Ασκήσεις μελέτης της 11 ης διάλεξης



Σχετικά έγγραφα
Ασκήσεις μελέτης της 8 ης διάλεξης

Οικονομικό Πανεπιστήμιο Αθηνών, Τμήμα Πληροφορικής Μάθημα: Γλωσσική Τεχνολογία, Διδάσκων: Ι. Ανδρουτσόπουλος

Τεχνητή Νοημοσύνη. 8η διάλεξη ( ) Ίων Ανδρουτσόπουλος.

Ασκήσεις μελέτης της ενότητας «Σημασιολογική Ανάλυση»

Τεχνητή Νοημοσύνη. 9η διάλεξη ( ) Ίων Ανδρουτσόπουλος.

Ασκήσεις ανακεφαλαίωσης στο μάθημα Τεχνητή Νοημοσύνη

Ασκήσεις μελέτης της 6 ης διάλεξης

ΤΕΙ ΠΕΛΟΠΟΝΝΗΣΟΥ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΠΛΗΡΟΦΟΡΙΚΗΣ Τ.Ε.

Ασκήσεις μελέτης της 16 ης διάλεξης

Επανάληψη. ΗΥ-180 Spring 2019

Τεχνητή Νοημοσύνη. 11η διάλεξη ( ) Ίων Ανδρουτσόπουλος.

Ασκήσεις μελέτης της 4 ης διάλεξης. ), για οποιοδήποτε μονοπάτι n 1

ΤΜΗΜΑ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ

Ασκήσεις μελέτης της ενότητας «Συντακτική Ανάλυση»

Κανονικές μορφές - Ορισμοί

Τεχνητή Νοημοσύνη. 7η διάλεξη ( ) Ίων Ανδρουτσόπουλος.

ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ. Ενότητα 9: Προτασιακή λογική. Ρεφανίδης Ιωάννης Τμήμα Εφαρμοσμένης Πληροφορικής

Ασκήσεις μελέτης της ενότητας «Συντακτική Ανάλυση»

ΗΥ180: Λογική Διδάσκων: Δημήτρης Πλεξουσάκης. Φροντιστήριο 8 Επίλυση για Horn Clauses Λογικός Προγραμματισμός Τετάρτη 9 Μαΐου 2012

Προτασιακή Λογική. Τμήμα Μηχανικών Πληροφορικής ΤΕ ΤΕΙ Ηπείρου Γκόγκος Χρήστος

Υποδ: Χρησιμοποιήστε τον ορισμό της λογικής συνεπαγωγής (λογικής κάλυψης).

Πληρότητα της μεθόδου επίλυσης

Τεχνητή Νοημοσύνη ( )

HY Λογική Διδάσκων: Δ. Πλεξουσάκης

HY Λογική Διδάσκων: Δ. Πλεξουσάκης Εαρινό Εξάμηνο. Φροντιστήριο 6

Συνέπεια, Εγκυρότητα, Συνεπαγωγή, Ισοδυναμία, Κανονικές μορφές, Αλγόριθμοι μετατροπής σε CNF-DNF

Λογική. Προτασιακή Λογική. Λογική Πρώτης Τάξης

Τεχνητή Νοημοσύνη. 2η διάλεξη ( ) Ίων Ανδρουτσόπουλος.

Σημειώσεις Λογικής I. Εαρινό Εξάμηνο Καθηγητής: Λ. Κυρούσης

Συνέπεια, Εγκυρότητα, Συνεπαγωγή, Ισοδυναμία, Κανονικές μορφές, Αλγόριθμοι μετατροπής σε CNF-DNF

HY 180 Λογική Διδάσκων: Δ. Πλεξουσάκης Φροντιστήριο 5

ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ. Λογική. Δημήτρης Πλεξουσάκης

Λογικός Προγραμματισμός

Τεχνητή Νοημοσύνη. 21η διάλεξη ( ) Ίων Ανδρουτσόπουλος.

Προτασιακός Λογισμός (HR Κεφάλαιο 1)

Μαθηματική Λογική (προπτυχιακό) Εξέταση Ιανουαρίου 2018 Σελ. 1 από 5

Λογική. Δημήτρης Πλεξουσάκης. Ασκήσεις 2ου Φροντιστηρίου: Προτασιακός Λογισμός: Κανονικές Μορφές, Απλός Αλγόριθμος Μετατροπής σε CNF/DNF, Άρνηση

Τεχνητή Νοημοσύνη. 12η διάλεξη ( ) Ίων Ανδρουτσόπουλος.

Βασικές Ισοδυναμίες με Άρνηση /Πίνακες Αληθείας /Λογική Συνεπαγωγή /Ταυτολογίες /Αντινομίες Πλήρης αλγόριθμος μετατροπής CNF

4. Ο,τιδήποτε δεν ορίζεται με βάση τα (1) (3) δεν είναι προτασιακός τύπος.

Λογική Δημήτρης Πλεξουσάκης Φροντιστήριο 6: Προτασιακός Λογισμός: Μέθοδος Επίλυσης Τμήμα Επιστήμης Υπολογιστών

Λογικοί πράκτορες. Πράκτορες βασισµένοι στη γνώση

ΑΣΚΗΣΕΙΣ. 1. Εξετάστε αν οι παρακάτω εξαγωγές συμπερασμάτων στον προτασιακό λογισμό είναι έγκυρες.

Άλγεβρα Α Λυκείου Κεφάλαιο 2ο. οι πράξεις και οι ιδιότητές τους

ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ

Βασικές Ισοδυναμίες με Άρνηση, Πίνακες Αληθείας, Λογική Συνεπαγωγή, Ταυτολογίες, Αντινομίες, Πλήρης Αλγόριθμος Μετατροπής CNF

ΘΕΜΑ Α ΑΡΧΗ 1ΗΣ ΣΕΛΙΔΑΣ

K15 Ψηφιακή Λογική Σχεδίαση 7-8: Ανάλυση και σύνθεση συνδυαστικών λογικών κυκλωμάτων

4.3 Ορθότητα και Πληρότητα

Α4. Δίδεται ο παρακάτω αλγόριθμος

K15 Ψηφιακή Λογική Σχεδίαση 3: Προτασιακή Λογική / Θεωρία Συνόλων

NP-complete problems. IS, 4-Degree IS,CLIQUE, NODE COVER, MAX CUT, MAX BISECTION, BISECTION WIDTH. NP-complete problems 1 / 30

Μαθηματικά των Υπολογιστών και των Αποφάσεων Τεχνητή Νοημοσύνη 1η Σειρά Ασκήσεων

Ασκήσεις μελέτης της 23 ης διάλεξης

Τεχνητή Νοημοσύνη. 10η διάλεξη ( ) Ίων Ανδρουτσόπουλος.

Τεχνητή Νοημοσύνη. 4η διάλεξη ( ) Ίων Ανδρουτσόπουλος.

HY118-Διακριτά Μαθηματικά. Προτασιακός Λογισμός. Προηγούμενη φορά. Βάσεις της Μαθηματικής Λογικής. 02 Προτασιακός Λογισμός

Προτασιακός Λογισμός (HR Κεφάλαιο 1)

Λογική. Φροντιστήριο 3: Συνεπαγωγή/Ισοδυναμία, Ταυτολογίες/Αντινομίες, Πλήρης Αλγόριθμος Μετατροπής σε CNF

HY118-Διακριτά Μαθηματικά

ΠΑΙΓΝΙΑ Παιχνίδια Γενική Θεώρηση μεγιστοποιήσει την πιθανότητά

Σειρά Προβλημάτων 1 Λύσεις

Σειρά Προβλημάτων 1 Λύσεις

Υπολογιστική Λογική και Λογικός Προγραμματισμός

ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ. Λογική. Φροντιστήριο 4: Μορφολογική Παραγωγή. Δημήτρης Πλεξουσάκης Τμήμα Επιστήμης Υπολογιστών

Υπολογισμός στο Λογικό Προγραμματισμό. Πώς υπολογίζεται η έξοδος ενός Λογικού Προγράμματος;

Μηχανισμός Εξαγωγής Συμπερασμάτων

Σειρά Προβλημάτων 1 Λύσεις

Ασκήσεις μελέτης της 19 ης διάλεξης

ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ

Άσκηση 1. Ποια από τα κάτω αλφαριθμητικά είναι αποδεκτά ως ονόματα μεταβλητών σε έναν αλγόριθμο i. Τιμή

Αλγόριθμοι για αυτόματα

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

2 ΟΥ και 8 ΟΥ ΚΕΦΑΛΑΙΟΥ

Πρόταση. Αληθείς Προτάσεις

Θεωρία Υπολογισμού Άρτιοι ΑΜ. Διδάσκων: Σταύρος Κολλιόπουλος. eclass.di.uoa.gr. Περιγραφή μαθήματος

Θεωρία Υπολογισμού Αρτιοι ΑΜ Διδάσκων: Σταύρος Κολλιόπουλος eclass.di.uoa.gr

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

ΠΑΡΑΔΕΙΓΜΑΤΑ ΘΕΜΑ Β. Να βρείτε τις ασύμπτωτες της γραφικής παράστασης της συνάρτησης f με τύπο

Λογική Δημήτρης Πλεξουσάκης Φροντιστήριο 5: Προτασιακός Λογισμός: Κατασκευή Μοντέλων Τμήμα Επιστήμης Υπολογιστών

ΑΝΑΛΥΣΗ ΙΙ- ΜΗΧΑΝΟΛΟΓΟΙ ΜΗΧΑΝΙΚΟΙ ΦΥΛΛΑΔΙΟ 1/2012

PROJECT ΣΤΟ ΜΑΘΗΜΑ "ΕΙΣΑΓΩΓΗ ΣΤΙΣ ΕΥΡΕΤΙΚΕΣ ΜΕΘΟΔΟΥΣ"

m + s + q r + n + q p + s + n, P Q R P Q P R Q R F G

ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕΔΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ

2 ΟΥ και 8 ΟΥ ΚΕΦΑΛΑΙΟΥ

Αναπαράσταση Γνώσης και Συλλογιστικές

Δια γράφοντας... κλωνάρια

Πανεπιστήμιο Δυτικής Μακεδονίας. Τμήμα Μηχανικών Πληροφορικής & Τηλεπικοινωνιών. Τεχνητή Νοημοσύνη. Ενότητα 5: Αναπαράσταση Γνώσης με Λογική

Στοιχεία Προτασιακής Λογικής

Μαθηματική Λογική και Απόδειξη

Μαθηματική Λογική και Λογικός Προγραμματισμός

Σειρά Προβλημάτων 5 Λύσεις

ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ

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

Α2. Να γράψετε στο τετράδιο απαντήσεών σας το κατάλληλο τμήμα κώδικα, κάνοντας τις απαραίτητες αλλαγές σύμφωνα με την εκάστοτε εκφώνηση:

ΑΝΑΛΥΣΗ ΙΙ- ΜΗΧΑΝΟΛΟΓΟΙ ΜΗΧΑΝΙΚΟΙ ΦΥΛΛΑΔΙΟ 1/ Στον Ευκλείδειο χώρο ορίζουμε τις νόρμες: 0 2 xx, που ισχύει.

ΑΡΧΗ 1ης ΣΕΛΙΔΑΣ ΕΞΕΤΑΖΟΜΕΝΟ ΜΑΘΗΜΑ : ΑΝΑΠΤΥΞΗ ΕΦΑΡΜΟΓΩΝ ΣΕ ΠΡΟΓΡΑΜΜΑΤΙΣΤΙΚΟ ΠΕΡΙΒΑΛΛΟΝ ΤΑΞΗ : Γ ΛΥΚΕΙΟΥ ΣΠΟΥΔΕΣ ΟΙΚΟΝΟΜΙΑΣ & ΠΛΗΡΟΦΟΡΙΚΗΣ

Ισοδυναμία Αιτ. Και μη Αιτ. Π.Α.

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

Άσκηση 1 (ανακοινώθηκε στις 20 Μαρτίου 2017, προθεσμία παράδοσης: 24 Απριλίου 2017, 12 τα μεσάνυχτα).

Transcript:

Οικονομικό Πανεπιστήμιο Αθηνών, Τμήμα Πληροφορικής Μάθημα: Τεχνητή Νοημοσύνη, 2015 16 Διδάσκων: Ι. Ανδρουτσόπουλος Ασκήσεις μελέτης της 11 ης διάλεξης 11.1 (α) Μετατρέψτε σε κανονική συζευκτική μορφή (CNF) τους τύπους που γράψατε για τις προτάσεις (iv) και (vi) στην άσκηση 9.2. Δείξτε αναλυτικά τα βήματα της μετατροπής. Απάντηση: Ο τύπος (iv) γίνεται: (Course(C) Passed(John, C)) Ο τύπος (vi) γίνεται σταδιακά: x ( (Student(x) y (Course(y) Passed(x, y))) Clever(x)) x ( Student(x) y (Course(y) Passed(x, y)) Clever(x)) x ( Student(x) y (Course(y) Passed(x, y)) Clever(x)) x ( Student(x) y ( Course(y) Passed(x, y)) Clever(x)) ( Student(x) Course(y) Passed(x, y) Clever(x)) (β) Σχεδιάστε δέντρο απόδειξης που να δείχνει με απαγωγή σε άτοπο χρησιμοποιώντας μόνο τον κανόνα της ανάλυσης (resolution) ότι από τις προτάσεις (i), (iv) και (vi) της άσκησης 9.2 μπορούμε να συμπεράνουμε πως ο Γιάννης είναι έξυπνος. Απάντηση: Εισάγουμε στη βάση γνώσης και την άρνηση του αποδεικτέου, δηλαδή Clever(John). Το ζητούμενο δέντρο είναι: ( Student(x) Course(y) Passed(x, y) Clever(x)) Student(John) Clever(John) Course(C) Passed(John, C) {x/john} ( Course(y) Passed(John, y) Clever(John)) ( Course(y) Passed(John, y)) {y/c} Passed(John, C) άτοπο 11.2 (α) Μετατρέψτε τους τύπους (v), (vi) και (vii) της άσκησης 9.3 σε κανονική συζευκτική μορφή (CNF). Δείξτε αναλυτικά τα βήματα της κάθε μετατροπής. Απάντηση: (v) (Dog(C 1 ) Cat(C 2 ) Bite(C 1, C 2 )) (vi) ( Cat(y) Likes(y, Suzos)) (vii) x ( (Dog(x) y (Cat(y) Bite(x, y))) z ( Cat(z) Likes(z, x))) x (( Dog(x) y (Cat(y) Bite(x, y))) z ( Cat(z) Likes(z, x))) x (( Dog(x) y (Cat(y) Bite(x, y))) z ( Cat(z) Likes(z, x))) x (( Dog(x) y ( Cat(y) Bite(x, y))) z ( Cat(z) Likes(z, x))) ( Dog(x) Cat(y) Bite(x, y) Cat(z) Likes(z, x))

(β) Χρησιμοποιώντας μόνο τον κανόνα της ανάλυσης (resolution), κατασκευάστε δέντρο απόδειξης που να αποδεικνύει με απαγωγή σε άτοπο πως από τους τύπους (i), (ii), (iii), (iv) και (vii) της άσκησης 9.3 προκύπτει ως συμπέρασμα ότι τη Ράνα τη δάγκωσε ο Σούζος. Απάντηση: Η άρνηση του αποδεικτέου είναι: Bite(Suzos, Rana). Το δέντρο απόδειξης είναι: (γ) Εξηγήστε πώς θα μπορούσαμε να κατασκευάσουμε αυτόματα το δέντρο απόδειξης με αναζήτηση σε χώρο καταστάσεων. (γ1) Τι θα παρίστανε κάθε κατάσταση; Απάντηση: Κάθε κατάσταση θα περιείχε ένα (πιθανώς ημιτελές) δέντρο απόδειξης, τους αρχικούς τύπους της ΒΓ και την άρνηση του αποδεικτέου (σε μορφή CNF, για την ακρίβεια κάθε διάζευξη τύπου CNF θα παριστανόταν ως ξεχωριστός τύπος), καθώς και τους τύπους που έχουν προκύψει ως συμπεράσματα από τις εφαρμογές του κανόνα της ανάλυσης του δέντρου. (γ2) Ποια θα ήταν η αρχική κατάσταση και ποιες θα ήταν οι τελικές καταστάσεις; Απάντηση: Η αρχική κατάσταση θα περιείχε ένα κενό δέντρο απόδειξης, τους αρχικούς τύπους της ΒΓ και την άρνηση του αποδεικτέου (σε μορφή CNF). Τελική θα ήταν μια κατάσταση της οποίας το δέντρο απόδειξης καταλήγει σε κενή διάζευξη. (γ3) Ποιοι θα ήταν οι τελεστές μετάβασης; Απάντηση: Θα υπήρχε μόνο ένας τελεστής μετάβασης, ο οποίος θα επέκτεινε το δέντρο της τρέχουσας κατάστασης εφαρμόζοντας τον κανόνα της ανάλυσης σε ένα από τα φύλλα του δέντρου και έναν από τους διαθέσιμους τύπους της κατάστασης. Ο τελεστής θα αποθήκευε επίσης το συμπέρασμα που θα προέκυπτε από την εφαρμογή του κανόνα, ως πρόσθετο τύπο της νέας κατάστασης.

(γ4) Σχεδιάστε το δέντρο αναζήτησης που θα κατασκεύαζε ο αλγόριθμος αναζήτησης πρώτα σε πλάτος (BFS) στην περίπτωση του σκέλους (γ). Αρκεί να σχεδιάσετε τη ρίζα και δύο παιδιά της. Απάντηση: 11.3. (α) Παραστήστε σε πρωτοβάθμια κατηγορηματική λογική τις σημασίες των παρακάτω ελληνικών προτάσεων. Συμβολίστε με z = x (ή z x) ότι οι μεταβλητές z και x παριστάνουν (ή όχι) την ίδια οντότητα. (i) Υπάρχει ένας σκύλος που γαβγίζει και φοβάται όλες τις γάτες: x (IsDog(x) Barks(x) y (IsCat(y) IsAfraidOf(x, y))) (ii) Ο Μίλος φοβάται τουλάχιστον μία γάτα που φοβάται τουλάχιστον ένα σκύλο: x y (IsCat(x) IsDog(y) IsAfraidOf(Milos, x) IsAfraidOf(x, y)) (iii) Κάθε σκύλος φοβάται κάθε γάτα που τον φοβάται: x y ((IsDog(x) IsCat(y) IsAfraidOf(y, x)) IsAfraidOf(x, y)) (iv) Κάθε γάτα φοβάται τουλάχιστον ένα σκύλο (πιθανώς διαφορετικό για κάθε γάτα): y (IsCat(y) x (IsDog(x) IsAfraidOf(y, x))) (v) Κάθε γάτα φοβάται τουλάχιστον ένα σκύλο (πιθανώς διαφορετικό για κάθε γάτα) που τη φοβάται: y (IsCat(y) x (IsDog(x) IsAfraidOf(y, x) IsAfraidOf(x, y))) (vi) Κάθε σκύλος φοβάται ακριβώς δύο γάτες (πιθανώς διαφορετικές για κάθε σκύλο):

x (IsDog(x) y 1 y 2 (IsCat(y 1) IsCat(y 2) y1 y2 IsAfraidOf(x, y 1) IsAfraidOf(x, y 2) z ((IsCat(z) IsAfraidOf(x, z)) (z = y 1 z = y 2)))) (β) Μετατρέψτε τις προτάσεις (iii), (iv) και την άρνηση της (v) του σκέλους (α) σε προτάσεις Horn πρωτοβάθμιας κατηγορηματικής λογικής. Μετατροπή της (iii): _ IsDog(x)_ _ IsCat(y)_ _ IsAfraidOf(y, x)_ _IsAfraidOf(x, y)_ Μετατροπή της (iv): Μετατροπή της άρνησης της (v): (δ) Σχεδιάστε δέντρο απόδειξης που να αποδεικνύει με απαγωγή σε άτοπο χρησιμοποιώντας μόνο τον κανόνα της ανάλυσης (resolution) ότι η πρόταση (v) του σκέλους (α) έπεται λογικά από τις προτάσεις (iii) και (iv). Σημείωση: Οι προτάσεις Horn είναι και προτάσεις σε μορφή CNF, οπότε μπορούμε να χρησιμοποιήσουμε απόδειξη με τον κανόνα της ανάλυσης.

11.4. Επιλέξτε τις σωστές απαντήσεις, μόνο μία σε κάθε ερώτηση. α) Η προτασιακή λογική είναι: _Χ_αποκρίσιμη ημι-αποκρίσιμη μη αποκρίσιμη. β) Η πρωτοβάθμια κατηγορηματική λογική είναι: αποκρίσιμη _Χ_ημι-αποκρίσιμη μη αποκρίσιμη. γ) Κάθε τύπος προτασιακής λογικής μπορεί να μετατραπεί σε κανονική συζευκτική μορφή: _Χ_ συμφωνώ και μάλιστα ο νέος τύπος είναι ταυτολογικά ισοδύναμος με τον αρχικό συμφωνώ, αλλά ο νέος τύπος δεν είναι σίγουρα ταυτολογικά ισοδύναμος με τον αρχικό διαφωνώ. δ) Κάθε τύπος πρωτοβάθμιας κατηγορηματικής λογικής μπορεί να μετατραπεί σε κανονική συζευκτική μορφή: συμφωνώ και μάλιστα ο νέος τύπος είναι ταυτολογικά ισοδύναμος με τον αρχικό _Χ_ συμφωνώ, αλλά ο νέος τύπος δεν είναι σίγουρα ταυτολογικά ισοδύναμος με τον αρχικό διαφωνώ.