµατα εξαγωγής συµπερασµάτων (deduction systems) π.χ. Prolog, Datalog Γνώση που δηλώνει µία αλήθεια για τον κόσµο, αλλά δεν αναφέρει ρητά πότε και πώς εφαρµόζεται Συστήµατα παραγωγής (production systems) π.χ. CLIPS, Flex Γνώση για το ποιες συγκεκριµένες ενέργειες πρέπει να εκτελεστούν δεδοµένης µιας κατάστασης Οι εκτελούµενες ενέργειες επιφέρουν µη-αναστρέψιµα αποτελέσµατα Ενεργά Συστήµατα ((re-)active systems, active database systems) π.χ. Oracle Triggers, αίµονες πλαισίων Flex Τεχνητή Νοηµοσύνη, B' Έκδοση 4
5 Ενεργοί Κανόνες Οι κανόνες παραγωγής δηλώνουν διαδικαστική γνώση Οι κανόνες εκτελούνται "όταν η συνθήκη είναι αληθής" εν είναι σαφώς ορισµένο πότε ακριβώς εκτελούνται οι ενέργειες Αν και εκφράζουν διαδικαστική γνώση, η συνθήκη τους περιέχει δηλωτική γνώση. Οι ενεργοί κανόνες (active rules) εκφράζουν καθαρά διαδικαστική γνώση Κανόνες οδηγούµενοι από συµβάντα ή γεγονότα (event-driven rules) Εκφράζουν µε σαφήνεια το πότε ακριβώς ενεργοποιούνται: Όταν συµβεί ένα συγκεκριµένο συµβάν Τότε και µόνο τότε εξετάζεται η συνθήκη τους και αν ικανοποιείται, τότε εκτελούνται οι ενέργειές τους. Παραδείγµατα συµβάντων: Μία συγκεκριµένη χρονική στιγµή του ρολογιού του συστήµατος Ένα πάτηµα του αριστερού πλήκτρου του ποντικού ή ενός πλήκτρου του πληκτρολογίου Η επιλογή κάποιου µενού από το χρήστη Η προσπάθεια προσπέλασης ή αλλαγής κάποιων "ευαίσθητων" δεδοµένων, κλπ. Τεχνητή Νοηµοσύνη, B' Έκδοση 5
6 Παράδειγµα Αναπαράστασης µε Κανόνες Σύµπτωµα Πιθανή Βλάβη Επιδιόρθωση Ο εκτυπωτής τυπώνει σωστά αλλά Έχει τελειώσει το Αλλάξτε την κεφαλή µε το τα χρώµατα δε τυπώνονται σωστά έγχρωµο µελάνι έγχρωµο µελάνι Συνεπαγωγικός Κανόνας IF ο εκτυπωτής τυπώνει σωστά AND τα χρώµατα δε τυπώνονται σωστά THEN έχει τελειώσει το έγχρωµο µελάνι Κανόνας Παραγωγής IF ο εκτυπωτής τυπώνει σωστά AND τα χρώµατα δε τυπώνονται σωστά THEN αλλάξτε την κεφαλή µε το έγχρωµο µελάνι Ενεργός Κανόνας ΟΝ εκτύπωση IF τα χρώµατα δε τυπώνονται σωστά THEN αλλάξτε την κεφαλή µε το έγχρωµο µελάνι Τεχνητή Νοηµοσύνη, B' Έκδοση 6
7 Συστήµατα Εξαγωγής Συµπερασµάτων Deduction Systems Βάση κανόνων (rule base): περιέχει ένα σύνολο από κανόνες Έλεγχος (control): καθορίζει τον τρόπο εκτέλεσης των κανόνων για την εξαγωγή συµπερασµάτων Ποιοι κανόνες είναι υποψήφιοι για να επιλύσουν το πρόβληµα; Με ποιόν τρόπο θα γίνει η επιλογή; Ποιος από τους κανόνες τελικά θα επιλεγεί; Τι θα γίνει µε τους υπόλοιπους κανόνες; Τεχνητή Νοηµοσύνη, B' Έκδοση 7
8 Εξαγωγή Συµπερασµάτων Χρησιµοποιείται η συνεπαγωγική συλλογιστική. Υλοποιείται από την ακολουθία εκτέλεσης κανόνων (chaining) Αλγόριθµος που συνδυάζει τα δεδοµένα, τους κανόνες και τα ενδιάµεσα συµπεράσµατα Ορθή ακολουθία εκτέλεσης (forward chaining) Εξετάζονται πρώτα αν οι προϋποθέσεις στο αριστερό µέρος του κανόνα είναι αληθείς έτσι ώστε το συµπέρασµα που αναφέρεται στο δεξιό µέρος να είναι αληθές. Εξετάζονται µόνο οι αληθείς τρόποι απόδειξης Μπορεί να συµπεράνει περισσότερα συµπεράσµατα από τα επιθυµητά Ενδείκνυται όταν υπάρχουν λίγα δεδοµένα που οδηγούν σε πολλά συµπεράσµατα Εφαρµογές: Συστήµατα ιάγνωσης, Συστήµατα Παραγωγής Ανάστροφη ακολουθία εκτέλεσης (backward chaining) Ξεκινά από το δεξιό µέρος του κανόνα και προσπαθεί να βρει αν οι προϋποθέσεις είναι αληθείς Εξετάζονται όλοι οι εναλλακτικοί τρόποι απόδειξης του συµπεράσµατος (ακόµα και οι µη-αληθείς) έως ότου αποδειχθεί η αλήθεια του συµπεράσµατος (π.χ. Prolog). Ενδείκνυται όταν υπάρχουν λίγα συµπεράσµατα και πολλά δεδοµένα Το σύστηµα ζητά τα δεδοµένα µε λογική σειρά και µόνο όσα χρειάζονται Εφαρµογές: Συστήµατα Ελέγχου Λειτουργίας (Monitoring) Τεχνητή Νοηµοσύνη, B' Έκδοση 8
9 Αναπαράσταση µε Κανόνες Παράδειγµα 1: if has(animal,hair) or gives(animal,milk) then isa(animal,mammal). 2: if has(animal,feathers) or (flies(animal) and lays(animal,eggs)) then isa(animal,bird). 3: if isa(animal,mammal) and (eats(animal,meat) or (has(animal,pointed_teeth) and has(animal,claws) and has(animal,forward_pointing_eyes))) then isa(animal,carnivore). 5: if isa(animal,carnivore) and has(animal,tawny_colour) and has(animal,black_stripes) then isa(animal,tiger). 6: if isa(animaλ,bird) and not flies(animal) and swims(animal) then isa(animal,penguin). 7: if isa(animal,bird) and isa(animal,good_flyer) then isa(animal,albatros). 4: if isa(animal,carnivore) and has(animal,tawny_colour) and has(animal,dark_spots) then isa(animal,cheetah). Τεχνητή Νοηµοσύνη, B' Έκδοση 9
10 Γραφική Αναπαράσταση Κανόνων has(animal,hair) 1 isa(animal,mammal) gives(animal,milk) eats(animal,meat) has(animal,pointed_teeth) has(animal,black_stripes) isa(animal,carnivor) 3 has(animal,tawny_colour) 5 4 isa(animal,tiger) isa(animal,cheetah) has(animal,claws) has(animal,dark_spots) has(animal,forward_poited_eyes) has(animal,feathers) flies(animal) lays(animal,eggs) isa(animal,good_flyer) 2 isa(animal,bird) not flies(animal) 7 6 isa(animal,albartos) isa(animal,penguin) AND Σύζευξη ιάζευξη swims(animal) OR Μπορεί να χρησιµοποιηθεί ορθή ή ανάστροφη ακολουθία εκτέλεσης Τεχνητή Νοηµοσύνη, B' Έκδοση 10
11 Γραφική Αναπαράσταση Εξαγωγής Συµπεράσµατος Ορθή Ακολουθία Εκτέλεσης Αρχικά δεδοµένα: flies(petros), lays(petros, eggs), isa(petros, goodflyer). has(petros,hair) gives(petros,milk) 1 has(petros,feathers) isa(petros,good_flyer) 7 isa(petros,albatros) flies(petros) 2 isa(petros,bird) lays(petros,eggs) not flies(petros) 6 swims(petros) Παράγονται τα συµπέρασµατα: isa(petros, albatros) και isa(petros, bird) Τεχνητή Νοηµοσύνη, B' Έκδοση 11
12 Γραφική Αναπαράσταση Εξαγωγής Συµπεράσµατος Ανάστροφη Ακολουθία Εκτέλεσης Ερώτηση: isa(jimmy, tiger) has(jimmy,hair) gives(jimmy,milk) 1 isa(jimmy,mammal) eats(jimmy,meat) has(jimmy,black_stripes) 3 5 isa(jimmy,carnivor) has(jimmy,pointed_teeth) has(jimmy,claws) has(jimmy,tawny_colour) has(jimmy,forward_pointed_eyes) isa(jimmy,tiger)? Απάντηση: Yes Τεχνητή Νοηµοσύνη, B' Έκδοση 12
13 Συστήµατα Παραγωγής Χώρος Εργασίας Γεγονότα Βάση Κανόνων Κανόνας που πυροδοτείται Μηχανισµός Ελέγχου και Επίλυσης Συγκρούσεων Κανόνες που ενεργοποιούνται Βάση κανόνων: περιέχει τους κανόνες παραγωγής Χώρος εργασίας (working memory): περιέχει γεγονότα Αρχικά δεδοµένα (data) ή ενδιάµεσα συµπεράσµατα (partial conclusions) Στοιχεία της µνήµης εργασίας (working memory elements) Μηχανισµός ελέγχου (control ή scheduler) και επίλυσης συγκρούσεων (conflict resolution): εκτέλεση των κανόνων βάσει στρατηγικής επίλυσης συγκρούσεων (conflict resolution strategy) Τεχνητή Νοηµοσύνη, B' Έκδοση 13
14 Επίλυση Συγκρούσεων Ο κανόνας ενεργοποιείται (triggers) όταν ικανοποιούνται οι συνθήκες του Όταν πυροδοτείται (fires) ο κανόνας, τότε εφαρµόζονται/εκτελούνται οι ενέργειές του Σύνολο σύγκρουσης (conflict set): Το σύνολο των κανόνων που ενεργοποιούνται Ο µηχανισµός ελέγχου καθορίζει ποιος κανόνας θα πυροδοτηθεί Στρατηγικές επίλυσης συγκρούσεων: Τυχαία (random). ιάταξης (ordering). Επιλογή του πρόσφατου (recency). Επιλογή του πιο ειδικού (specificity). Αποφυγή επανάληψης (refractoriness). Ανάλυση µέσων-σκοπών (means-ends analysis) Μετα-έλεγχος (µετα-κανόνες) Τεχνητή Νοηµοσύνη, B' Έκδοση 14
15 Στρατηγικές Επίλυσης Συγκρούσεων (1/4) Τυχαία (random) Επιλέγεται ένας κανόνας στην τύχη. Συνήθως δεν υπάρχει στα συστήµατα κανόνων παραγωγής Aν υπάρχει δεν είναι πραγµατικά τυχαία η επιλογή Είναι απροσδιόριστη - εξαρτάται από τις λεπτοµέρειες της υλοποίησης ιάταξη (ordering) Επιλέγεται ο κανόνας που είναι πρώτος στη σειρά ή έχει µεγαλύτερη προτεραιότητα βάσει κάποιου αριθµητικού µεγέθους Αποφυγή επανάληψης (refractoriness) εν επιλέγεται ο ίδιος κανόνας µε τα ίδια δεδοµένα για δεύτερη συνεχόµενη φορά Αποφεύγονται άσκοπες ή ατέρµονες επαναλήψεις Παράδειγµα: Υπάρχουν τα γεγονότα Α, Β και οι κανόνες: 1: if Α then C 2: if Β then D Αν εκτελεστεί πρώτα ο 1, µετά θα εκτελεστεί ο 2 Ο 1 δε θα εκτελεστεί ξανά, αν και εξακολουθεί να είναι ενεργοποιηµένος Τεχνητή Νοηµοσύνη, B' Έκδοση 15
16 Στρατηγικές Επίλυσης Συγκρούσεων (2/4) Επιλογή του πρόσφατου (recency) Επιλέγεται ο κανόνας που ενεργοποιείται από τα πιο πρόσφατα δεδοµένα που προστέθηκαν στο χώρο εργασίας Ακολουθείται µία χρονικά συνεπής πορεία σκέψης, η οποία είναι επικεντρωµένη και δε διασκορπάται σε διάφορα σηµεία Παράδειγµα: Υπάρχουν τα γεγονότα Α, Β και οι κανόνες: 1: if A then C 2: if B then D 3: if C then E Έστω ότι εκτελείται πρώτα ο 1 Μετά θα εκτελεστεί ο 3 (όχι ο 2) γιατί το C είναι πιο πρόσφατο από το B Τεχνητή Νοηµοσύνη, B' Έκδοση 16
17 Στρατηγικές Επίλυσης Συγκρούσεων (3/4) Επιλογή του πιο ειδικού (specificity) Επιλέγεται ο κανόνας που είναι πιο ειδικός από τους άλλους Η συνθήκη του εκφράζεται µε αναλυτικότερο τρόπο Εξετάζονται πρώτα τα πιο συγκεκριµένα θέµατα τα οποία οδηγούν πιθανότατα σε λύση πιο γρήγορα και στη συνέχεια τα πιο γενικά. Παράδειγµα: Υπάρχουν τα γεγονότα Α, Β, C και οι κανόνες 1: if Α and Β and C then D 2: if Α and Β then Ε Θα εκτελεστεί πρώτα ο 1 γιατί έχει πιο πολλές συνθήκες από τον 2. Τεχνητή Νοηµοσύνη, B' Έκδοση 17
18 Στρατηγικές Επίλυσης Συγκρούσεων (4/4) Ανάλυση µέσων-σκοπών (means-ends analysis) Το συνολικό πρόβληµα επιµερίζεται σε απλούστερες διεργασίες (tasks) Kάθε διεργασία υλοποιείται από µία οµάδα κανόνων (cluster) Όταν εκτελείται κάποια διεργασία, τότε οι κανόνες άλλων οµάδων δεν προτιµούνται, παρά µόνο αν δεν υπάρχουν άλλοι ενεργοί κανόνες της ίδιας οµάδας Η αποδεικτική διαδικασία είναι επικεντρωµένη στους τρέχοντες στόχους της. Παράδειγµα: Υπάρχουν τα γεγονότα Α, Β, C, G1, G2 και οι κανόνες 1: if G1 and Α and Β and C then D 2: if G2 and Α and Β then Ε Τα G1, G2 υποδηλώνουν τη διεργασία που ανήκει ο κανόνας Το G2 είναι πιο πρόσφατο από το G1 Θα εκτελεστεί πρώτα ο 2, γιατί ασχολείται µε τον πιο τρέχοντα στόχο Ο 1 µπορούσε να έχει προτεραιότητα λόγω άλλης στρατηγικής, (π.χ. specificity) Τεχνητή Νοηµοσύνη, B' Έκδοση 18
19 Μετα-έλεγχος Τα συστήµατα παραγωγής εφαρµόζουν µία ή περισσότερες στρατηγικές επίλυσης συγκρούσεων Όταν υπάρχουν πολλές στρατηγικές, πρέπει να υπάρχει προτεραιότητα µεταξύ τους Μετα-έλεγχος (meta-control): καθορίζει ποια στρατηγική θα εφαρµοστεί, πού και πότε Απλά συστήµατα: σταθερή προτεραιότητα Χαµηλότερη τιµή στην τυχαία επιλογή Σύνθετα συστήµατα: η προτεραιότητα αλλάζει δυναµικά (at run-time) Mετα-κανόνες (meta-rules): κανόνες που καθορίζουν τη σειρά εκτέλεσης άλλων κανόνων Τεχνητή Νοηµοσύνη, B' Έκδοση 19
20 Κύκλος Λειτουργίας Συστήµατος Παραγωγής Έως ότου δε µπορεί να εκτελεστεί κανένας κανόνας επανέλαβε: 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. Στα συστήµατα παραγωγής υπάρχει ορθή ακολουθία εκτέλεσης κανόνων Εξαγωγή συµπερασµάτων: εν έχει νόηµα Οι κανόνες παραγωγής αναφέρονται σε ενέργειες που εκτελούνται και όχι σε συµπεράσµατα Η λειτουργία των κανόνων παραγωγής "παραπέµπει" στη συνεπαγωγική συλλογιστική Υιοθέτηση µιας ειδικής ενέργειας από κάτι που ισχύει γενικά Ταίριασµα των κανόνων που περιέχουν µεταβλητές µε δεδοµένα στη µνήµη εργασίας που περιέχουν σταθερές Τεχνητή Νοηµοσύνη, B' Έκδοση 20
21 Παράδειγµα Κίνησης Ροµπότ Ροµπότ κινείται σε χώρο µε εµπόδια Στόχος: Να αποφύγει τα εµπόδια και όταν βρει κάποιο αντικείµενο, να στείλει ένα µήνυµα και να σταµατήσει robot_at(6,4) direction(e) choice(w) choice(s) choice(n) choice(e) obstacle_at(7,4) obstacle_at(6,8) obstacle_at(7,7) object_at(4,7) Τεχνητή Νοηµοσύνη, B' Έκδοση 21
22 Μνήµη εργασίας: θέση ροµπότ: robot_at(x,y) Παρατηρήσεις κατεύθυνση προς την οποία κινείται: direction(d), D {e, w, n, s} θέση εµποδίων: obstacle_at(x,y) Σταθερά θέση αντικειµένων: object_at(x,y) επιλογή κατεύθυνσης: choice(d), D {e, w, n, s} Ενέργειες κανόνων: addwm: βάλε κάτι στη µνήµη εργασίας delwm: σβήσε κάτι από τη µνήµη εργασίας output: εκτύπωσε ένα µήνυµα στην οθόνη αριθµητικές εκφράσεις. Τεχνητή Νοηµοσύνη, B' Έκδοση 22
23 Κανόνες Κίνησης Ροµπότ 1: detect_object: if robot_at(x,y) and object_at(x,y) then output( object is found ). MOVE 2: move_west: if robot_at(x,y) and direction(w) then delwm(robot_at(x,y)) and NX=X-1 and addwm(robot_at(nx,y)). 3: move_east: if robot_at(x,y) and direction(e) then delwm(robot_at(x,y)) and NX=X+1 and addwm(robot_at(nx,y)). 4: move_north: if robot_at(x,y) and direction(n) then delwm(robot_at(x,y)) and NY=Y+1 and addwm(robot_at(x,ny)). 5: move_south: if robot_at(x,y) and direction(s) Change then delwm(robot_at(x,y)) and NY=Y-1 and addwm(robot_at(x,ny)). Direction 6: avoid_obstacle_south: if robot_at(x,y) and NY=Y-1 and obstacle_at(x,ny) and direction(s) and choice(nd) then delwm(direction(s)) and addwm(direction(nd)). 7: avoid_obstacle_west: if robot_at(x,y) and NX=X-1 and obstacle_at(nx,y) and direction(w) and choice(nd) then delwm(direction(w)) and addwm(direction(nd)). 8: avoid_obstacle_north: if robot_at(x,y) and NY=Y+1 and obstacle_at(x,ny) and direction(n) and choice(nd) then delwm(direction(n)) and addwm(direction(nd)). 9: avoid_obstacle_east: if robot_at(x,y) and NX=X+1 and obstacle_at(nx,y) and direction(e) and choice(nd) then delwm(direction(e)) and addwm(direction(nd)). Τεχνητή Νοηµοσύνη, B' Έκδοση 23
24 Στρατηγική Επίλυσης Κίνησης Ροµπότ Αποφυγή Επανάληψης (ΑΕ) Βοηθά να µην κολλήσει το ροµπότ σε εµπόδιο, επιλέγοντας συνεχώς την κατεύθυνση προς την οποία βρίσκεται το εµπόδιο Επιλογή του πιο Ειδικού (ΕΕ) ίνει προτεραιότητα στην αποφυγή εµποδίων (κανόνες 6-9) Τυχαία Επιλογή (ΤΕ) Το ροµπότ επιλέγει τυχαία µία από τις 4 κατευθύνσεις Τεχνητή Νοηµοσύνη, B' Έκδοση 24
25 Κύκλος Μνήµη Εργασίας 1 robot_at(6,4) direction(e) choice(w) choice(n) choice(s) choice(e) obstacle_at(7,4) obstacle_at(6,8) object_at(4,7) 2 robot_at(6,4) direction(n) 3 robot_at(6,5) direction(n) Παράδειγµα Κίνησης Ροµπότ Παρακολούθηση Εκτέλεσης (1/3) Σύνολο Συγκρούσεων {3, 9 (ND=w), 9 (ND=n), 9 (ND=s), 9 (ND=e)} Στρατηγική ΕΕ ΤΕ Κανόνες που οπλίζουν απο τα δεδοµένα της Μνήµης Εργασίας. O (3) από το direction(e) και ο (9) από το direction(e) και από το obstacle(7,4) Κανόνας που πυροδοτεί 9:avoid_obstacle_east (ND=n) {4} - 4: move_north {4} - 4: move_north Επιλέγεται ένας (9), µε choice(n) Τεχνητή Νοηµοσύνη, B' Έκδοση 25
26 Κύκλος Μνήµη Εργασίας 4 robot_at(6,6) direction(n) 5 robot_at(6,7) direction(n) obstacle_at(6,8) 6 robot_at(6,7) direction(n) obstacle_at(6,8) 7 robot_at(6,7) direction(e) obstacle_at(7,7) Παράδειγµα Κίνησης Ροµπότ Παρακολούθηση Εκτέλεσης (2/3) Σύνολο Συγκρούσεων Στρατηγική Κανόνας που πυροδοτεί {4} - 4: move_north {4, 8 (ND=w), 8 (ND=n), 8 (ND=s), 8 (ND=e)} {4, 8 (ND=w), 8 (ND=n), 8 (ND=s), 8 (ND=e)} {3, 9 (ND=w), 9 (ND=n), 9 (ND=s), 9 (ND=e)} EE TE AE EE TE EE TE 8:avoid_obstacle_north (ND=n) 8:avoid_obstacle_north (ND=e) 9: avoid_obstacle_east (ND=w) Τεχνητή Νοηµοσύνη, B' Έκδοση 26
27 Παράδειγµα Κίνησης Ροµπότ Παρακολούθηση Εκτέλεσης (3/3) Κύκλος Μνήµη Εργασίας 8 robot_at(6,7) direction(w) 9 robot_at(5,7) direction(w) 10 robot_at(4,7) direction(w) object_at(4,7) Σύνολο Συγκρούσεων Στρατηγική Κανόνας που πυροδοτεί {2} - 2: move_west {2} - 2: move_west {1,2} EE TE 1: detect_object Τεχνητή Νοηµοσύνη, B' Έκδοση 27
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 περισσότεραΤεχνητή 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 περισσότεραΣυστήματα Βασισμένα σε Γνώση (Knowledge Based Systems)
Τεχνητή Νοημοσύνη 10 Συστήματα Βασισμένα σε Γνώση (Knowledge Based Systems) Φώτης Κόκκορας Τμ. Μηχανικών Πληροφορικής - ΤΕΙ Θεσσαλίας Δεδομένα, Πληροφορία, Γνώση και Σοφία Εμπειρικοί κανόνες Όχι προγραμματισμός
Διαβάστε περισσότεραοµηµένες 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 περισσότεραΑναπαράσταση 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 περισσότεραΣυστήματα Γνώσης. Θεωρητικό Κομμάτι Μαθήματος Ενότητα 4: Αναπαράστασης Γνώσης και Συλλογιστικής Συστήματα Κανόνων
ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΙΚΑ ΜΑΘΗΜΑΤΑ Θεωρητικό Κομμάτι Μαθήματος Ενότητα 4: Αναπαράστασης Γνώσης και Συλλογιστικής Συστήματα Κανόνων Νίκος Βασιλειάδης, Αναπλ. Καθηγητής Άδειες
Διαβάστε περισσότεραRule 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 περισσότεραΔιαχείριση 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 περισσότεραΣυστήματα Γνώσης. Πρακτικό Κομμάτι Μαθήματος Πρόγραμμα Κίνησης Robot. Νίκος Βασιλειάδης, Αναπλ. Καθηγητής Τμήμα Πληροφορικής
ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΙΚΑ ΜΑΘΗΜΑΤΑ Πρακτικό Κομμάτι Μαθήματος Πρόγραμμα Κίνησης Robot Νίκος Βασιλειάδης, Αναπλ. Καθηγητής Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται
Διαβάστε περισσότεραΚΕΦΑΛΑΙΟ 3 - Συστήματα Κανόνων
ΚΕΦΑΛΑΙΟ 3 - Συστήματα Κανόνων Σύνοψη Στο κεφάλαιο αυτό παρουσιάζεται ο χώρος των συστημάτων κανόνων με επικέντρωση στα συστήματα παραγωγής. Η χρήση κανόνων για την αναπαράσταση της διαδικαστικής και επεισοδιακής
Διαβάστε περισσότεραΑναπαράσταση Γνώσης και Συλλογιστικές
Μαθήματα 5& 6& 7& 8 Αναπαράσταση Γνώσης και Συλλογιστικές Αναπαράσταση Γνώσης και Συλλογιστικές Ορισμοί Chapter 7 Knowledge Codification Τι είναι Κωδικοποίηση Γνώσης Κωδικοποίηση της Γνώσης Knowledge Codification
Διαβάστε περισσότεραΓνώση. 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 περισσότεραΠανεπιστήµιο 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 περισσότεραΓνώση. 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 περισσότεραΚεφάλαιο 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 περισσότεραCLIPS Σύντομη Εισαγωγή - Περιγραφή του Μηχανισμού Εκτέλεσης
CLIPS Σύντομη Εισαγωγή - Περιγραφή του Μηχανισμού Εκτέλεσης Ιστορία της CLIPS CLIPS = C Language Integrated Production System Αναπτύχθηκε στη NASA τη δεκαετία του 1980 Η γλώσσα υλοποίησης είναι η C Yποστηρίζει
Διαβάστε περισσότεραΕυφυής 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 περισσότεραΕπιλογή και επανάληψη. Λογική έκφραση ή συνθήκη
Επιλογή και επανάληψη 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, ότι στο
Διαβάστε περισσότεραΘεωρητικές Ασκήσεις. ΑΝΑΠΤΥΞΗ ΕΦΑΡΜΟΓΩΝ ΣΕ ΠΡΟΓΡΑΜΜΑΤΙΣΤΙΚΟ ΠΕΡΙΒΑΛΛΟΝ. 1 ο Μέρος
ΑΝΑΠΤΥΞΗ ΕΦΑΡΜΟΓΩΝ ΣΕ ΠΡΟΓΡΑΜΜΑΤΙΣΤΙΚΟ ΠΕΡΙΒΑΛΛΟΝ. 1 ο Μέρος Θέμα 1 Δίνονται τα παρακάτω τμήματα αλγορίθμου Α. βαλίτσα Αληθής εισιτήριο Αληθής ταξίδι βαλίτσα και εισιτήριο Τι τιμή θα έχει η λογική μεταβλητή
Διαβάστε περισσότεραΤεχνητή 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 περισσότεραΧΑΡΟΚΟΠΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ & ΤΗΛΕΜΑΤΙΚΗΣ
ΧΑΡΟΚΟΠΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ & ΤΗΛΕΜΑΤΙΚΗΣ ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ ΠΡΟΒΛΗΜΑΤΑ ΙΚΑΝΟΠΟΙΗΣΗΣ ΠΕΡΙΟΡΙΣΜΩΝ ΤΥΠΙΚΗ ΑΝΑΠΑΡΑΣΤΑΣΗ ΓΝΩΣΗΣ - ΣΥΛΛΟΓΙΣΤΙΚΗ ΔΙΑΔΙΚΑΣΙΑ Καραγιώργου Σοφία Προβλήματα ικανοποίησης
Διαβάστε περισσότεραΔομημένη Αναπαράσταση Γνώσης
Δομημένη Αναπαράσταση Γνώσης Δομημένες Αναπαραστάσεις Γνώσης Κλασική Λογική: αυστηρότητα στην αναπαράσταση της γνώσης Στην πράξη: απαιτείται μια λιγότερο αυστηρή και περισσότερο διαισθητική προσέγγιση
Διαβάστε περισσότεραΣυστήματα 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 περισσότεραΤεχνητή 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 περισσότεραΤεχνητή 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 Αβεβαιότητα Με τον όρο αβεβαιότητα (uncertainty) εννοείται η έλλειψη ακριβούς
Διαβάστε περισσότεραΒρόχοι. Εντολή επανάληψης. Το άθροισμα των αριθμών 1 5 υπολογίζεται με την εντολή. Πρόβλημα. Πώς θα υπολογίσουμε το άθροισμα των ακέραιων ;
Εντολή επανάληψης Το άθροισμα των αριθμών 1 5 υπολογίζεται με την εντολή Πρόβλημα Πώς θα υπολογίσουμε το άθροισμα των ακέραιων 1 5000; Ισοδύναμοι υπολογισμοί του Ισοδύναμοι υπολογισμοί του Ισοδύναμοι υπολογισμοί
Διαβάστε περισσότεραΠ2 Το Σύστηµα Κανόνων CLIPS
ΠΑΡΑΡΤΗΜΑ 2 Π2 Το Σύστηµα Κανόνων CLIPS Το CLIPS (C Language Integrated Production System) είναι ένα περιβάλλον που προσφέρει δυνατότητες για προγραµµατισµό µε κανόνες, αντικείµενα και συναρτήσεις. Αναπτύχθηκε
Διαβάστε περισσότεραΧαρακτηριστικά, οµή και Λειτουργία Συστηµάτων Γνώσης
Κεφάλαιο 21 Χαρακτηριστικά, οµή και Λειτουργία Συστηµάτων Γνώσης Τεχνητή Νοηµοσύνη - Β' Έκδοση Ι. Βλαχάβας, Π. Κεφαλάς, Ν. Βασιλειάδης, Φ. Κόκκορας, Η. Σακελλαρίου Συστήµατα Γνώσης Επιδεικνύουν νοήµονα
Διαβάστε περισσότεραΑλγόριθμοι Αναπαράσταση αλγορίθμων Η αναπαράσταση των αλγορίθμων μπορεί να πραγματοποιηθεί με:
Αλγόριθμοι 2.2.1. Ορισμός: Αλγόριθμος είναι μια πεπερασμένη σειρά εντολών, αυστηρά καθορισμένων και εκτελέσιμων σε πεπερασμένο χρόνο, που στοχεύουν στην επίλυση ενός προβλήματος. Τα κυριότερα χρησιμοποιούμενα
Διαβάστε περισσότεραΔομές Ακολουθίας- Επιλογής - Επανάληψης. Δομημένος Προγραμματισμός
Δομές Ακολουθίας- Επιλογής - Επανάληψης Δομημένος Προγραμματισμός 1 Βασικές Έννοιες αλγορίθμων Σταθερές Μεταβλητές Εκφράσεις Πράξεις Εντολές 2 Βασικές Έννοιες Αλγορίθμων Σταθερά: Μια ποσότητα που έχει
Διαβάστε περισσότεραΣυστήματα Γνώσης. Πρακτικό Κομμάτι Μαθήματος Προτεραιότητα Κανόνων και Στρατηγικές Επίλυσης Συγκρούσεων
ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΙΚΑ ΜΑΘΗΜΑΤΑ Πρακτικό Κομμάτι Μαθήματος Προτεραιότητα Κανόνων και Στρατηγικές Επίλυσης Συγκρούσεων Νίκος Βασιλειάδης, Αναπλ. Καθηγητής Άδειες Χρήσης
Διαβάστε περισσότεραΠληροφορική 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 περισσότεραΈµπειρα Συστήµατα (Expert Systems)
Έµπειρα Συστήµατα (Expert Systems) Προγράµµατα τα οποία: Επιδεικνύουν νοήµονα συµπεριφορά σε συγκεκριµένους τοµείς και διαδικασίες, ανάλογη ενός ανθρώπου εµπειρογνώµονα µε ειδικότητα στον ίδιο τοµέα. Κωδικοποιούν
Διαβάστε περισσότεραΑναπαράσταση 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 περισσότεραΚεφάλαια Εντολές επανάληψης. Τρεις εντολές επανάληψης. Επιλογή εντολής επανάληψης ΟΣΟ...ΕΠΑΝΑΛΑΒΕ. Σύνταξη στη ΓΛΩΣΣΑ
Εντολές επανάληψης Κεφάλαια 02-08 οµές Επανάληψης Επιτρέπουν την εκτέλεση εντολών περισσότερες από µία φορά Οι επαναλήψεις ελέγχονται πάντοτε από κάποια συνθήκη η οποία καθορίζει την έξοδο από το βρόχο
Διαβάστε περισσότεραΑνάπτυξη Εφαρμογών σε Προγραμματιστικό Περιβάλλον. Εκχώρηση Τιμών
Εκχώρηση Τιμών 1. Σύνταξη Με την εντολή εκχώρησης: α) Ονομάζουμε μια θέση μνήμης, και β) προσδιορίζουμε το περιεχόμενό της Η σύνταξη της εντολής εκχώρησης είναι: ή
Διαβάστε περισσότεραΚεφάλαιο 2 ο Βασικές Έννοιες Αλγορίθμων (σελ )
Κεφάλαιο 2 ο Βασικές Έννοιες Αλγορίθμων (σελ. 25 48) Τι είναι αλγόριθμος; Γ ΛΥΚΕΙΟΥ Αλγόριθμος είναι μία πεπερασμένη σειρά ενεργειών, αυστηρά καθορισμένων και εκτελέσιμων σε πεπερασμένο χρονικό διάστημα,
Διαβάστε περισσότεραΕρωτήσεις πολλαπλής επιλογής - Κεφάλαιο 2. Α1. Ο αλγόριθμος είναι απαραίτητος μόνο για την επίλυση προβλημάτων πληροφορικής
Ερωτήσεις πολλαπλής επιλογής - Κεφάλαιο 2 Α1. Ο αλγόριθμος είναι απαραίτητος μόνο για την επίλυση προβλημάτων πληροφορικής Α2. Ο αλγόριθμος αποτελείται από ένα πεπερασμένο σύνολο εντολών Α3. Ο αλγόριθμος
Διαβάστε περισσότεραA) Να γράψετε στο τετράδιό σας τον αριθµό καθεµιάς από τις παρακάτω προτάσεις 1-10 και δίπλα τη λέξη Σωστό, αν είναι σωστή, ή τη λέξη Λάθος, αν είναι
ΠΡΟΣΟΜΟΙΩΣΗ ΑΠΟΛΥΤΗΡΙΩΝ ΕΞΕΤΑΣΕΩΝ Γ ΤΑΞΗΣ ΗΜΕΡΗΣΙΟΥ ΓΕΝΙΚΟΥ ΛΥΚΕΙΟΥ ΤΕΤΑΡΤΗ 27 ΑΠΡΙΛΙΟΥ 2011 ΕΞΕΤΑΖΟΜΕΝΟ ΜΑΘΗΜΑ: ΑΝΑΠΤΥΞΗ ΕΦΑΡΜΟΓΩΝ ΣΕ ΠΡΟΓΡΑΜΜΑΤΙΣΤΙΚΟ ΠΕΡΙΒΑΛΛΟΝ ΘΕΜΑ 1ο A) Να γράψετε στο τετράδιό σας
Διαβάστε περισσότερατου προγράμματος diagrama_rohs.zip )
έκδοση 3.20 ( κατέβασμα του προγράμματος diagrama_rohs.zip ) Το πρόγραμμα αυτό γράφτηκε όχι να γίνει μια γλώσσα προγραμματισμού, αλλά να γίνει ένα εργαλείο για την εισαγωγή των μαθητών στον προγραμματισμό.
Διαβάστε περισσότεραΨευδοκώδικας. November 7, 2011
Ψευδοκώδικας November 7, 2011 Οι γλώσσες τύπου ψευδοκώδικα είναι ένας τρόπος περιγραφής αλγορίθμων. Δεν υπάρχει κανένας τυπικός ορισμός της έννοιας του ψευδοκώδικα όμως είναι κοινός τόπος ότι οποιαδήποτε
Διαβάστε περισσότεραΠροβλήματα, 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 περισσότεραΠΑΙΓΝΙΑ 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 περισσότεραΠΛΗΡΟΦΟΡΙΚΗ Ι (MATLAB) Ενότητα 2
ΠΛΗΡΟΦΟΡΙΚΗ Ι (MATLAB) Ενότητα 2 Σημειώσεις βασισμένες στο βιβλίο Το MATLAB στην Υπολογιστική Επιστήμη και Τεχνολογία Μια Εισαγωγή Έλεγχος συνθηκών - if Ας μελετήσουμε το πρόβλημα του υπολογισμού του ελάχιστου
Διαβάστε περισσότεραΤΜΗΜΑ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ
ΤΕΙ Δυτικής Μακεδονίας ΤΜΗΜΑ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ 2015-2016 Τεχνητή Νοημοσύνη Λογικοί Πράκτορες Διδάσκων: Τσίπουρας Μάρκος Εκπαιδευτικό Υλικό: Τσίπουρας Μάρκος http://ai.uom.gr/aima/ 2 Πράκτορες βασισμένοι
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ AΙΓΑIΟΥ & ΑΕΙ ΠΕΙΡΑΙΑ Τ.Τ. Τμήματα Ναυτιλίας και Επιχειρηματικών Υπηρεσιών & Μηχ. Αυτοματισμού ΤΕ. Εισαγωγή στη Python
ΠΑΝΕΠΙΣΤΗΜΙΟ AΙΓΑIΟΥ & ΑΕΙ ΠΕΙΡΑΙΑ Τ.Τ. Τμήματα Ναυτιλίας και Επιχειρηματικών Υπηρεσιών & Μηχ. Αυτοματισμού ΤΕ ΠΛΗΡΟΦΟΡΙΚΗ ΤΕΧΝΟΛΟΓΙΑ ΚΑΙ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ Η/Υ Εισαγωγή στη Python Νικόλαος Ζ. Ζάχαρης Αναπληρωτής
Διαβάστε περισσότερα2 ΟΥ και 8 ΟΥ ΚΕΦΑΛΑΙΟΥ
ΑΝΑΠΤΥΞΗ ΕΦΑΡΜΟΓΩΝ ΣΕ ΠΡΟΓΡΑΜΜΑΤΙΣΤΙΚΟ ΠΕΡΙΒΑΛΛΟΝ ΕΠΙΜΕΛΕΙΑ: ΜΑΡΙΑ Σ. ΖΙΩΓΑ ΚΑΘΗΓΗΤΡΙΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΘΕΩΡΙΑ 2 ΟΥ και 8 ΟΥ ΚΕΦΑΛΑΙΟΥ ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ ΔΟΜΗ ΕΠΙΛΟΓΗΣ 1) Ποιοι είναι οι τελεστές σύγκρισης και
Διαβάστε περισσότεραΔΙΑΛΕΞΗ ΙΙ ΕΝΑ ΒΗΜΑ ΠΑΡΑΠΑΝΩ ΜΕ SCRATCH ΕΠΙΛΕΓΩΝΤΑΣ & ΕΠΑΝΑΛΑΜΒΑΝΟΝΤΑΣ
Τ.Ε.Ι. ΔΥΤΙΚΗΣ ΕΛΛΑΔΑΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΠΛΗΡΟΦΟΡΙΚΗΣ ΔΙΑΛΕΞΗ ΙΙ ΕΝΑ ΒΗΜΑ ΠΑΡΑΠΑΝΩ ΜΕ SCRATCH ΕΠΙΛΕΓΩΝΤΑΣ & ΕΠΑΝΑΛΑΜΒΑΝΟΝΤΑΣ Γ ι ά ν ν η ς Ε. Τ ζ ή μ α ς Μάθημα: ΤΕΧΝΙΚΕΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΥ Το πρώτο πράγμα
Διαβάστε περισσότεραΠληροφοριακά Συστήματα & Περιβάλλον
ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΑΝΟΙΧΤΑ ΑΚΑΔΗΜΑΙΚΑ ΜΑΘΗΜΑΤΑ Πληροφοριακά Συστήματα & Περιβάλλον Ενότητα 9: Έμπειρα Συστήματα Παναγιώτης Λεφάκης Δασολογίας & Φυσικού Περιβάλλοντος Άδειες Χρήσης Το
Διαβάστε περισσότεραΠΕΡΙΕΧΟΜΕΝΑ. Εντολές επιλογής Εντολές επανάληψης
ΠΕΡΙΕΧΟΜΕΝΑ Εντολές επιλογής Εντολές επανάληψης Εισαγωγή Στο προηγούμενο κεφάλαιο αναπτύξαμε προγράμματα, τα οποία ήταν πολύ απλά και οι εντολές των οποίων εκτελούνται η μία μετά την άλλη. Αυτή η σειριακή
Διαβάστε περισσότεραΕνδεικτικές Ερωτήσεις Θεωρίας
Ενδεικτικές Ερωτήσεις Θεωρίας Κεφάλαιο 2 1. Τι καλούμε αλγόριθμο; 2. Ποια κριτήρια πρέπει οπωσδήποτε να ικανοποιεί ένας αλγόριθμος; 3. Πώς ονομάζεται μια διαδικασία που δεν περατώνεται μετά από συγκεκριμένο
Διαβάστε περισσότεραΑΕΠΠ Ερωτήσεις θεωρίας
ΑΕΠΠ Ερωτήσεις θεωρίας Κεφάλαιο 1 1. Τα δεδομένα μπορούν να παρέχουν πληροφορίες όταν υποβάλλονται σε 2. Το πρόβλημα μεγιστοποίησης των κερδών μιας επιχείρησης είναι πρόβλημα 3. Για την επίλυση ενός προβλήματος
Διαβάστε περισσότερα2 ΟΥ και 7 ΟΥ ΚΕΦΑΛΑΙΟΥ
ΑΝΑΠΤΥΞΗ ΕΦΑΡΜΟΓΩΝ ΣΕ ΠΡΟΓΡΑΜΜΑΤΙΣΤΙΚΟ ΠΕΡΙΒΑΛΛΟΝ ΕΠΙΜΕΛΕΙΑ: ΜΑΡΙΑ Σ. ΖΙΩΓΑ ΚΑΘΗΓΗΤΡΙΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΘΕΩΡΙΑ 2 ΟΥ και 7 ΟΥ ΚΕΦΑΛΑΙΟΥ ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ ΑΛΓΟΡΙΘΜΩΝ και ΔΟΜΗ ΑΚΟΛΟΥΘΙΑΣ 2.1 Να δοθεί ο ορισμός
Διαβάστε περισσότεραΑνάπτυξη εφαρμογών/ Βασικές γνώσεις/ πρώτο θέμα ΕΡΩΤΗΣΕΙΣ ΣΥΝΤΟΜΗΣ ΑΠΑΝΤΗΣΗΣ
ΕΡΩΤΗΣΕΙΣ ΣΥΝΤΟΜΗΣ ΑΠΑΝΤΗΣΗΣ 1. Ερωτήσεις -θέματα στη σελίδες 21, 49, 160 του σχολικού βιβλίου Μαθητή 2. Τεστ αυτοαξιολόγησης σελίδες 16, 27, 68 του τετραδίου του Μαθητή 3. Ν' αναφέρετε ονομαστικά τους
Διαβάστε περισσότεραΚΕΦΑΛΑΙΟ 2 Βασικές έννοιες αλγορίθµων
ΚΕΦΑΛΑΙΟ 2 Βασικές έννοιες αλγορίθµων Αλγόριθµος : Είναι ένα σύνολο βηµάτων, αυστηρά καθορισµένων κι εκτελέσιµων σε πεπερασµένο χρόνο, που οδηγούν στην επίλυση ενός προβλήµατος. Χαρακτηριστικά ενός σωστού
Διαβάστε περισσότεραΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ ΥΠΟΛΟΓΙΣΤΩΝ & ΥΠΟΛΟΓΙΣΤΙΚΗ ΦΥΣΙΚΗ
ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ ΥΠΟΛΟΓΙΣΤΩΝ & ΥΠΟΛΟΓΙΣΤΙΚΗ ΦΥΣΙΚΗ Μέρος 4ο ΝΙΚΟΛΑΟΣ ΣΤΕΡΓΙΟΥΛΑΣ ΤΜΗΜΑ ΦΥΣΙΚΗΣ ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ 1 ΟΙ ΤΕΛΕΣΤΕΣ ΣΥΓΚΡΙΣΗΣ Με τους τελεστές σύγκρισης, συγκρίνουμε τις
Διαβάστε περισσότεραΛογικός τύπος Τελεστές σύγκρισης Λογικοί τελεστές Εντολές επιλογής Εμβέλεια Μαθηματικές συναρτήσεις Μιγαδικός τύπος ΔΕΥΤΕΡΗ ΔΙΑΛΕΞΗ
ΔΕΥΤΕΡΗ ΔΙΑΛΕΞΗ Λογικός τύπος ( ) Ο τύπος είναι κατάλληλoς για την αναπαράσταση ποσοτήτων που μπορούν να πάρουν δύο μόνο τιμές (π.χ. ναι/όχι, αληθές/ψευδές, ). Τιμές ή Δήλωση Εκχώρηση Ισοδυναμία με ακέραιους
Διαβάστε περισσότεραΑΝΑΠΤΥΞΗ ΕΦΑΡΜΟΓΩΝ ΣΕ ΠΡΟΓΡΑΜΜΑΤΙΣΤΙΚΟ ΠΕΡΙΒΑΛΛΟΝ ΔΙΑΓΩΝΙΣΜΑ ΠΡΟΣΟΜΟΙΩΣΗΣ 23/04/2012. Α. Να απαντήσετε με Σ ή Λ στις παρακάτω προτάσεις:
ΑΝΑΠΤΥΞΗ ΕΦΑΡΜΟΓΩΝ ΣΕ ΠΡΟΓΡΑΜΜΑΤΙΣΤΙΚΟ ΠΕΡΙΒΑΛΛΟΝ ΔΙΑΓΩΝΙΣΜΑ ΠΡΟΣΟΜΟΙΩΣΗΣ 23/04/2012 ΘΕΜΑ Α Α. Να απαντήσετε με Σ ή Λ στις παρακάτω προτάσεις: 1. Κάθε βρόγχος που υλοποιείται με την εντολή Για μπορεί να
Διαβάστε περισσότεραΔομημένος Προγραμματισμός. Τμήμα Επιχειρηματικού Σχεδιασμού και Πληροφοριακών Συστημάτων
Δομημένος Προγραμματισμός Τμήμα Επιχειρηματικού Σχεδιασμού και Πληροφοριακών Συστημάτων www.bpis.teicrete.gr Τμήμα Επιχειρηματικού Σχεδιασμού και Πληροφοριακών Συστημάτων www.bpis.teicrete.gr 2 Νέο Πρόγραμμα
Διαβάστε περισσότερα2ο ΓΕΛ ΑΓ.ΔΗΜΗΤΡΙΟΥ ΑΕΠΠ ΘΕΟΔΟΣΙΟΥ ΔΙΟΝ ΠΡΟΣΟΧΗ ΣΤΑ ΠΑΡΑΚΑΤΩ
ΠΡΟΣΟΧΗ ΣΤΑ ΠΑΡΑΚΑΤΩ ΣΤΑΘΕΡΕΣ είναι τα μεγέθη που δεν μεταβάλλονται κατά την εκτέλεση ενός αλγόριθμου. Εκτός από τις αριθμητικές σταθερές (7, 4, 3.5, 100 κλπ), τις λογικές σταθερές (αληθής και ψευδής)
Διαβάστε περισσότεραΒυζαντινός Ρεπαντής Κολλέγιο Αθηνών 2010
Βυζαντινός Ρεπαντής Κολλέγιο Αθηνών 2010 Δημιουργία ενός απλού παιχνιδιού με το Gamemaker (μετάφραση από το http://www.stuffucanuse.com/downloads/gamemaker-introductionlessons/free_game_downloads_gamemaker.htm)
Διαβάστε περισσότεραi 1 Όσο i <> 100 επανάλαβε i i + 2 Γράψε A[i] Τέλος_επανάληψης
ΘΕΜΑ Α A1 Να γράψετε στο τετράδιό σας τον αριθμό καθεμιάς από τις παρακάτω προτάσεις α-δ και δίπλα τη λέξη ΣΩΣΤΟ, αν είναι σωστή, ή τη λέξη ΛΑΘΟΣ, αν είναι λανθασμένη. a. Σε μία εντολή εκχώρησης του αποτελέσματος
Διαβάστε περισσότεραΑνάλυση της Ορθότητας Προγραμμάτων (HR Κεφάλαιο 4)
Ανάλυση της Ορθότητας Προγραμμάτων (HR Κεφάλαιο 4) Στην ενότητα αυτή θα μελετηθούν τα εξής θέματα: Η διαδικαστική γλώσσα προγραμματισμού WHILE Τριάδες Hoare Μερική και Ολική Ορθότητα Προγραμμάτων Κανόνες
Διαβάστε περισσότεραΕΛΛΗΝΙΚΗ 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 περισσότεραΚεφάλαιο 13. Αβεβαιότητα. Τεχνητή Νοηµοσύνη - Β' Έκδοση. Ι. Βλαχάβας, Π. Κεφαλάς, Ν. Βασιλειάδης, Φ. Κόκκορας, Η. Σακελλαρίου
Κεφάλαιο 13 Αβεβαιότητα Τεχνητή Νοηµοσύνη - Β' Έκδοση Ι. Βλαχάβας, Π. Κεφαλάς, Ν. Βασιλειάδης, Φ. Κόκκορας, Η. Σακελλαρίου Κυριότερες πηγές αβεβαιότητας: Αβέβαιη Γνώση Ανακριβή δεδοµένα (imprecise data).
Διαβάστε περισσότεραΣτόχοι και αντικείμενο ενότητας. Βασικές κατασκευές ΓΠ. Έλεγχος ροής προγράμματος. #4.. Εντολές Επιλογής
Στόχοι και αντικείμενο ενότητας Βασικές κατασκευές Γλωσσών Προγραμματισμού (ΓΠ) Δομές ελέγχου ροής προγράμματος #4.. ντολές πιλογής Προτάσεις διακλάδωσης υπό συνθήκη ντολές if, if Φωλιασμένα (nested) if
Διαβάστε περισσότερα9.1 Προτασιακή Λογική
ΚΕΦΑΛΑΙΟ 9 9 Λογική Η λογική παρέχει έναν τρόπο για την αποσαφήνιση και την τυποποίηση της διαδικασίας της ανθρώπινης σκέψης και προσφέρει µια σηµαντική και εύχρηστη µεθοδολογία για την αναπαράσταση και
Διαβάστε περισσότεραΠοιές εντολές του Scratch πρέπει να ξέρω;
Ποιές εντολές του Scratch πρέπει να ξέρω; ΕΝΤΟΛΕΣ ΚΙΝΗΣΗΣ κινήσου χ βήματα στρίψε χ μοίρες στρίψε χ μοίρες στρίψε προς την κατεύθυνση των χ μοιρών στρίψε προς το [] πήγαινε στη θέση χ:[] και y:[] πήγαινε
Διαβάστε περισσότεραΚεφάλαιο 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 περισσότεραΜάθημα 8 ο Η εντολή ανδιαφορετικά
Η εντολή ανδιαφορετικά Σελίδα 1 από 8 Μάθημα 8 ο Η εντολή ανδιαφορετικά Μερικές φορές σε έναν αλγόριθμο κάποια βήματα πρέπει να εκτελεστούν μόνο αν αληθεύει μια συνθήκη, αλλιώς αν η συνθήκη δεν αληθεύει
Διαβάστε περισσότεραI. ΑΛΓΟΡΙΘΜΟΣ II. ΠΡΑΞΕΙΣ - ΣΥΝΑΡΤΗΣΕΙΣ III. ΕΠΑΝΑΛΗΨΕΙΣ. 1. Τα πιο συνηθισμένα σενάρια παραβίασης αλγοριθμικών κριτηρίων είναι:
ΑΕσΠΠ 1 / 8 I. ΑΛΓΟΡΙΘΜΟΣ 1. Τα πιο συνηθισμένα σενάρια παραβίασης αλγοριθμικών κριτηρίων είναι: i. Είσοδος : χρήση μιας μεταβλητής που δεν έχει πάρει προηγουμένως τιμή. ii. Έξοδος : ο αλγόριθμος δεν εμφανίζει
Διαβάστε περισσότεραΕΛΛΗΝΙΚΗ 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 περισσότεραΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ ΥΠΟΛΟΓΙΣΤΩΝ & ΥΠΟΛΟΓΙΣΤΙΚΗ ΦΥΣΙΚΗ
ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ ΥΠΟΛΟΓΙΣΤΩΝ & ΥΠΟΛΟΓΙΣΤΙΚΗ ΦΥΣΙΚΗ Μέρος 5ο ΝΙΚΟΛΑΟΣ ΣΤΕΡΓΙΟΥΛΑΣ ΤΜΗΜΑ ΦΥΣΙΚΗΣ ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ 1 Η ΕΝΤΟΛΗ for Με την εντολή for δημιουργούμε βρόχους επανάληψης σε
Διαβάστε περισσότεραΠΛΗΡΟΦΟΡΙΚΗ Ι Ενότητα 2: Έλεγχος συνθηκών
ΠΛΗΡΟΦΟΡΙΚΗ Ι Ενότητα 2: Έλεγχος συνθηκών Μιχάλης Δρακόπουλος Σχολή Θετικών επιστημών Τμήμα Μαθηματικών ΠΛΗΡΟΦΟΡΙΚΗ Ι (MATLAB) Ενότητα 2 Σημειώσεις βασισμένες στο βιβλίο Το MATLAB στην Υπολογιστική Επιστήμη
Διαβάστε περισσότεραΔΙΔΑΚΤΙΚΗ της ΠΛΗΡΟΦΟΡΙΚΗΣ
ΕΘΝΙΚΟ ΚΑΙ ΚΑΠΟΔΙΣΤΡΙΑΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ & ΤΗΛΕΠΙΚΟΙΝΩΝΙΩΝ ΔΙΔΑΚΤΙΚΗ της ΠΛΗΡΟΦΟΡΙΚΗΣ Μ. Γρηγοριάδου Ρ. Γόγουλου Ενότητα: Η Διδασκαλία του Προγραμματισμού Περιεχόμενα Παρουσίασης
Διαβάστε περισσότεραΕυφυή Συστήματα Υποστήριξης Αποφάσεων. Δημήτρης Αποστόλου
1 Ευφυή Συστήματα Υποστήριξης Αποφάσεων Δημήτρης Αποστόλου Βιβλιογραφία 2 Τεχνητή Νοημοσύνη - Γ' Έκδοση Ι. Βλαχάβας, Π. Κεφαλάς, Ν. Βασιλειάδης, Φ. Κόκκορας, Η. Σακελλαρίου Semantic Web Primer Gregoris
Διαβάστε περισσότεραΟι εντολές ελέγχου της ροής ενός προγράμματος.
Κεφάλαιο ΙΙI: Οι εντολές ελέγχου της ροής ενός προγράμματος 31 Εντολές ελέγχου της ροής Στο παρόν κεφάλαιο ασχολούμαστε με την σύνταξη των εντολών της C οι οποίες εισάγουν λογική και ελέγχουν την ροή εκτέλεσης
Διαβάστε περισσότεραΕντολές επιλογής Επαναλήψεις (if, switch, while)
Εντολές επιλογής Επαναλήψεις (if, switch, while) Οι σημειώσεις αυτές έχουν σαν στόχο την μάθηση εντολών επιλογής (if, switch, while) που ελέγχουν τη ροή εκτέλεσης ενός προγράμματος. Πρώτα όμως, είναι αναγκαίο
Διαβάστε περισσότεραΣτόχοι και αντικείμενο ενότητας. Εκφράσεις. Η έννοια του τελεστή. #2.. Εισαγωγή στη C (Μέρος Δεύτερο) Η έννοια του Τελεστή
Στόχοι και αντικείμενο ενότητας Η έννοια του Τελεστή #2.. Εισαγωγή στη C (Μέρος Δεύτερο) Εκφράσεις Προτεραιότητα Προσεταιριστικότητα Χρήση παρενθέσεων Μετατροπές Τύπων Υπονοούμενες και ρητές μετατροπές
Διαβάστε περισσότεραΜέρος Α Γνωριμία με το περιβάλλον προγραμματισμού του ρομπότ OTTO
OTTO ROBOT Εκπαιδευτικές Δραστηριότητες Μέρος Α Γνωριμία με το περιβάλλον προγραμματισμού του ρομπότ OTTO Δραστηριότητα 1 - Γνωριμία, περιγραφή Otto Τι είναι το ρομπότ Otto; Είναι ένα αλληλεπιδραστικό
Διαβάστε περισσότεραΦυσικές και τεχνητές γλώσσες. Το αλφάβητο της ΓΛΩΣΣΑΣ, Τύποι Δεδομένων. Σταθερές, Μεταβλητές, Τελεστές, Συναρτήσεις, Δομή Προγράμματος
Φυσικές και τεχνητές γλώσσες. Το αλφάβητο της ΓΛΩΣΣΑΣ, Τύποι Δεδομένων. Σταθερές, Μεταβλητές, Τελεστές, Συναρτήσεις, Δομή Προγράμματος Ενότητες βιβλίου: 6.3, 7.1-7.6, 7.10, 8.1 Ώρες διδασκαλίας: 2 Φυσικές
Διαβάστε περισσότεραΜαθησιακές δυσκολίες ΙΙ. Παλαιγεωργίου Γιώργος Τμήμα Μηχανικών Ηλεκτρονικών Υπολογιστών Τηλεπικοινωνιών και Δικτύων, Πανεπιστήμιο Θεσσαλίας
Μαθησιακές δυσκολίες ΙΙ Παλαιγεωργίου Γιώργος Τμήμα Μηχανικών Ηλεκτρονικών Υπολογιστών Τηλεπικοινωνιών και Δικτύων, Πανεπιστήμιο Θεσσαλίας Μάρτιος 2010 Προηγούμενη διάλεξη Μαθησιακές δυσκολίες Σε όλες
Διαβάστε περισσότεραΠρόβλημα 29 / σελίδα 28
Πρόβλημα 29 / σελίδα 28 Πρόβλημα 30 / σελίδα 28 Αντιμετάθεση / σελίδα 10 Να γράψετε αλγόριθμο, οποίος θα διαβάζει τα περιεχόμενα δύο μεταβλητών Α και Β, στη συνέχεια να αντιμεταθέτει τα περιεχόμενά τους
Διαβάστε περισσότεραΕισαγωγή στην C. Μορφή Προγράµµατος σε γλώσσα C
Εισαγωγή στην C Μορφή Προγράµµατος σε γλώσσα C Τµήµα Α Με την εντολή include συµπεριλαµβάνω στο πρόγραµµα τα πρότυπα των συναρτήσεων εισόδου/εξόδου της C.Το αρχείο κεφαλίδας stdio.h είναι ένας κατάλογος
Διαβάστε περισσότεραfor for for for( . */
Εισαγωγή Στον Προγραµµατισµό «C» Βρόχοι Επανάληψης Πανεπιστήµιο Πελοποννήσου Τµήµα Πληροφορικής & Τηλεπικοινωνιών Νικόλαος Δ. Τσελίκας Νικόλαος Προγραµµατισµός Δ. Τσελίκας Ι Ο βρόχος for Η εντολή for χρησιµοποιείται
Διαβάστε περισσότεραΕπαναληπτικές Διαδικασίες
Επαναληπτικές Διαδικασίες Οι επαναληπτικές δομές ( εντολές επανάληψης επαναληπτικά σχήματα ) χρησιμοποιούνται, όταν μια ομάδα εντολών πρέπει να εκτελείται αρκετές- πολλές φορές ανάλογα με την τιμή μιας
Διαβάστε περισσότεραΦύλλο εργασίας 6. Αποφυγή εμποδίων. Χωριστείτε σε ομάδες 2-3 ατόμων και απαντήστε στις ερωτήσεις του φύλλου εργασίας.
Φύλλο εργασίας 6 Αποφυγή εμποδίων Ο στόχος του φύλλου εργασίας είναι η κατασκευή και ο προγραμματισμός ρομπότ το οποίο θα διασχίζει ένα διάδρομο με πολλά εμπόδια, θα τα αποφεύγει και θα τερματίζει με ασφάλεια
Διαβάστε περισσότεραΕισαγωγή - Βασικές έννοιες. Ι.Ε.Κ ΓΛΥΦΑΔΑΣ Τεχνικός Τεχνολογίας Internet Αλγοριθμική Ι (Ε) Σχολ. Ετος A Εξάμηνο
Εισαγωγή - Βασικές έννοιες Ι.Ε.Κ ΓΛΥΦΑΔΑΣ Τεχνικός Τεχνολογίας Internet Αλγοριθμική Ι (Ε) Σχολ. Ετος 2012-13 A Εξάμηνο Αλγόριθμος Αλγόριθμος είναι μια πεπερασμένη σειρά ενεργειών, αυστηρά καθορισμένων
Διαβάστε περισσότεραΕργαστήριο 1-1 η Άσκηση - Ανάλυση
Εργαστήριο 1-1 η Άσκηση - Ανάλυση Εκφώνηση: Δημιουργείστε εφαρμογή σε Java Swing με χρήση του IDE NetBeans όπου θα παρουσιάζεται ποιο κουμπί πατήθηκε. Η εφαρμογή θα μοιάζει ως εξής: Πρώτο Βήμα: Αρχική
Διαβάστε περισσότεραΚεφάλαιο 4 Σημασιολογία μιας Απλής Προστακτικής Γλώσσας
Κεφάλαιο 4 Σημασιολογία μιας Απλής Προστακτικής Γλώσσας Προπτυχιακό μάθημα Αρχές Γλωσσών Προγραμματισμού Π. Ροντογιάννης 1 Εισαγωγή - 1 Μία κλασσική γλώσσα προγραμματισμού αποτελείται από: Εκφράσεις (των
Διαβάστε περισσότεραΔιαδικασιακός Προγραμματισμός
Τμήμα ΜΗΧΑΝΙΚΩΝ ΠΛΗΡΟΦΟΡΙΚΗΣ ΤΕ ΤΕΙ ΔΥΤΙΚΗΣ ΕΛΛΑΔΑΣ Διαδικασιακός Προγραμματισμός Διάλεξη 6 η Βρόχοι Επανάληψης Οι διαλέξεις βασίζονται στο βιβλίο των Τσελίκη και Τσελίκα C: Από τη Θεωρία στην Εφαρμογή
Διαβάστε περισσότεραΔομημένος Προγραμματισμός
Ανοικτά Ακαδημαϊκά Μαθήματα στο ΤΕΙ Ιονίων Νήσων Δομημένος Προγραμματισμός Ενότητα 4: Εντολές ελέγχου ροής Το περιεχόμενο του μαθήματος διατίθεται με άδεια Creative Commons εκτός και αν αναφέρεται διαφορετικά
Διαβάστε περισσότεραΦύλλο εργασίας 9 - Αυτόνομο ρομποτικό όχημα αποφυγής εμποδίων
Φύλλο εργασίας 9 - Αυτόνομο ρομποτικό όχημα αποφυγής εμποδίων Σε αυτήν τη δραστηριότητα θα κατασκευάσουμε ένα αυτόνομο ρομποτικό όχημα αποφυγής εμποδίων. Εκτός από τον μικροελεγκτή Arduino, το breadboard,
Διαβάστε περισσότεραΔιαδικασιακός Προγραμματισμός
Τμήμα ΜΗΧΑΝΙΚΩΝ ΠΛΗΡΟΦΟΡΙΚΗΣ ΤΕ ΤΕΙ ΔΥΤΙΚΗΣ ΕΛΛΑΔΑΣ Διαδικασιακός Προγραμματισμός Διάλεξη 4 η Τελεστές Οι διαλέξεις βασίζονται στο βιβλίο των Τσελίκη και Τσελίκα C: Από τη Θεωρία στην Εφαρμογή Σωτήρης
Διαβάστε περισσότεραΗΥ 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 περισσότεραΑνάπτυξη Εφαρμογών σε Προγραμματιστικό Περιβάλλον
Ανάπτυξη Εφαρμογών σε Προγραμματιστικό Περιβάλλον 2.4.5 8.2 Δομή Επανάληψης Δομές Επανάληψης Οι δομές επανάληψης χρησιμοποιούνται στις περιπτώσεις όπου μια συγκεκριμένη ακολουθία εντολών πρέπει να εκτελεστεί
Διαβάστε περισσότεραΜάθημα 3 ο ΔΙΕΡΓΑΣΙΕΣ (PROCESSES)
Μάθημα 3 ο ΔΙΕΡΓΑΣΙΕΣ (PROCESSES) Εισαγωγή H κεντρική μονάδα επεξεργασίας (ΚΜΕ) και η κύρια μνήμη αποτελούν τα βασικά δομικά στοιχεία ενός υπολογιστικού συστήματος. Η πρώτη εκτελεί εντολές χειρισμού δεδομένων
Διαβάστε περισσότεραΕισαγωγή στην Έννοια του Αλγορίθμου και στον Προγραμματισμό. Η έννοια του προβλήματος
Εισαγωγή στην Έννοια του Αλγορίθμου και στον Προγραμματισμό Η έννοια του προβλήματος Τι είναι πρόβλημα; ΠΡΟΒΛΗΜΑΤΑ ΟΡΙΣΜΟΣ ΠΡΟΒΛΗΜΑΤΟΣ Πρόβλημα είναι κάθε κατάσταση που μας απασχολεί και χρήζει αντιμετώπισης,
Διαβάστε περισσότεραΑΝΑΠΤΥΞΗ ΕΦΑΡΜΟΓΩΝ ΣΕ ΠΡΟΓΡΑΜΜΑΤΙΣΤΙΚΟ ΠΕΡΙΒΑΛΛΟΝ Γ' ΛΥΚΕΙΟΥ ΤΕΧΝΟΛΟΓΙΚΗ ΚΑΤΕΥΘΥΝΣΗ ΚΥΚΛΟΣ ΠΛΗΡΟΦΟΡΙΚΗΣ & ΥΠΗΡΕΣΙΩΝ 2005
ΑΝΑΠΤΥΞΗ ΕΦΑΡΜΟΓΩΝ ΣΕ ΠΡΟΓΡΑΜΜΑΤΙΣΤΙΚΟ ΠΕΡΙΒΑΛΛΟΝ Γ' ΛΥΚΕΙΟΥ ΤΕΧΝΟΛΟΓΙΚΗ ΚΑΤΕΥΘΥΝΣΗ ΚΥΚΛΟΣ ΠΛΗΡΟΦΟΡΙΚΗΣ & ΥΠΗΡΕΣΙΩΝ 2005 ΕΚΦΩΝΗΣΕΙΣ ΘΕΜΑ 1ο Α. 1. Να αναφέρετε ονοµαστικά τα κριτήρια που πρέπει απαραίτητα
Διαβάστε περισσότεραΔομή Επανάληψης. Κεφάλαιο 7 Mike Trimos
Δομή Επανάληψης Κεφάλαιο 7 Mike Trimos Δομή Επανάληψης Η Διαδικασία αυτή ονομάζεται Βρόγχος ή Επανάληψη (Loop) και η εντολή ή το σύνολο των εντολών που επαναλαμβάνονται ονομάζεται Σώμα της Δομής. Η γλώσσα
Διαβάστε περισσότερα