Intelligenza Artificiale. Logiche Descrittive. Intelligenza Artificiale Daniele Nardi, 2003 Logiche Descrittive 0
|
|
- Irene Palmisano
- 7 anni fa
- Visualizzazioni
Transcript
1 Intelligenza Artificiale Logiche Descrittive Intelligenza Artificiale Daniele Nardi, 2003 Logiche Descrittive 0
2 Sommario 1. Motivazioni 2. Logiche Descrittive: Linguaggi per la descrizione di concetti 3. Sistemi basati sulla conoscenza Intelligenza Artificiale Daniele Nardi, 2003 Logiche Descrittive 1
3 Motivazioni Semantic Networks e Frames offrono strutture (gerarchiche) per rappresentare la conoscenza. epistemological adequacy computational adequacy Idea: le rappresentazioni della conoscenza strutturate sono efficienti sia epistemologicamente che computazionalmente Intelligenza Artificiale Daniele Nardi, 2003 Logiche Descrittive 2
4 Un esempio di rete Female Mother Person 6 Woman v/r Parent has-child (1,nil) Intelligenza Artificiale Daniele Nardi, 2003 Logiche Descrittive 3
5 Relazioni in una rete ISA: Madre ISA Femmina(ereditarietà) Restrizioni di ruolo: Genitore Un genitore è una persona che ha almeno un figlio, che è una persona e tutti i suoi figli sono persone Deduzione: scoperta di relazioni implicite Se definiamo Donna come le persone di sesso femminile abbiamo che Madre ISA Donna Le inferenze semplici sono facili da vedere nella rete ma in generale occorre definire con precisione le relazioni che possono essere calcolate. Intelligenza Artificiale Daniele Nardi, 2003 Logiche Descrittive 4
6 Inizio Brachmann e Levesque [AAAI-84] Metodologia Dare una caratterizzazione formale dei processi deduttivi e studiarne la complessità computazionale. La semantica in logica di reti semantiche e frames è relativamente semplice: le classi o concetti corrispondono a predidati unari le relazioni tra classi o ruoli sono predicati binari ma come caratterizzare la complessità della deduzione? Intelligenza Artificiale Daniele Nardi, 2003 Logiche Descrittive 5
7 Un sottoinsieme della logica dei predicati Description Logics (Terminological/Taxonomic/Concept) Tesi There exists a fundamental tradeoff between the expressive power of a knowledge representation language and the complexity of reasoning in that language Intelligenza Artificiale Daniele Nardi, 2003 Logiche Descrittive 6
8 Ricostruzione logica delle reti Definizione di un linguaggio per denotare gli elementi della rete (sintassi astratta, sintassi LISP-like, sintassi tipo linguaggio naturale, sintassi grafica) Caratterizzazione del significato delle espressioni del linguaggio (classiche strutture di interpretazione) Caratterizzazione semantica della deduzione (conseguenza logica) Definizione dei metodi di deduzione Intelligenza Artificiale Daniele Nardi, 2003 Logiche Descrittive 7
9 Sintassi Il passo base della costruzione è costituito da due insiemi disgiunti di simboli (alfabeti) per primitive (atomic) concepts, e primitive (atomic) roles. I termini si costruiscono a partire dall alfabeto attraverso dei costruttori. Es. l operatore congiunzione, C D, serve per restringere gli individui a coloro che appartengono sia a C che a D. Nota: nella sintassi non compaiono variabili, ma le espressioni caratterizzano implicitamente un insieme di individui (in questo caso l intersezione di due insiemi) Notazione LISP-like (Classic) (AND Persona Femmina) Intelligenza Artificiale Daniele Nardi, 2003 Logiche Descrittive 8
10 Costruttori insiemistici intersection C D union C D complement C Le persone che non sono di sesso femminile e gli individui che sono maschi o femmine Persona Femmina and Femmina Maschio. Femmina, Persona, sono atomic concepts. Intelligenza Artificiale Daniele Nardi, 2003 Logiche Descrittive 9
11 Costruttori che usano i ruoli universal role restriction, R.C, comporta che tutti gli individui che sono nella relazione R appartengono a C. individui che hanno tutte figlie femmine : hafiglio.femmina existential role restriction, R.C, che impone l esistenza di un individuo nella relazione R che appartiene a C. individui che hanno una figlia femmina : hafiglio.femmina. hafiglio è un atomic role. L individuo che corrisponde al secondo argomento di un ruolo viene detto role filler. Negli esempi precedenti le figlie femmine sono role fillers. hafiglio.persona hafiglio.persona. nelle role restriction c è un altra variabile quantificata implicitamente: y.r(x, y) C(y) Intelligenza Artificiale Daniele Nardi, 2003 Logiche Descrittive 10
12 Restrizioni numeriche number restrictions: denotano insiemi di individui che hanno almeno o al più un certo numero di role fillers. ( 3 hafiglio) ( 2 haparentif) gli individui che hanno al più tre figli e almeno due familiari di sesso femminile. Intelligenza Artificiale Daniele Nardi, 2003 Logiche Descrittive 11
13 Costruttori per le espressioni di ruoli Role intersection: esprime l intersezione di ruoli. ha-figlia : hafiglio haparentif Donna ( 2 (hafiglio haparentif)) donne con al più 2 figlie. I costruttori delle espressioni di ruolo sono meno usati anche se può essere utile definire delle gerarchie di ruoli. Intelligenza Artificiale Daniele Nardi, 2003 Logiche Descrittive 12
14 Sintassi delle espressioni di concetti C, D A (primitive concept) (top) (bottom) C D (intersection) C D (union) C (complement) R.C (universal quantif.) R.C (existential quantif.) ( n R) (atleast num. restriction) ( n R) (atmost num. restriction) Intelligenza Artificiale Daniele Nardi, 2003 Logiche Descrittive 13
15 Sintassi delle espressioni di ruoli R P (primitive role) Q R (role conjunction) Intelligenza Artificiale Daniele Nardi, 2003 Logiche Descrittive 14
16 Semantica Una interpretazione I = ( I, I) è definita da: un insieme I (il dominiodi I) una funzione I (la funzione di interpretazione di I) che mappa ogni concetto in un sottoinsieme di I ed ogni ruolo in un sottoinsieme di I I. Il dominio può essere infinito e la open world assumption differenzia le logiche descrittive dalle Basi di Dati. Intelligenza Artificiale Daniele Nardi, 2003 Logiche Descrittive 15
17 Semantica delle espressioni di concetti I primitive concepts sono sottoinsiemi del dominio di interpretazione: A I I = I = I ( C) I = I \ C I (C D) I = C I D I (C D) I = C I D I ( R.C) I = {a I b. (a, b) R I b C I } ( R.C) I = {a I (a, b) R I. b C I } ( n R) I = {a I {b I (a, b) R I } n} ( n R) I = {a I {b I (a, b) R I } n}. Intelligenza Artificiale Daniele Nardi, 2003 Logiche Descrittive 16
18 Semantica delle espressioni di ruoli I primitive roles sono coppie di elementi del dominio di interpretazione R I I (Q R) I = Q I R I Intelligenza Artificiale Daniele Nardi, 2003 Logiche Descrittive 17
19 Esempi di espressioni di concetti 1. Stud Studliv2 2. Studliv2 Prof 3. Corso iscritto.studliv2 ( 2 iscritto) ( 20 iscritto) 4. Corso iscritto.studliv2 iscritto.studliv1 5. PowerPlant ( 1 LOC) ( 1 LOC) LOC.NewYork FAIL.Mechanical Intelligenza Artificiale Daniele Nardi, 2003 Logiche Descrittive 18
20 Semantica dei concetti Una interpretazione I è un modello di un concetto C se C I non è vuota. Un concetto è soddisfacibile se ha un modello ed insoddisfacibile altrimenti. Intelligenza Artificiale Daniele Nardi, 2003 Logiche Descrittive 19
21 Nomenclatura FL (Frame Language) include: concept conjunction universal quantification unqualified existential quantification R AL (Attributive Language) = FL + negation on primitive concepts Intelligenza Artificiale Daniele Nardi, 2003 Logiche Descrittive 20
22 La famiglia dei linguaggi AL C negation U disjunction E existential quantification N numerical restriction I inverse role R role conjunction I nomi dei linguaggi sono definiti usando combinazioni delle lettere che indicano quali costrutti sono ammessi nel linguaggio. ALC = AL + negation Intelligenza Artificiale Daniele Nardi, 2003 Logiche Descrittive 21
23 Sussunzione La forma principale di ragionamento è la subsumption (sussunzione): C D cioè la verifica D (the subsumer) è più generale di C (the subsumee). C è subsumed (sussunto) da D se C I D I per ogni interpretazione I La sussunzione verifica se il primo dei due concetti è un sopra insieme del secondo. Donna hafiglio.femmina Genitore Intelligenza Artificiale Daniele Nardi, 2003 Logiche Descrittive 22
24 Altre forme di ragionamento La soddisfacibilità di concetti, è il problema di verificare se un concetto ammette almeno un individuo; si riconduce alla non-subsumption (in cui il subsumer è il concetto vuoto). Le deduzioni diventano più interessante quando tengono conto delle conoscenze espresse in una terminologia. Intelligenza Artificiale Daniele Nardi, 2003 Logiche Descrittive 23
25 Tecniche di ragionamento Le tecniche di ragionamento su reti semantiche e frame si basano sulla costruzione di grafi che corrispondono ai concetti ed alla verifica di alcune proprietà dei grafi. Sussunzione strutturale: verifica tramite Confronto strutturale che un grafo (il subsumee) si può mappare sull altro (il subsumer). L analisi della sussunzione strutturale ha mostrato che è (in genere) corretta ma non sempre completa: La risposta yes è corretta, ma la risposta no talvolta non lo è. Intelligenza Artificiale Daniele Nardi, 2003 Logiche Descrittive 24
26 Analisi di complessità Brachman e Levesque mostrano che esiste una stretta correlazione tra l espressività del linguaggio e la complessità computazionale del ragionamento La sussunzione in FL è polinomiale, ma l aggiunta al linguaggio di un costrutto sui ruoli (chiamato role restriction) fa diventare la sussunzione conp-hard. 1. l efficienza del ragionamento può essere confrontata usando l analisi di complessità; 2. l insieme di costrutti ammessi nel linguaggio determina le proprietà computazionali del ragionamento. Intelligenza Artificiale Daniele Nardi, 2003 Logiche Descrittive 25
27 Proprietà computazionali del ragionamento 1. FL è intrattabile 2. ALC is PSPACE-completo 3. R.C è una sorgente di complessità 4. linguaggi massimamente polinomiali Intelligenza Artificiale Daniele Nardi, 2003 Logiche Descrittive 26
28 AL NPcomp comp Co-NP P + PSPACE-complete C D R.C ( n R) ( n R) R R Intelligenza Artificiale Daniele Nardi, 2003 Logiche Descrittive 27
29 Risultati dell analisi di complessità algoritmi/tecniche di ragionamento corretti e completi individuazione dei casi critici /interazione dei costrutti corrispondenze con altri formalismi Ma quali sono le implicazioni dei risultati di intrattabilità? In pratica il caso peggiore non capita nelle basi di conoscenza realizzate e questo consente l uso di linguaggi più espressivi. Intelligenza Artificiale Daniele Nardi, 2003 Logiche Descrittive 28
30 Dalla trattabilità alla decidibilità trade-off expressivity/tractability trade-off expressivity/decidability very expressive Description Logics: ammettono un insieme di costrutti sui concetti e sui ruoli più ricco ed il ragionamento (corretto e completo) più difficile. Intelligenza Artificiale Daniele Nardi, 2003 Logiche Descrittive 29
31 Basi di conoscenza Due componenti: intensionale (TBOX) estensionale (ABOX) Σ = T, A T è un insieme di definizioni: C D A è un insieme di asserzioni: C(a) P (a, b) Intelligenza Artificiale Daniele Nardi, 2003 Logiche Descrittive 30
32 La Terminologia La TBOX viene anche detta terminologia ed è costrituita da definizioni di concetti. Donna Persona Femmina Le definizioni sono interpretate come equivalenze logiche e quindi rappresentano condizioni necessarie e sufficienti per classificare una donna. Intelligenza Artificiale Daniele Nardi, 2003 Logiche Descrittive 31
33 La TBOX Inclusioni D C Definizioni A. = C si possono riscrivere A C e C A Semantica dei cicli minimo punto fisso (least fix-point) massimo punto fisso (greatest fix-point) descrittiva (descriptive) Intelligenza Artificiale Daniele Nardi, 2003 Logiche Descrittive 32
34 Definizioni in pratica una sola definizione per ogni nome di concetto definizioni acicliche In questo modo si possono espandere le definizioni ed ottenere un espressione costituita da concetti primitivi (nel caso peggiore di dimensioini esponenziali). In questa ipotesi la deduzione si riconduce alla sussunzione tra concetti; se la TBOX non si può espandere la deduzione si complica. Intelligenza Artificiale Daniele Nardi, 2003 Logiche Descrittive 33
35 Ragionamento sulla TBOX La forma di ragionamento principale sulla TBOX è la: classificazione, che comporta il posizionamento di una nuova definizione nella tassonomia. La definizione di C lo classifica tra: i concetti più specifici sussumono C i concetti più generali che C sussume Intelligenza Artificiale Daniele Nardi, 2003 Logiche Descrittive 34
36 La ABOX La ABox contiene la conoscenza estensionale: Femmina Persona(ANNA) hafiglio(anna, JACOPO) Una asserzione C(a) ABOX A è soddisfacibile se a I C I Una interpretazione I soddisfa una ABOX se soddisfa tutte le asserzioni della ABOX e si dice modello della ABOX. Intelligenza Artificiale Daniele Nardi, 2003 Logiche Descrittive 35
37 Ragionamento nella ABOX instance checking, verifica che un individuo sia istanza del concetto (fondamentale) A = C(a) se ogni modello di A è anche un modello di C(a) knowledge base consistency, verifica che ogni concetto nella KB sia consistente realization, determina il concetto più specifico di cui un dato individuo è istanza retrieval, trova tutti gli individui che sono istanza di un dato concetto La deduzione con la ABOX richiede di estendere i metodi di ragionamento sulle espressioni di concetti. Intelligenza Artificiale Daniele Nardi, 2003 Logiche Descrittive 36
38 Un esempio di base di conoscenza (Σ 1 ) TBOX AdvC Corso iscritto.studliv2, ( 2 iscritto) ( 20 iscritto) BasC Corso iscritto.studliv1, IntC Corso iscritto.studliv2 iscritto.studliv1, insegna.corso Studliv2 Prof, Studliv2 Stud titstu.laurea, Studliv1 Stud Studliv2 Intelligenza Artificiale Daniele Nardi, 2003 Logiche Descrittive 37
39 Un esempio di base di conoscenza (Σ 1 ) ABOX Prof(bob), Studliv1(peter), Stud(susy), Stud(mary), Laurea(bs), Corso(cs1), Corso(cs2), IntC(ee1), insegna(bob, ee1), insegna(john, cs2), insegna(john, cs1), titstu(mary, bs), iscritto(cs1, susy), iscritto(cs1, mary), iscritto(cs2, susy), iscritto(cs2, peter), iscritto(ee1, peter) Intelligenza Artificiale Daniele Nardi, 2003 Logiche Descrittive 38
40 Corrispondenza con i sistemi a frame Frame: AdvC in KB Univ Superclasses: Corso Memberslot: registra ValueClass: Studliv2 Cardinality.Min: 2 Cardinality.Max: 20 Frame: Studliv2 in KB Univ Superclasses: Stud Memberslot: titstu ValueClass: Laurea Cardinality.Min: 1 Intelligenza Artificiale Daniele Nardi, 2003 Logiche Descrittive 39
41 Interrogazione della base di conoscenza Le interrogazioni ad una base di conoscenza Σ hanno la forma: C(a) YES l interrogazione è vera in ogni modello di Σ NO l interrogazione è falsa in ogni modello di Σ UNKNOWN altrimenti. Esempio 1 Σ 1 = iscritto.studliv2(ee1)? Answer: YES. Intelligenza Artificiale Daniele Nardi, 2003 Logiche Descrittive 40
42 Procedural rules Procedural rules tipiche di molti sistemi (CLASSIC) che nella KB ammettono un insieme di regole del tipo: C D Il significato intuitivo delle regole è: Se un individuo è istanza di un oggetto C, allora è istanza anche di D. Si tratta di una forma di implicazione debole che caratterizza il ragionamento in avanti Non è possibile dare una semantica classica, ma si può dare con un operatore epistemico: KC D Intelligenza Artificiale Daniele Nardi, 2003 Logiche Descrittive 41
Logiche descrittive Le logiche descrittive sono una famiglia di formalismi per la rappresentazione della conoscenza (KR) che descrivono ciò che è
Logiche descrittive Le logiche descrittive sono una famiglia di formalismi per la rappresentazione della conoscenza (KR) che descrivono ciò che è noto in un dominio di applicazione definendo i concetti
DettagliWeb semantico e logiche descrittive
Web semantico e logiche descrittive M. Simi, 2015-2016 Cap 2 del "Description Logic Handbook Documenti del W3C Lezioni di U.Straccia Categorie e oggetti Molti dei ragionamenti che si fanno sono sulle categorie
DettagliLA KB delle logiche descrittive. Che tipo di ragionamenti? Problemi decisionali per DL. Sussunzione. Soddisfacilità di concetti (CS)
Ragionamento nelle logiche descrittive M. Simi, 2014-2015 LA KB delle logiche descrittive K = (T, A) T (T-BOX), componente terminologica A (A-BOX), componente asserzionale Una interpretazione I soddisfa
DettagliCategorie e oggetti. Il Web semantico. Ontologie di dominio. Le motivazioni del web semantico. Web semantico e logiche descrittive
Categorie e oggetti Web semantico e logiche descrittive M. Simi, 2014-2015 Cap 2 del "Description Logic Handbook" Lezioni di U.Straccia Molti dei ragionamenti che si fanno sono sulle categorie piuttosto
DettagliIntelligenza Artificiale. Lezione 11. Intelligenza Artificiale Daniele Nardi, 2003 Lezione 11 0
Intelligenza Artificiale Lezione 11 Intelligenza Artificiale Daniele Nardi, 2003 Lezione 11 0 Sommario La rappresentazione della conoscenza Proprietà di una buona rappresentazione Logica come formalismo
DettagliIntelligenza Artificiale. Description Logics
Intelligenza Artificiale Description Logics Marco Piastra Description Logics - 1 1 Semantic Web e Ontologie Description Logics - 2 Origini del Semantic Web Il Web è stato inventato da Tim Berners-Lee (et
DettagliLogica proposizionale
Fondamenti di Informatica per la Sicurezza a.a. 2008/09 Logica proposizionale Stefano Ferrari UNIVERSITÀ DEGLI STUDI DI MILANO DIPARTIMENTO DI TECNOLOGIE DELL INFORMAZIONE Stefano Ferrari Università degli
DettagliLogica: materiale didattico
Logica: materiale didattico M. Cialdea Mayer. Logica (dispense): http://cialdea.dia.uniroma3.it/teaching/logica/materiale/dispense-logica.pdf Logica dei Predicati (Logica per l Informatica) 01: Logica
DettagliRappresentazione della Conoscenza. Lezione 1. Rappresentazione della Conoscenza Daniele Nardi, 2008Lezione 1 0
Rappresentazione della Conoscenza Lezione 1 Rappresentazione della Conoscenza Daniele Nardi, 2008Lezione 1 0 Sommario La rappresentazione della conoscenza (BL 1) Sistemi basati sulla conoscenza (BL 1)
DettagliRappresentazione della conoscenza e ragionamento. I sistemi di rappresentazione della conoscenza
Rappresentazione della conoscenza e ragionamento I sistemi di rappresentazione della conoscenza Formalizzazione della conoscenza Le prime discussioni all interno di IA tendevano a focalizzarsi sulla rappresentazione
DettagliGestione della Conoscenza
Gestione della Conoscenza Corso di Laurea Specialistica in Informatica Massimo Ruffolo E-mail: ruffolo@icar.cnr.it Web: http://www.icar.cnr.it/ruffolo Istituto di CAlcolo e Reti ad alte prestazioni del
DettagliBasi di Dati e Sistemi Informativi su Web
Basi di Dati e Sistemi Informativi su Web Corso di Laurea Specialistica in Ingegneria Informatica Massimo Ruffolo E-mail: ruffolo@icar.cnr.it Web: http://www.icar.cnr.it/ruffolo Istituto di CAlcolo e Reti
DettagliLogica proposizionale
Logica proposizionale Proposizione: frase compiuta che è sempre o vera o falsa. Connettivi Posti in ordine di precedenza: not, and, or, implica, doppia implicazione Sintassi Le proposizioni sono costituite
DettagliUnità A2. Progettazione concettuale. Obiettivi. Astrazione. Astrazione per aggregazione
Obiettivi Unità A2 Progettazione concettuale Imparare ad astrarre i dati per definire entità. Saper distinguere tra astrazione per classificazione, per aggregazione e per generalizzazione. Saper distinguere
DettagliMatematica. Corso integrato di. per le scienze naturali ed applicate. Materiale integrativo. Paolo Baiti 1 Lorenzo Freddi 1
Corso integrato di Matematica per le scienze naturali ed applicate Materiale integrativo Paolo Baiti 1 Lorenzo Freddi 1 1 Dipartimento di Matematica e Informatica, Università di Udine, via delle Scienze
DettagliIndice INTRODUZIONE I sistemi di rappresentazione della conoscenza La logica descrittiva
Indice INTRODUZIONE 4 Obiettivi della tesi................................. 4 La Logica Descrittiva ALCQHI R+ (D) ed il sistema RACER...... 6 Il sistema ODB-Tools............................ 6 Il prototipo
DettagliRISOLUZIONE IN LOGICA PROPOSIZIONALE. Giovanna D Agostino Dipartimento di Matemaica e Informatica, Università di Udine
RISOLUZIONE IN LOGICA PROPOSIZIONALE Giovanna D Agostino Dipartimento di Matemaica e Informatica, Università di Udine 1. Risoluzione Definitione 1.1. Un letterale l è una variabile proposizionale (letterale
DettagliPROGRAMMA CONSUNTIVO
PAGINA: 1 PROGRAMMA CONSUNTIVO A.S.2014-2015 SCUOLA Liceo Linguistico Manzoni DOCENTE: Marina Barbàra MATERIA: Matematica e Informatica Classe 1 Sezione A OBIETTIVI: le parti sottolineate sono da considerarsi
DettagliRagionamento Automatico Richiami di calcolo dei predicati
Richiami di logica del primo ordine Ragionamento Automatico Richiami di calcolo dei predicati (SLL: Capitolo 7) Sintassi Semantica Lezione 2 Ragionamento Automatico Carlucci Aiello, 2004/05Lezione 2 0
DettagliIntelligenza Artificiale I
Intelligenza Artificiale I - AA 27/28 Intelligenza Artificiale I Logica formale Introduzione Marco Piastra Logica formale - Introduzione - Intelligenza Artificiale I - AA 27/28 Sistematicità del linguaggio
DettagliIntroduzione alla logica
Corso di Intelligenza Artificiale 2011/12 Introduzione alla logica iola Schiaffonati Dipartimento di Elettronica e Informazione Sommario 2 Logica proposizionale (logica di Boole) Logica del primo ordine
DettagliSemantica proposizionale. Unit 2, Lez 3 e 4 Corso di Logica
Semantica proposizionale Unit 2, Lez 3 e 4 Corso di Logica Sommario Semantica dei connettivi Costruzione delle tavole di verità Tautologie, contraddizioni e contingenze Semantica delle forme argomentative
DettagliIntelligenza Artificiale. Logica proposizionale: calcolo automatico
Intelligenza Artificiale Logica proposizionale: calcolo automatico Marco Piastra Logica formale (Parte 3) - Parte 3 Calcolo automatico Forme normali ed a clausole Risoluzione e refutazione Forward chaining
DettagliLa Rappresentazione della Conoscenza Emiliano Giovannetti. rappresentazione. Importanza della conoscenza. Conoscenza e intelligenza artificiale
La Rappresentazione della Conoscenza Emiliano Giovannetti memorie di una mente artificiale Importanza della conoscenza - per l uomo (se non sa come aprire il frigorifero resta a stomaco vuoto) - per il
Dettagli01 - Elementi di Teoria degli Insiemi
Università degli Studi di Palermo Scuola Politecnica Dipartimento di Scienze Economiche, Aziendali e Statistiche Appunti del corso di Matematica 01 - Elementi di Teoria degli Insiemi Anno Accademico 2015/2016
DettagliLOGICA DEL PRIMO ORDINE CON INSIEMI E INTERVALLI. Corso di Logica per la Programmazione
LOGICA DEL PRIMO ORDINE CON INSIEMI E INTERVALLI Corso di Logica per la Programmazione RAPPRESENTAZIONI INTENSIONALI ED ESTENSIONALI DI INSIEMI Assumiamo come universo i naturali e i sottoinsiemi di naturali
DettagliIl modello Entità/Relazioni (ER)
Il modello Entità/Relazioni (ER) Basi di dati 1 Il modello Entità/Relazioni (ER) Angelo Montanari Dipartimento di Matematica e Informatica Università di Udine Il modello Entità/Relazioni (ER) Basi di dati
DettagliIntelligenza Artificiale II. Logiche modali e temporali
Intelligenza Artificiale II Logiche modali e temporali Marco Piastra Logiche non classiche - 1 1 Logiche modali Logiche non classiche - 2 Un paradosso? Una fbf di L P ( ) ( ) Si tratta di una tautologia
DettagliINTRODUZIONE AL TESTO FILOSOFICO
INTRODUZIONE AL TESTO FILOSOFICO MEDIANTE FORME DI ANNOTAZIONE SEMANTICA Ciclo seminariale 4 febbraio 2011 4 marzo 2011 Fra ontologie e mappe: un introduzione Francesco Bianchini DI COSA PARLEREMO Mappe
DettagliMaiuscole e minuscole
Maiuscole e minuscole Abilità interessate Distinguere tra processi induttivi e processi deduttivi. Comprendere il ruolo e le caratteristiche di un sistema assiomatico. Riconoscere aspetti sintattici e
DettagliLinguaggi di programmazione - Principi e paradigmi 2/ed Maurizio Gabbrielli, Simone Martini Copyright The McGraw-Hill Companies srl
Approfondimento 2.1 Non è questo il testo dove trattare esaurientemente queste tecniche semantiche. Ci accontenteremo di dare un semplice esempio delle tecniche basate sui sistemi di transizione per dare
DettagliMETODI MATEMATICI PER L INFORMATICA
METODI MATEMATICI PER L INFORMATICA Tutorato Lezione 2 17/03/2016 Corso per matricole congrue a 1 Docente: Margherita Napoli Tutor: Amedeo Leo Applicazioni della logica proposizionale La logica ha una
DettagliLogiche modali. Marco Piastra. Intelligenza Artificiale II. Intelligenza Artificiale II - A.A Logiche modali [1]
Intelligenza Artificiale II Logiche modali Marco Piastra Logiche modali 1] Un paradosso? Una particolare fbf di L P : ( ) ( ) Si tratta di una tautologia di L P : 0 0 1 1 0 1 0 1 1 0 1 1 1 1 0 1 ( ) (
DettagliFondamenti d Informatica: linguaggi formali. Barbara Re, Phd
Fondamenti d Informatica: linguaggi formali Barbara Re, Phd Agenda } Introdurremo } La nozione di linguaggio } Strumenti per definire un linguaggio } Espressioni Regolari 2 Linguaggio } Da un punto di
DettagliLOGICA DEL PRIMO ORDINE: MOTIVAZIONI, SINTASSI E INTERPRETAZIONI. Corso di Logica per la Programmazione A.A Andrea Corradini
LOGICA DEL PRIMO ORDINE: MOTIVAZIONI, SINTASSI E INTERPRETAZIONI Corso di Logica per la Programmazione A.A. 2013 Andrea Corradini LIMITI DEL CALCOLO PROPOSIZIONALE Nella formalizzazione di enunciati dichiarativi,
DettagliLOGICA e INSIEMISTICA
LOGICA e INSIEMISTICA Prof. Enrico Terrone A. S: 2008/09 Definizioni La logica è una parte speciale della matematica che si occupa, anziché dei numeri, delle proposizioni. Una proposizione è una frase
DettagliIntelligenza Artificiale. Breve introduzione alle logiche non classiche
Intelligenza Artificiale Breve introduzione alle logiche non classiche Marco Piastra Logiche non classiche - Argomenti 0. In che senso non classiche?. Logica abduttiva 2. Logiche modali 3. Logiche multivalenti
DettagliRichiami teorici ed esercizi di Logica
Facoltà di ingegneria Università della Calabria Corsi di Potenziamento Matematica e Logica A. A. 2008-2009 Richiami teorici ed esercizi di Logica Proposizioni logiche: Ogni espressione matematica alla
DettagliSommario. Caratterizzazione alternativa di NP: il verificatore polinomiale esempi di problemi in NP
Sommario Caratterizzazione alternativa di NP: il verificatore polinomiale esempi di problemi in NP I conjecture that there is no good algorithm for the traveling salesman problem. My reasons are the same
DettagliLogica per la Programmazione
Logica per la Programmazione Lezione 6 Logica del Primo Ordine Motivazioni Sintassi Interpretazioni Formalizzazione pag. 1 Limiti del Calcolo Proposizionale Nella formalizzazione di enunciati dichiarativi,
DettagliNozioni introduttive e notazioni
Nozioni introduttive e notazioni 1.1 Insiemi La teoria degli insiemi è alla base di tutta la matematica, in quanto ne fornisce il linguaggio base e le notazioni. Definiamo un insieme come una collezione
DettagliIl Concetto Intuitivo di Calcolatore. Esercizio. I Problemi e la loro Soluzione. (esempio)
Il Concetto Intuitivo di Calcolatore Elementi di Informatica e Programmazione Ingegneria Gestionale Università degli Studi di Brescia Docente: Prof. Alfonso Gerevini Variabile di uscita Classe di domande
DettagliLuca Costabile Esercizi di Logica Matematica Dispensa Calcolo Proposizionale 1
Luca Costabile Esercizi di Logica Matematica Dispensa Calcolo Proposizionale 1 Esercizio 1.12 Per dimostrare che per ogni funzione esiste una formula in cui compaiono le variabili tale che la corrispondente
DettagliFondamenti di Informatica - 1. Prof. B.Buttarazzi A.A. 2011/2012
Fondamenti di Informatica - 1 Prof. B.Buttarazzi A.A. 2011/2012 Sommario I sistemi di numerazione Il sistema binario Altri sistemi di numerazione Algoritmi di conversione Esercizi 07/03/2012 2 Sistemi
DettagliLogica per la Programmazione
Logica del Primo Ordine: Motivazioni, Sintassi e Interpretazioni Logica per la Programmazione Lezione 7 Formule Valide, Conseguenza Logica Proof System per la Logica del Primo Ordine Leggi per i Quantificatori
DettagliMacchine di Turing. Francesco Paoli. Istituzioni di logica, Francesco Paoli (Istituzioni di logica, ) Macchine di Turing 1 / 29
Macchine di Turing Francesco Paoli Istituzioni di logica, 2016-17 Francesco Paoli (Istituzioni di logica, 2016-17) Macchine di Turing 1 / 29 Alan M. Turing (1912-1954) Francesco Paoli (Istituzioni di logica,
DettagliElementi di Complessità Computazionale
Elementi di Complessità Computazionale Ultima modifica 23.06.2004 Il problema Esiste una misura oggettiva per valutare l'efficienza di un algoritmo? In che relazione sono gli input di un algoritmo con
DettagliChe cosa abbiamo fatto fin ora
Che cosa abbiamo fatto fin ora Abbiamo trattato: agenti con stato e con obiettivo, più razionali rispetto ad agenti reattivi enfasi sul processo di ricerca stati e azioni descrivibili in maniera semplice
DettagliPrecorsi di matematica
Precorsi di matematica Francesco Dinuzzo 12 settembre 2005 1 Insiemi Il concetto di base nella matematica moderna è l insieme. Un insieme è una collezione di elementi. Gli elementi di un insieme vengono
DettagliLogica: nozioni di base
Fondamenti di Informatica Sistemi di Elaborazione delle Informazioni Informatica Applicata Logica: nozioni di base Antonella Poggi Anno Accademico 2012-2013 DIPARTIMENTO DI SCIENZE DOCUMENTARIE LINGUISTICO
DettagliInsiemi, Numeri, Terminologia. Prof. Simone Sbaraglia
Insiemi, Numeri, Terminologia Prof. Simone Sbaraglia Corso Rapido di Logica Matematica La logica formale definisce le regole cui deve obbedire qualsiasi teoria deduttiva. Una proposizione e` una affermazione
DettagliNote sulle classi di complessità P, NP e NPC per ASD (DRAFT)
Note sulle classi di complessità P, NP e NPC per ASD 2010-11 (DRAFT) Nicola Rebagliati 20 dicembre 2010 1 La complessità degli algoritmi Obiettivo principale della teoria della complessità: ottenere una
DettagliMatematica e-learning - Corso Zero di Matematica. Gli Insiemi. Prof. Erasmo Modica A.A.
Matematica e-learning - Gli Insiemi Prof. Erasmo Modica http://www.galois.it erasmo@galois.it A.A. 2009/2010 1 Simboli Matematici Poiché in queste pagine verranno utilizzati differenti simboli matematici,
DettagliINSIEMI. DEF. Un INSIEME è una qualsiasi collezione di oggetti.
INSIEMI DEF. Un INSIEME è una qualsiasi collezione di oggetti. Esso è ben definito quando è chiaro se un oggetto appartiene o non appartiene all insieme stesso. Esempio. E possibile definire l insieme
DettagliEsercitazioni per il corso di Logica Matematica
Esercitazioni per il corso di Logica Matematica Luca Motto Ros 25 marzo 2005 Nota importante. Queste pagine contengono appunti personali dell esercitatore e sono messe a disposizione nel caso possano risultare
DettagliEsercitazione di Basi di Dati
Esercitazione di Basi di Dati Corso di Fondamenti di Informatica 29 Aprile 2004 Da Access a Protégé Marco Pennacchiotti pennacchiotti@info.uniroma2.it Tel. 0672597334 Ing.dell Informazione, stanza 1035
DettagliNOZIONI DI LOGICA. Premessa
NOZIONI DI LOGICA Premessa Il compito principale della logica è quello di studiare il nesso di conseguenza logica tra proposizioni, predisponendo delle tecniche per determinare quando la verità di una
DettagliESEMPIO Un esempio di insieme vuoto è l insieme dei numeri reali di quadrato 4. B A
TEORI DEGLI INSIEMI GENERLIT Un insieme è un ente costituito da oggetti. Il concetto di insieme e di oggetto si assumono come primitivi. Se un oggetto a fa parte di un insieme si dice che esso è un suo
DettagliRAPPRESENTAZIONE DELLA CONOSCENZA. È un insieme di CONVENZIONI e FORMALISMI per esprimere la conoscenza;
RAPPRESENTAZIONE DELLA CONOSCENZA È un insieme di CONVENZIONI e FORMALISMI per esprimere la conoscenza; Una buona Rappresentazione della Conoscenza può FACILITARE la SOLUZIONE di un Problema riducendone
DettagliIntelligenza Artificiale. Logiche sfumate (Fuzzy Logics)
Intelligenza Artificiale Logiche sfumate (Fuzzy Logics Marco Piastra Logiche sfumate - 1 Insiemi sfumati idea intuitiva E la tartaruga fece una lunga camminata... ma quant è lunga, una lunga camminata...
DettagliCenni di teoria degli insiemi
Università degli Studi di Napoli «Federico II» Facoltà di rchitettura Upta Corso di laurea in Urbanistica e Scienze della Pianificazione Territoriale e mbientale Corso integrato di Matematica e statistica
DettagliInsiemi Specifiche, rappresentazione e confronto tra realizzazioni alternative.
Insiemi Specifiche, rappresentazione e confronto tra realizzazioni alternative. Algoritmi e Strutture Dati + Lab A.A. 14/15 Informatica Università degli Studi di Bari Aldo Moro Nicola Di Mauro Definizione
DettagliNOZIONI DI LOGICA PROPOSIZIONI.
NOZIONI DI LOGICA PROPOSIZIONI. Una proposizione è un affermazione che è vera o falsa, ma non può essere contemporaneamente vera e falsa. ESEMPI Sono proposizioni : 7 è maggiore di 2 Londra è la capitale
DettagliLogica per la Programmazione
Logica per la Programmazione Lezione 6 Logica del Primo Ordine Motivazioni Sintassi Interpretazioni Formalizzazione A. Corradini e F.Levi Dip.to Informatica Logica per la Programmazione a.a. 2015/16 pag.
DettagliChe cos è un insieme? Come si individua un insieme? 1. Scrivendone esplicitamente gli elementi: C = {2, 4, 6, 8, 10,...}.
Teoria degli insiemi Che cos è un insieme? Come si individua un insieme? 1. Scrivendone esplicitamente gli elementi: A = {a, b, c} B = {1, 2} C = {2, 4, 6, 8, 10,...}. 2. Enunciando una proprietà che è
DettagliLinguaggi di Programmazione
Linguaggi di Programmazione Linguaggi di Programmazione Programmazione. Insieme delle attività e tecniche svolte per creare un programma (codice sorgente) da far eseguire ad un computer. Che lingua comprende
DettagliUnità Didattica 2 I Linguaggi di Programmazione
Unità Didattica 2 I Linguaggi di Programmazione 1 Linguaggio naturale e linguaggio macchina La comunicazione uomo-macchina avviene attraverso formalismi che assumono la forma di un linguaggio. Caratteristiche
DettagliALGEBRA DEGLI INSIEMI
ALGEBRA DEGLI INSIEMI INSIEME: concetto primitivo (indicato con una lettera maiuscola dell alfabeto latino: A, B, ) alcuni esempi: oggetti contenuti in una scatola tutti i numeri multipli di 3 [fig. 2.I.1]
DettagliRappresentazione della Conoscenza. Lezione 2. Rappresentazione della Conoscenza Daniele Nardi, 2008Lezione 2 0
Rappresentazione della Conoscenza Lezione 2 Rappresentazione della Conoscenza Daniele Nardi, 2008Lezione 2 0 Logica come linguaggio di rappresentazione della conoscenza Sommario richiami sintassi e semantica
DettagliUNIVERSITA DEGLI STUDI DI FIRENZE. Facoltà di Ingegneria Corso di Laurea in Ingegneria Informatica
UNIVERSITA DEGLI STUDI DI FIRENZE Facoltà di Ingegneria Corso di Laurea in Ingegneria Informatica Esercitazioni per l esame di Intelligenza Artificiale Prof. G. Soda Classic di Sauro Menchetti A.A.1998-99
DettagliConnettivi del linguaggio e della logica
Connettivi del linguaggio e della logica Fino a che punto il significato di,, e corrisponde al significato delle espressioni del linguaggio naturale e o, se... allora... e non? e e Congiunzioni e connettivi
DettagliRappresentazione della Conoscenza. Lezione 10. Rappresentazione della conoscenza, D. Nardi, 2004, Lezione 10 0
Rappresentazione della Conoscenza Lezione 10 Rappresentazione della conoscenza, D. Nardi, 2004, Lezione 10 0 Sistemi ed applicazioni Sistemi di rappresentazione della conoscenza basati su logiche descrittive.
Dettagli01 - Elementi di Teoria degli Insiemi
Università degli Studi di Palermo Facoltà di Economia CdS Sviluppo Economico e Cooperazione Internazionale Appunti del corso di Matematica 01 - Elementi di Teoria degli Insiemi Anno Accademico 2013/2014
DettagliCosa sono le ontologie
Cosa sono le ontologie Filosofia/Computer ScienceAI: area dell intelligenza artificiale che studia i metodi per rappresentare correttamente l universo che ci circonda. Perchè servono in CS? Condivisione
DettagliLinguaggi Regolari e Linguaggi Liberi
Linguaggi Regolari e Linguaggi Liberi Linguaggi regolari Potere espressivo degli automi Costruzione di una grammatica equivalente a un automa Grammatiche regolari Potere espressivo delle grammatiche 1
DettagliPrerequisiti Matematici
Prerequisiti Matematici Richiami di teoria degli insiemi Relazioni d ordine, d equivalenza Richiami di logica Logica proposizionale, tabelle di verità, calcolo dei predicati Importante: Principio di Induzione
DettagliLogica proposizionale classica. Studia il comportamento dei connettivi proposizionali quali ( And ) e ( Or )
Logica proposizionale classica Studia il comportamento dei connettivi proposizionali quali ( And ) e ( Or ) Parte da una famiglia di enunciati atomici di cui non analizziamo la struttura interna, che rappresentiamo
DettagliIl concetto di insieme. La rappresentazione di un insieme
Il concetto di insieme I concetti di insieme e di elemento di un insieme sono concetti primitivi, cioè non definibili mediante altri concetti più semplici. Il termine insieme è sinonimo di collezione,
DettagliIntroduzione al Semantic Web
Corso di Laurea Specialistica in Ingegneria Informatica Corso di Linguaggi e Tecnologie Web A. A. 2011 - Introduzione al Semantic Web Eufemia TINELLI Dal Web al Semantic Web: Motivazioni Il Web dovrebbe
DettagliCorso di Analisi Matematica 1. Insiemi e Logica
1 / 27 Corso di Analisi Matematica 1 Logica Giulio Starita Università della Campania Luigi Vanvitelli Laurea in Ingegneria Elettronica e Informatica Anno Accademico 2017 2018 2 / 27 Corso di Analisi Matematica
Dettagli3. OPERAZIONI TRA CLASSI 2
INSIEMI 1. Elementi e Classi Lo scopo di questo primo capitolo è di introdurre in maniera rigorosa le nozioni di classe e insieme, e di studiarne le principali proprietà. Nel seguito useremo il termine
DettagliProgrammazione Dichiarativa. Programmazione Logica. SICStus PROLOG PROLOG. http://www.sics.se/sicstus/ Bob Kowalski: "Algoritmo = Logica + Controllo"
Programmazione Logica Bob Kowalski: "Algoritmo = Logica + Controllo" nella programmazione tradizionale: il programmatore deve occuparsi di entrambi gli aspetti nella programmazione dichiarativa: il programmatore
DettagliIndice. 1 Cenni di logica. 2 Elementi di teoria degli insiemi. 3 Relazioni e funzioni. 4 Strutture algebriche
Indice 1 Cenni di logica 2 Elementi di teoria degli insiemi 3 Relazioni e funzioni 4 Strutture algebriche Silvia Pianta - Laura Montagnoli Geometria I - Prerequisiti - UCSC A.A. 2015/2016 1 / 36 1. Cenni
DettagliLINGUAGGI DI ALTO LIVELLO. Si basano su una macchina virtuale le cui mosse non sono quelle della macchina hardware
LINGUAGGI DI ALTO LIVELLO Si basano su una macchina virtuale le cui mosse non sono quelle della macchina hardware 1 LINGUAGGI DI ALTO LIVELLO Barriera di astrazione Fortran Cobol Basic Pascal Python C
DettagliGLI INSIEMI. Il termine INSIEME è una parola primitiva, cioè un termine che ha bisogno di un esempio per essere spiegato e quindi compreso.
GLI INSIEMI Il termine INSIEME è una parola primitiva, cioè un termine che ha bisogno di un esempio per essere spiegato e quindi compreso. Non ha alcun senso affermare : Io possiedo un insieme Lui fa parte
DettagliCorso di Analisi Matematica I numeri reali
Corso di Analisi Matematica I numeri reali Laurea in Informatica e Comunicazione Digitale A.A. 2013/2014 Università di Bari ICD (Bari) Analisi Matematica 1 / 57 1 Insiemi e logica 2 Campi ordinati 3 Estremo
DettagliIntroduzione alla Programmazione Logica ed al linguaggio PROLOG
Introduzione alla Programmazione Logica ed al linguaggio PROLOG Esercitazioni per il corso di Logica ed Intelligenza Artificiale a.a. 2014/15 Paolo Tomeo http://sisinflab.poliba.it/tomeo Programmazione
DettagliIl linguaggio di programmazione Python
Università Roma Tre Dipartimento di Matematica e Fisica Percorso Abilitante Speciale Classe A048 Matematica Applicata Corso di Informatica Il linguaggio di programmazione Python Marco Liverani (liverani@mat.uniroma3.it)
DettagliTeoria degli Insiemi
Angelica Malaspina Dipartimento di Matematica, Informatica ed Economia Università degli Studi della Basilicata, Italy angelica.malaspina@unibas.it distributive distributive distributive Il concetto di
DettagliProposizioni e verità
Proposizioni e verità Claudia Casadio Logica e Psicologia del Pensiero Laurea Triennale - Parte Istituzionale A.A. 2007-08 Contents 1 Proposizione.......................................... 3 2 Verità...............................................
DettagliEsercitazioni per il corso di Logica Matematica
Esercitazioni per il corso di Logica Matematica Luca Motto Ros 02 marzo 2005 Nota importante. Queste pagine contengono appunti personali dell esercitatore e sono messe a disposizione nel caso possano risultare
DettagliMATEMATICA DI BASE 1
MATEMATICA DI BASE 1 Francesco Oliveri Dipartimento di Matematica, Università di Messina 30 Agosto 2010 MATEMATICA DI BASE MODULO 1 Insiemi Logica Numeri Insiemi Intuitivamente, con il termine insieme
DettagliLOGICA MATEMATICA PER INFORMATICA (A.A. 12/13)
LOGICA MATEMATICA PER INFORMATICA (A.A. 12/13) DISPENSA N. 4 Sommario. Dimostriamo il Teorema di Completezza per il Calcolo dei Predicati del I ordine. 1. Teorema di Completezza Dimostriamo il Teorema
DettagliGeometria analitica di base. Equazioni di primo grado nel piano cartesiano Funzioni quadratiche Funzioni a tratti Funzioni di proporzionalità inversa
Equazioni di primo grado nel piano cartesiano Funzioni quadratiche Funzioni a tratti Funzioni di proporzionalità inversa Equazioni di primo grado nel piano cartesiano Risoluzione grafica di un equazione
DettagliProgrammazione con Java
Programmazione con Java Astrazioni e UML Astrazioni Nella vita reale siamo abituati a osservare e descrivere oggetti a vari livelli di dettaglio Dai da mangiare a Fido Porta a passeggio il cane Di quale
DettagliAlgebra relazionale: operazioni
Dipartimento di Elettronica ed ormazione Politecnico di Milano ormatica e CAD (c.i.) - ICA Prof. Pierluigi Plebani A.A. 2011/2012 Algebra relazionale: operazioni Le presenti slide sono tratte dalle slide
Dettagli01 - Elementi di Teoria degli Insiemi
Università degli Studi di Palermo Facoltà di Economia CdS Statistica per l Analisi dei Dati Appunti del corso di Matematica 01 - Elementi di Teoria degli Insiemi Anno Accademico 2013/2014 M Tumminello,
Dettagli1 Giochi di Ehrenfeucht-Fraissé e Logica del Prim ordine
1 Giochi di Ehrenfeucht-Fraissé e Logica del Prim ordine In questo tipo di giochi l arena è costituita da due grafi orientati G = (V, E), G = (V, E ). Lo scopo del I giocatore è di mostrare, in un numero
DettagliSipser, Capitolo 0. Alfabeti, Stringhe, Linguaggi
Sipser, Capitolo 0 Alfabeti, Stringhe, Linguaggi Def. Un insieme è una collezione non ordinata di oggetti o elementi Gli insiemi sono scritti tra { } Gli elementi sono inseriti tra le parentesi Insiemi
DettagliCorso di elettrotecnica Materiale didattico: i grafi
Corso di elettrotecnica Materiale didattico: i grafi A. Laudani 12 ottobre 2005 I grafi costituiscono uno strumento matematico che permette di descrivere e schematizzare una grande varietà di problemi
Dettagli