Άρνηση στο Λ.Π.. Αρνητικά γεγονότα/γνώση δεν περιγράφονται στο πρόγραμμα. Απλώς δεν περιλαμβάνονται στο πρόγραμμα. Παράδειγμα –Γράφουμε: father (bob,

Slides:



Advertisements
Παρόμοιες παρουσιάσεις
Κατηγορηματικός Λογισμός
Advertisements

ΓΡΑΜΜΑΤΙΚΕΣ ΧΩΡΙΣ ΣΥΜΦΡΑΖΟΜΕΝΑ I
Βάσεις Δεδομένων Ευαγγελία Πιτουρά1 Σχεσιακός Λογισμός.
27 Ιουνίου 2014 ΔΙΑΦΑΝΕΙΑ 1 ΤΥΠΙΚΕΣ ΜΕΘΟΔΟΙ ΑΝΑΛΥΣΗΣ ΣΥΣΤΗΜΑΤΩΝ ΤΜ. ΠΛΗΡΟΦΟΡΙΚΗΣ Α.Π.Θ. – ΔΙΔΑΣΚΩΝ: Π. ΚΑΤΣΑΡΟΣ ΑΥΤΟΜΑΤΑ Ι Αυτόματο ελέγχου πρόσβασης με.
ΕΙΣΑΓΩΓΗ ΣΤΗ ΘΕΩΡΙΑ ΣΗΜΑΤΩΝ & ΣΥΣΤΗΜΑΤΩΝ ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΣ-Z.
Ασκήσεις Συνδυαστικής
Εργαστήριο μαθήματος «Τεχνολογία Γνώσης» Σαντιπαντάκης Γιώργος
Κεφάλαιο 7 Λογικός Προγραμματισμός: Η Γλώσσα Prolog
Prolog Tutorial Επεξεργασία και Αναπαράσταση Γνώσης Άνοιξη 2010
Διακριτά Μαθηματικά ΙI Δέντρα
Robustness in Geometric Computations Christoph M. Hoffmann.
ΕΛΕΓΧΟΣ ΑΝΑΖΗΤΗΣΗΣ. Παράδειγμα 1 member (X, [X | Y]. member (X, [Y | Z] :- member (X, Z) ? member (b, [a, b, c, b, e]) ? member (b, [b, c, b, e]) ? member.
Βάσεις Γνώσεων Λογική και Σημασιολογία Πάνος Βασιλειάδης Μάρτης 2003
ΛΕΙΤΟΥΡΓΙΚΑ ΣΥΣΤΗΜΑΤΑ Ι
2ο Λύκειο Αγίας Βαρβάρας
Δισδιάστατα Σήματα και Συστήματα #1
Λειτουργικά Συστήματα ΑΔΙΕΞΟΔΑ. 3.1 Εισαγωγή  Αδιέξοδο = ένα σύνολο από διεργασίες που δημιουργούν μια κυκλική αλυσίδα όπου κάθε process στην αλυσίδα.
Κ. Μόδη: Γεωστατιστική και Εφαρμογές της (Κεφάλαιο 5) 1 Τυχαία συνάρτηση Μία τυχαία συνάρτηση (ΤΣ) είναι ένας κανόνας με τον οποίο σε κάθε αποτέλεσμα ζ.
Βάσεις Δεδομένων Ευαγγελία Πιτουρά 1 Συναρτησιακές Εξαρτήσεις.
Δομές Δεδομένων στο Λ.Π.. Λίστες Λίστα είναι ένας όρος –Οι όροι αυτοί ορίζονται με τη βοήθεια μιας συνάρτησης: [ ] σταθερά για κενή λίστα – nil [t1| l]
Η. Τζιαβός - Γ. Βέργος Σήματα και φασματικές μέθοδοι στη γεωπληροφορική 2013/2014ΑΠΘ/ΤΑΤΜ Τομέας Γεωδαισίας και Τοπογραφίας 3 ο Εξάμηνο Σήματα και Φασματικές.
Βάσεις Δεδομένων II Ενότητα 3: Σχεσιακός λογισμός I Γεωργία Γκαράνη Επίκουρος Καθηγήτρια Τμήμα Μηχανικών Πληροφορικής Τ.Ε. T.E.I. Θεσσαλίας.
31 Μαρτίου 2015 ΔΙΑΦΑΝΕΙΑ 1 ΤΥΠΙΚΕΣ ΜΕΘΟΔΟΙ ΑΝΑΛΥΣΗΣ ΣΥΣΤΗΜΑΤΩΝ ΤΜ. ΠΛΗΡΟΦΟΡΙΚΗΣ Α.Π.Θ. – ΔΙΔΑΣΚΩΝ: Π. ΚΑΤΣΑΡΟΣ ΚΑΤΗΓΟΡΗΜΑΤΙΚΟΣ ΛΟΓΙΣΜΟΣ Ι Για τον προτασιακό.
ΝΤΕΝΤΕΡΜΙΝΙΣΤΙΚΑ ΠΕΠΕΡΑΣΜΕΝΑ ΑΥΤΟΜΑΤΑ Ι
Ταυτοποίηση (Unification). Πίνακας Ταυτοποίησης Όρος 1 Όρος 2 C1 X1 F (τ 1,…,τ ν ) C2 Επιτυχές αν C1 == C2 Επιτυχές {Χ1 = C2} Αποτυγχάνει Χ2 Επιτυχές.
ΑΝΑΠΤΥΞΗ ΕΦΑΡΜΟΓΩΝ ΣΕ ΠΡΟΓΡΑΜΜΑΤΙΣΤΙΚΟ ΠΕΡΙΒΑΛΛΟΝ Συγγραφείς Α.Βακάλη Η. Γιαννόπουλος Ν. Ιωαννίδης Χ.Κοίλιας Κ. Μάλαμας Ι. Μανωλόπουλος Π. Πολίτης Γ΄ τάξη.
Βάσεις Δεδομένων Ευαγγελία Πιτουρά1 Σχεσιακός Λογισμός.
Εθνικό και Καποδιστριακό Πανεπιστήμιο Αθηνών – Τμήμα Πληροφορικής και Τηλεπικοινωνιών 1 Κεφάλαιο 3 Η Σημασιολογία των Γλωσσών Προγραμματισμού Προπτυχιακό.
Το Συντακτικό της PROLOG
ΣΥΝΟΛΑ.
ΥΛΗ ΚΑΙ ΚΙΝΗΣΗ Η κίνηση είναι χαρακτηριστική ιδιότητα της ύλης. Κίνηση παρατηρούμε από τους μακρινούς γαλαξίες έως μέχρι το εσωτερικό των ατόμων. Η.
Θεωρία Υπολογισμού Αντιαιτιοκρατικά Πεπερασμένα Αυτόματα.
Βάσεις Δεδομένων Ευαγγελία Πιτουρά 1 Εισαγωγή στην Επεξεργασία Ερωτήσεων.
ΑΝΑΠΑΡΑΣΤΑΣΕΙΣ ΤΗΣ ΚΙΝΗΣΗΣ ΚΑΤ’ ΟΙΚΟΝ ΕΡΓΑΣΙΑ. Σταθερή μηδενική ταχύτητα Περιγραφή της κίνησης: Το σώμα είναι ακίνητο, μπορεί να έχει οποιαδήποτε θέση.
Βάσεις Δεδομένων Ευαγγελία Πιτουρά1 Συναρτησιακές Εξαρτήσεις.
Βάσεις Δεδομένων Ευαγγελία Πιτουρά 1 Συναρτησιακές Εξαρτήσεις.
Βάσεις Δεδομένων Ευαγγελία Πιτουρά 1 Σχεσιακός Λογισμός.
Βάσεις Δεδομένων Ευαγγελία Πιτουρά 1 Συναρτησιακές Εξαρτήσεις.
Βάσεις Δεδομένων Ευαγγελία Πιτουρά1 Σχεσιακός Λογισμός.
Βάσεις Γνώσεων Άρνηση στην Datalog: Datalog  Πάνος Βασιλειάδης Μάιος 2003
Η ευκλειδeια και οι μη ευκλειδειεσ γεωμετριεσ
Βάσεις Δεδομένων Ευαγγελία Πιτουρά1 Σχεσιακός Λογισμός.
ΤΕΙ ΙΟΝΙΩΝ ΝΗΣΩΝ ΤΜΗΜΑ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΠΑΡΆΡΤΗΜΑ ΛΕΥΚΑΔΑΣ ΥΠΕΥΘΥΝΗ ΚΑΘΗΓΉΤΡΙΑ Δρ. ΤΣΙΝΤΖΑ ΠΑΝΑΓΙΩΤΑ Οι παρουσιάσεις του μαθήματος βασίζονται στο.
 Ο Νόμος των Μεγάλων Αριθμών είναι το θεώρημα που περιγράφει τον τρόπο με τον οποίο συμπεριφέρεται ένα συγκεκριμένο πείραμα, όταν ο αριθμός των επαναλήψεων.
 Στο προηγούμενο μάθημα έγινε μια εισαγωγή στην γενική μορφή ενός προγράμματος  Αυτή η μορφή ακολουθεί την λογική της απόδειξης θεωρημάτων μέσω προτάσεων.
ΕΛΕΓΧΟΙ ΣΤΑΤΙΣΤΙΚΩΝ ΥΠΟΘΕΣΕΩΝ Η πιο συνηθισμένη στατιστική υπόθεση είναι η λεγόμενη Υπόθεση Μηδέν H 0. –Υποθέτουμε ότι η εμφανιζόμενη διαφορά μεταξύ μιας.
Έλεγχος Υποθέσεων Ο έλεγχος υποθέσεων αναφέρεται στη διαδικασία αποδοχής ή απόρριψης μιας στατιστικής υπόθεσης, Κατά την εκτέλεση ενός στατιστικού ελέγχου,
ΣΥΣΤΗΜΑΤΑ ΑΥΤΟΜΑΤΟΥ ΕΛΕΓΧΟΥ Ι 7 η Διάλεξη Η ΜΕΘΟΔΟΣ ΤΟΥ ΓΕΩΜΕΤΡΙΚΟΥ ΤΟΠΟΥ ΡΙΖΩΝ  Ορισμός του γεωμετρικού τόπου ριζών Αποτελεί μια συγκεκριμένη καμπύλη,
ΣΗΜΑΤΑ ΚΑΙ ΣΥΣΤΗΜΑΤΑ II Καθ. Πέτρος Π. Γρουμπός Διάλεξη 3η Μετασχηματισμός Fourier.
Prolog Επεξεργασία και Αναπαράσταση Γνώσης ΤΕΙ Ιονίων Νήσων Τμήμα Τεχνολογίας Πληροφορικής και Τηλεπικοινωνιών Εργαστήριο: Τεχνητή Νοημοσύνη.
Σήματα και Συστήματα 11 10η διάλεξη. Σήματα και Συστήματα 12 Εισαγωγικά (1) Έστω γραμμικό σύστημα που περιγράφεται από τη σχέση: Αν η είσοδος είναι γραμμικός.
ΣΗΜΑΤΑ ΚΑΙ ΣΥΣΤΗΜΑΤΑ II Καθ. Πέτρος Π. Γρουμπός Διάλεξη 8η Στοχαστικά Σήματα - 1.
ΣΗΜΑΤΑ ΚΑΙ ΣΥΣΤΗΜΑΤΑ II Καθ. Πέτρος Π. Γρουμπός Διάλεξη 4η Δειγματοληψία.
Μικροοικονομία Διάλεξη 2.
Προβλήματα Ικανοποίησης Περιορισμών
Prolog Επεξεργασία και Αναπαράσταση Γνώσης
ΣΗΜΑΤΑ ΚΑΙ ΣΥΣΤΗΜΑΤΑ II
Συστήματα CAD Πανεπιστήμιο Θεσσαλίας Σχολή Θετικών Επιστημών
Λήμμα άντλησης Πως αποφασίζουμε αποδεικνύουμε ότι μία γλώσσα δεν είναι κανονική; Δυσκολότερο από την απόδειξη ότι μια γλώσσα είναι κανονική. Γενικότερο.
Η Έννοια της τυχαίας Διαδικασίας
ΣΗΜΑΤΑ ΚΑΙ ΣΥΣΤΗΜΑΤΑ II
Οι διάφορες εκδοχές της
ΕΝΝΟΙΕΣ ΚΑΙ ΕΦΑΡΜΟΓΕΣ, διαλ. 7
Μέγιστη ροή Κατευθυνόμενο γράφημα 12 Συνάρτηση χωρητικότητας
Συναρτησιακές Εξαρτήσεις
Σχεσιακός Λογισμός Βάσεις Δεδομένων Ευαγγελία Πιτουρά.
Δισδιάστατα Σήματα και Συστήματα #1
Ανάπτυξη Εφαρμογών σε Προγραμματιστικό Περιβάλλον ΑΕΠΠ
ΙΝΣΤΙΤΟΥΤΟ ΕΛΛΗΝΙΚΟΥ ΓΑΛΑΚΤΟΣ
Σχεσιακός Λογισμός Βάσεις Δεδομένων Ευαγγελία Πιτουρά.
Μεταγράφημα παρουσίασης:

Άρνηση στο Λ.Π.

Αρνητικά γεγονότα/γνώση δεν περιγράφονται στο πρόγραμμα. Απλώς δεν περιλαμβάνονται στο πρόγραμμα. Παράδειγμα –Γράφουμε: father (bob, john) μόνο χωρίς: ┐ father (tom, john) ┐ father (nick, john) ┐ father (ann, john) ┐ father (logic, john). –Γράφουμε: daughter (X, Y) :- parent (Y, X), female (X) χωρίς να ορίζουμε την «┐daughter (X, Y)» π.χ. ┐daughter (X, Y) :- male (X).

Χρήση της Άρνησης batchelor (X) :- male (X), ┐married (X). transform(…..) :- …, ┐member (S, Acc), … atomic (X) :- ┐composite (X). Άρνηση σαν Αποτυχία (ΑΣΑ) (Negation as Failure) (NAF) Διαφορετική από κλασσική άρνηση (┐) – not Βασίζεται στην υπόθεση του “κλασσικού κόσμου” (Closed World Assumption) ΑΣΑ: «not G ισχύει τ.μ.τ. δεν ισχύει» CWA: Τα κατηγορήματα είναι πλήρως ορισμένα στο πρόγραμμα.

Παράδειγμα (Διαδικασιακή ερμηνεία ΑΣΑ) bachelor (X) :- male (X), not married (X) ?bachelor (tom) | ?male (tom), not married (tom) Μπορούμε να αποδείξουμε male(tom)? Αν Nαι, τότε συνεχίζουμε Αν Όχι τότε αποτυχία Μπορούμε να αποδείξουμε married (tom)? Αν ΝΑΙ τότε αποτυχία (not married (tom) δεν ισχύει). Αν ΟΧΙ τότε συνεχίζουμε (not married (tom) έχει πετύχει-ισχύει).

Θεωρία της ΑΣΑ Ορισμός: Ένα δέντρο αναζήτησης κάποιου στόχου (ερώτησης) G είναι πεπερασμένης αποτυχίας αν δεν έχει κόμβους επιτυχίας ή άπειρα κλαδιά. Ορισμός: Το σύνολο πεπερασμένης αποτυχίας ενός προγράμματος P είναι το σύνολο των ατομικών στόχων G τ.ω. G έχει δέντρο πεπερασμένης αποτυχίας – FF (P) Ορισμός: Μια ερώτηση not G είναι συμπέρασμα του προγράμματος P ανν G Є FF (P).

Παράδειγμα p :- not q q :- not rr :- s ?pr :- t |t ?notqr :- k | ?q | ?not r | ?r | ?r | ?s ?t ?k | | |

Σχόλια Προσοχή στη χρήση της ΑΣΑ not p – Αυτό δεν σημαίνει ότι το “p” είναι «ψευδές» αλλά ότι το πρόγραμμα δεν μπορεί να αποδείξει το p. ?not male (john) | αν το πρόγραμμα δεν μπορεί να αποδείξει male (john)!!

Προσοχή στη χρήση της ΑΣΑ female (X) :- not male (X). male(nick). progr(mary). ? progr(X), female (X)?female (X), progr(X)| ? not male (mary) ? not male (X),progr(X) | X = mary Όμως οι δύο ερωτήσεις είναι λογικά ισοδύναμες!

Προσοχή στη χρήση της ΑΣΑ ΑΣΑ μόνο όταν ο αρνητικός στόχος είναι κλειστός (όταν έρθει η σειρά του να ικανοποιηθεί). Κανόνας επιλογής ατομικού στόχου είναι ασφαλής ανν επιλέγει μόνο κλειστούς αρνητικούς στόχους. Αν μια ερώτηση περιέχει μόνο μη κλειστούς αρνητικούς στόχους τότε ένας ασφαλής κανόνας επιλογής δεν μπορεί να επιλέξει στόχο. Η ερώτηση παραπαίει (flounders) π.χ. ? not p (X), not q (X, Y) Ορισμός (range – restricted) –Μια ερώτηση είναι περιορισμένης εμβέλειας αν κάθε μεταβλητή της εμφανίζεται σε τουλάχιστον ένα ατομικό στόχο της. –Ένας κανόνας είναι περιορισμένης εμβέλειας αν κάθε μεταβλητή της εμφανίζεται σε τουλάχιστον ένα θετικό ατομικό στόχο του σώματός του.

Διαδικαστική Ερμηνεία της ΑΣΑ Επέκταση της SLD  SLDNF Qi ≡ ?Li, …, Lk, …, Ln I.Αν Lk θετικός τότε... (όπως SLD) II.Αν Lk αρνητικός, not A, όπου Α κλειστός τότε: Ανοίγουμε υποβοηθητικό υπολογισμό για ?Α Αν ?Α αποτύχει πεπερασμένα τότε Qi+1 ≡ ?L1,…, Lk-1, Lk+1, …, Ln και θi+1 = {} Αν ?Α επιτύχει τότε Qi+1 ≡ ■ Αποτυχία! Προγράμματα με ΑΣΑ στο σώμα του κανόνα ή ερωτήσεων ονομάζονται γενικά.

Συμπλήρωση Λογικού Προγράμματος Έστω C: q (t1, …, tn) :- A1, …, Am κανόνας του προγράμματος μας P. 1.Γράφουμε τον C σαν: C΄: q (X1, …, Xn)  X1 = t1 /\ … /\ Xn=tn /\ A1 /\ … /\ Am όπου Χ1,..., Χn νέες μεταβλητές. 2. Αν Υ1,..., Υj είναι οι μεταβλητές στο C μετατρέπουμε τον C΄: C”: q (X1, …, Xn)  ЭY1, …,Yj (Xi=t1/\ … /\ Xn=tn /\ A1/\ … /\ Am)

Συμπλήρωση Λογικού Προγράμματος 3. Κάνε το (1) και (2) για κάθε κανόνα της σχέσης q στο πρόγραμμα, P. Τότε θα πάρουμε: q (X1, …, Xn)  E1. q (X1, …, Xn)  Ek όπου κάθε Ei είναι της μορφής: ЭΥ1,..., Υj (X1=t1 /\ … /\ Xn=t /\ A1 /\ … /\ Am) 4. Η ΣΥΜΠΛΗΡΩΣΗ της σχέσης q είναι X1, …, Xn (q (X1, X2, …, Xn) ↔ E1ν... νΕκ) 5. Αν μια σχέση q δεν έχει κανόνες στο P τότε X1, …, Xn (┐ q (X1, X2, …, Xn) ).

Παράδειγμα P: p (Y) :- q (Y), r (a, Y). p (f(Ζ)) :- p (Ζ), not s (Ζ). p (b). Comp (P): \/X (p (X) ↔ (ЭY (X=Y /\ q (Y) /\ r (a, Y)) \/ Э Ζ (X = f (Ζ) /\ p (Ζ) /\ ┐s (Ζ)) \/ X=b)) \/X \/ Y ┐r (X, Y) \/X ┐q (X) \/X ┐s (X) + θεωρία ισότητας

Θεώρημα Έστω P ένα γενικό λογικό και Α ένας θετικός στόχος που αποτυγχάνει πεπερασμένα κάτω από την SLDNF (δηλ. not Α επιτυγχάνει). Τότε comp (P) ┐A Πιο γενικά αν μια ερώτηση G αποτυγχάνει κάτω από την SLDNF (και έτσι not G επιτυγχάνει) τότε comp (P) ┐Э (G) –Ορθότητα της «άρνησης ως αποτυχία» κάτω από υπολογισμούς της SLDNF