Trasformazione in clausole
|
|
|
- Nicolina Colucci
- 10 anni fa
- Просмотров:
Транскрипт
1 DEPARTMENT OF INFORMATION ENGINEERING UNIVERSITY OF PADOVACorso Principio di A.A. Intelligenza di Risoluzione Artificiale ing. Marco Falda atomi letterali) Una A1 A2 L An B1 L Bm clausola negati priva Le o èuna di non clausole quantificatori negati disgiunzione (cioèdi di 2 con Una e clausola rappresenta senza letterali la contraddizione si indica 4 Sistema generalizzazione Introduzione efficienza Logica di deduzione efficiente per la formule unificazione a di clausole risoluzione Horn) algoritmo SLD (su di Trasformazione in clausole X (p(y) Y Z ( p(y) ( Y ( p(y) ( Y ( Y q(x,z)) (q(x,z) (q(x,y) (q(x,y) ( q(x,y) p(y))) ( p(y) p(z))) p(y)))) p(y)))) p(z))) A B A B X A X X Y p(x,y) X p(x, g(x)) 3 {( p(y) q(x,g(x,y))), ( p(y) p(g(x,y)))} A 1
2 Sia partire T una da una trasformazione Proprietà T insoddisfacibile teoria del primo in clausole ordine a T. Sostituzione: Istanza: varianteunificazione σ= {X1/T1, LXn/Tn} 5 6 [E]σ T insoddisfacibile Unificabilità: [A1]σ= L= [An]σ Composizione: σ= σ1σ2 Caso 1.C1= 2.C2= Principio di Risoluzione i,j: Si deduce Ai= di clausole A1 L An B1 L Bm Bj C3= (C1\{Ai}) prive di variabili (C2\{Bj}) Una Esiste σse Unificazione generale sostituzione λ: una σ= di sostituzione tutte ϑèpiùgenerale (MGU) che ed èunica èla piùdi a ϑλ 7 meno di ridenominazioni 8 2
3 Teorema di unificazione S1(A1) C1{X1/C2} C1=C2 NO se{x2/s1(a1)} {X2/C1} {X1/X2} ses1=s2 {X1/S2(A2)} e{a1/a2} NO* La dimostrazione Dimostrazione contraddizione HC ( F)C avviene H per refutazione: per 9 Ci+1= termina Ci {risolventi di Ci} finché o 12 Unificazione generali per clausole Si Caso 1.C1= 2.C2= i,j,ϑ: deduce di [Ai]ϑ= clausole B1 L Bm A1 L An C3= Di= [(C1\{Ai}) con p(t1, variabili L, tk) Sotto Correttezza e completezza [ Bj]ϑ (C2\{Bj})]ϑ corretta: {HC opportune ipotesi ( F)C} la risoluzione insoddisf. è completa: {HC ( F)C} insoddisf. 3
4 1.Semplificazioni 2.Strategie sussunteb e strategie incompletezza) (possono = [A]σ, (tautologie, introdurre...) formule La Programmazione Logica DEPARTMENT OF INFORMATION ENGINEERING UNIVERSITY OF PADOVA Confronta Strategia linear-input Èincompleta con originale una clausola per sempre nel le clausole caso presa l ultimo generale, dall insieme di risolvente Horn Clausole positivoclausole di Horn A1 A2 L An B1 L Bm con al piùun (B1 L Bm) letterale A1, A2, L, An B1, L, Bm 16 4
5 Clausole di Horn Clausola Tipi goal: definita: di clausole A B1, solo un letterali L, ( ) L, letterale Bm Bmnegativi positivogoal sum(0,x,x) sum(s(x),y,s(z)) fatto [sum(s(0),0,w)]ϑ= Esempio di risoluzione regola Intelligenza Artificiale, testa {X1/0,Y1/0,W/s(Z1)} sum(x,y,z) A.A ( M. Falda) corpo 17 [sum(s(x1),y1,s(z1))]ϑ sum(0, 0, Z1) 20 Interessa Interrogazioni: Opera quantificate Risoluzione SLD Y la sostituzione di risposta sum(s(0),s(s(0)),y), Z per assurdo esistenzialmente congiunzioni sum(y,s(0),z) con variabili Una dall insieme varianti Tipi di derivazione 1.successo derivazione Cie (Gn= dei delle ) goal SLD MGU Gi, èdata ϑi delle fallimento 3.fallimento infinito(gn ) 5
6 La Non Correttezza e completezza 1.regola 2.strategia completa risoluzione determinismo di calcolo di (per ricerca SLD (selezione clausole ècorretta degli delle di atomi) Horn) clausole) e sui un etichettato Alberi SLD nessun ramo nodi ramo i per goal con per ogni la (G0alla regola atomo e con radice) unificabile ϑ La cammini sostituzione e proiettando di risposta su G0 componendo i 24 Influenza Di goalnédalla Regola calcolo l insieme solito èstatica di solo successo profondità) l efficienza, (non dipende non dal sum(w,0,0), Esempio sum(w,0,k) di albero SLD sum(0,x,x) sum(s(x),y,s(z)) sum(x,y,z) sum(w,0,0), sum(w,0,k) sum(0,0,0) CL1, ϑ 1 = {W/0, K/0} CL1, ϑ2 = {} Successo 23 6
7 sum(s(w1),0,0), sum(w,0,0), Esempio sum(w,0,k) di sum(w1,0,k1) albero SLD Definisce Dipende dell albero Strategie di ricerca Fallimento finito lista dei nodi da la SLD come modalitàdi visitare viene visita gestita (DFS, BFS) la sum(s(w1),0,0) CL2, ϑ 3 = {W/s(W1),K/s(K1)} CL1, ϑ 4 = {W1/0,k1/0} sum(s(w1),0,0), sum(s(s(w2),0,k), Esempio di sum(w1,0,k1) sum(w2,0,k2) albero SLD CL2, ϑ 5 = {W1/s(W2),K1/s(K2)} CL2, ϑ 6 = {W2/s(W3),K2/s(K3)} Seleziona Usa backtrackingcronologico Caso del Prolog... all ordine la ricerca di le apparizione clausole profonditàcon base Fallimento infinito risoluzione non completa 7
8 Una può Interpretazione essere clausola p(t1, vista come L, del tipo tn) B1, una procedura procedurale L, Bm Per invocarla p(1, L, n) 30 Non Le Reversibilitàe di esistono distinzioni assegnamento liberano solo ingresso variabili sono e nel uscita backtracking sola scrittura parametri e si 29 8
Albero semantico. Albero che mette in corrispondenza ogni formula con tutte le sue possibili interpretazioni.
Albero semantico Albero che mette in corrispondenza ogni formula con tutte le sue possibili interpretazioni. A differenza dell albero sintattico (che analizza la formula da un punto di vista puramente
Si basano sul seguente Teorema: S = A sse S { A} è insoddisfacibile.
Deduzione automatica La maggior parte dei metodi di deduzione automatica sono metodi di refutazione: anziché dimostrare direttamente che S A, si dimostra che S { A} è un insieme insoddisfacibile (cioè
Risoluzione. Eric Miotto Corretto dal prof. Silvio Valentini 15 giugno 2005
Risoluzione Eric Miotto Corretto dal prof. Silvio Valentini 15 giugno 2005 1 Risoluzione Introdurremo ora un metodo per capire se un insieme di formule è soddisfacibile o meno. Lo vedremo prima per insiemi
x u v(p(x, fx) q(u, v)), e poi
0.1. Skolemizzazione. Ogni enunciato F (o insieme di enunciati Γ) è equisoddisfacibile ad un enunciato universale (o insieme di enunciati universali) in un linguaggio estensione del linguaggio di F (di
(anno accademico 2008-09)
Calcolo relazionale Prof Alberto Belussi Prof. Alberto Belussi (anno accademico 2008-09) Calcolo relazionale E un linguaggio di interrogazione o e dichiarativo: at specifica le proprietà del risultato
Rappresentazione della conoscenza. Lezione 11. Rappresentazione della Conoscenza Daniele Nardi, 2008Lezione 11 0
Rappresentazione della conoscenza Lezione 11 Rappresentazione della Conoscenza Daniele Nardi, 2008Lezione 11 0 Sommario Pianificazione Deduttiva nel calcolo delle situazioni (Reiter 3.3) Teoria del calcolo
Errori più comuni. nelle prove scritte
Errori più comuni nelle prove scritte Gli errori più frequenti, e reiterati da chi sostiene diverse prove, sono innanzi tutto meta-errori, cioè errori che non riguardano tanto l applicazione delle tecniche,
Algebra di Boole ed Elementi di Logica
Algebra di Boole ed Elementi di Logica 53 Cenni all algebra di Boole L algebra di Boole (inventata da G. Boole, britannico, seconda metà 8), o algebra della logica, si basa su operazioni logiche Le operazioni
Logica del primo ordine
Logica del primo ordine Sistema formale sviluppato in ambito matematico formalizzazione delle leggi del pensiero strette relazioni con studi filosofici In ambito Intelligenza Artificiale logica come linguaggio
FONDAMENTI DI INTELLIGENZA ARTIFICIALE (8 CFU)
FONDAMENTI DI INTELLIGENZA ARTIFICIALE (8 CFU) 13 Febbraio 2015 Tempo a disposizione: 2 h Risultato: 32/32 punti Esercizio 1 (punti 6) Si esprimano in logica dei predicati del I ordine le seguenti frasi:
Linguaggi del I ordine - semantica. Per dare significato ad una formula del I ordine bisogna specificare
Linguaggi del I ordine - semantica Per dare significato ad una formula del I ordine bisogna specificare Un dominio Un interpretazione Un assegnamento 1 Linguaggi del I ordine - semantica (ctnd.1) Un modello
LOGICA PER LA PROGRAMMAZIONE. Franco Turini [email protected]
LOGICA PER LA PROGRAMMAZIONE Franco Turini [email protected] IPSE DIXIT Si consideri la frase: in un dato campione di pazienti, chi ha fatto uso di droghe pesanti ha utilizzato anche droghe leggere. Quali
LOGICA MATEMATICA E CONCETTUALIZZAZIONE
STEFANO FERILLI Monografia su LOGICA MATEMATICA E CONCETTUALIZZAZIONE Università degli Studi di Bari Facoltà di Scienze Matematiche, Fisiche e Naturali Corso di Laurea in Informatica Corso di Ingegneria
Planning as Model Checking Presentazione della Tesina di Intelligenza Artificiale
Planning as Model Checking Presentazione della Tesina di Intelligenza Artificiale di Francesco Maria Milizia [email protected] Model Checking vuol dire cercare di stabilire se una formula è vera
Informatica 3. Informatica 3. LEZIONE 10: Introduzione agli algoritmi e alle strutture dati. Lezione 10 - Modulo 1. Importanza delle strutture dati
Informatica 3 Informatica 3 LEZIONE 10: Introduzione agli algoritmi e alle strutture dati Modulo 1: Perchè studiare algoritmi e strutture dati Modulo 2: Definizioni di base Lezione 10 - Modulo 1 Perchè
Ripasso di teoria ed esercizi in preparazione al secondo compito.??? Dicembre 2004
Ripasso di teoria ed esercizi in preparazione al secondo compito??? Dicembre 2004 Teoria: domande tipiche da compitino 1. Manipolazione delle strutture sintattiche: quali sono i predicati per la manipolazione
FONDAMENTI DI INTELLIGENZA ARTIFICIALE 1 parte (6 CFU) 12 Luglio 2012 Tempo a disposizione: 2 h Risultato: 32/32 punti
FONDAMENTI DI INTELLIGENZA ARTIFICIALE 1 parte (6 CFU) 12 Luglio 2012 Tempo a disposizione: 2 h Risultato: 32/32 punti Esercizio 1 (7 punti) Si formalizzi in logica dei predicati del primo ordine la seguente
Algebra e Logica Matematica. Calcolo delle proposizioni Logica del primo ordine
Università di Bergamo Anno accademico 2006 2007 Ingegneria Informatica Foglio Algebra e Logica Matematica Calcolo delle proposizioni Logica del primo ordine Esercizio.. Costruire le tavole di verità per
Algoritmi e strutture dati. Codici di Huffman
Algoritmi e strutture dati Codici di Huffman Memorizzazione dei dati Quando un file viene memorizzato, esso va memorizzato in qualche formato binario Modo più semplice: memorizzare il codice ASCII per
Calcolo Relazionale Basi di dati e sistemi informativi 1. Calcolo Relazionale. Angelo Montanari
Calcolo Relazionale Basi di dati e sistemi informativi 1 Calcolo Relazionale Angelo Montanari Dipartimento di Matematica e Informatica Università di Udine Calcolo Relazionale Basi di dati e sistemi informativi
FONDAMENTI DI INTELLIGENZA ARTIFICIALE M 15 Luglio 2010 Tempo a disposizione 2h 45min Risultato 32/32 punti
FONDAMENTI DI INTELLIGENZA ARTIFICIALE M Luglio 2010 Tempo a disposizione 2h 45min Risultato 32/32 punti Esercizio 1 (punti 4) Si formalizzino il logica dei predicati del I ordine le seguenti frasi: Ogni
CPM - PERT CPM - PERT. Rappresentazione di un progetto. Gestione di un progetto. Critical Path Method Project Evaluation and Review Technique
CPM - PERT CPM - PERT CPM e PERT sono metodologie per la gestione di progetti composti da più attività in cui esistano relazioni di precedenza. Critical Path Method Project Evaluation and Review Technique
Introduzione al MATLAB c Parte 2
Introduzione al MATLAB c Parte 2 Lucia Gastaldi Dipartimento di Matematica, http://dm.ing.unibs.it/gastaldi/ 18 gennaio 2008 Outline 1 M-file di tipo Script e Function Script Function 2 Costrutti di programmazione
Predicati e Quantificatori
Predicati e Quantificatori Limitazioni della logica proposizionale! Logica proposizionale: il mondo è descritto attraverso proposizioni elementari e loro combinazioni logiche! I singoli oggetti cui si
Sistemi Operativi mod. B. Sistemi Operativi mod. B A B C A B C P 1 2 0 0 P 1 1 2 2 3 3 2 P 2 3 0 2 P 2 6 0 0 P 3 2 1 1 P 3 0 1 1 < P 1, >
Algoritmo del banchiere Permette di gestire istanze multiple di una risorsa (a differenza dell algoritmo con grafo di allocazione risorse). Ciascun processo deve dichiarare a priori il massimo impiego
LOGICA DEI PREDICATI. Introduzione. Predicati e termini individuali. Termini individuali semplici e composti
Introduzione LOGICA DEI PREDICATI Corso di Intelligenza Artificiale A.A. 2009/2010 Prof. Ing. Fabio Roli La logica dei predicati, o logica del primo ordine (LPO) considera schemi proposizionali composti
Intelligenza Artificiale. Metodi di ricerca
Intelligenza Artificiale Metodi di ricerca Marco Piastra Metodi di ricerca - 1 Ricerca nello spazio degli stati (disegno di J.C. Latombe) I nodi rappresentano uno stato Gli archi (orientati) una transizione
Esercizi per il corso di Algoritmi e Strutture Dati
1 Esercizi per il corso di Algoritmi e Strutture Dati Esercizi sulla Tecnica Divide et Impera N.B. Tutti gli algoritmi vanno scritti in pseudocodice (non in Java, né in C++, etc. ). Di tutti gli algoritmi
Programmazione 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
Logica dei predicati
IV Logica dei predicati 14. FORMULE PREDICATIVE E QUANTIFICATORI 14.1. Dalla segnatura alle formule predicative Il simbolo (x).ϕ(x) [per ogni x, ϕ(x) è vera] denota una proposizione definita, e non c è
I Problemi e la loro Soluzione. Il Concetto Intuitivo di Calcolatore. Risoluzione di un Problema. Esempio
Il Concetto Intuitivo di Calcolatore Fondamenti di Informatica A Ingegneria Gestionale Università degli Studi di Brescia Docente: Prof. Alfonso Gerevini I Problemi e la loro Soluzione Problema: classe
Linguaggi. Claudio Sacerdoti Coen 11/04/2011. 18: Semantica della logica del prim ordine. <[email protected]> Universitá di Bologna
Linguaggi 18: Semantica della logica del prim ordine Universitá di Bologna 11/04/2011 Outline Semantica della logica del prim ordine 1 Semantica della logica del prim ordine Semantica
Progettaz. e sviluppo Data Base
Progettaz. e sviluppo Data Base! Progettazione Basi Dati: Metodologie e modelli!modello Entita -Relazione Progettazione Base Dati Introduzione alla Progettazione: Il ciclo di vita di un Sist. Informativo
Progetto di Reti di Telecomunicazione Modelli in Programmazione Lineare Problemi di flusso
Progetto di Reti di Telecomunicazione Modelli in Programmazione Lineare Problemi di flusso Flusso di costo minimo È dato un grafo direzionato G = (N, A). Ad ogni arco (i, j) A è associato il costo c ij
3 CENNI DI TEORIA DELLA COMPLESSITA COMPUTAZIONALE. E. Amaldi Fondamenti di R.O. Politecnico di Milano 1
3 CENNI DI TEORIA DELLA COMPLESSITA COMPUTAZIONALE E. Amaldi Fondamenti di R.O. Politecnico di Milano 1 Scopo: Stimare l onere computazionale per risolvere problemi di ottimizzazione e di altra natura
LE STRATEGIE DI COPING
Il concetto di coping, che può essere tradotto con fronteggiamento, gestione attiva, risposta efficace, capacità di risolvere i problemi, indica l insieme di strategie mentali e comportamentali che sono
Progettazione concettuale
Progettazione concettuale Strategie top-down A partire da uno schema che descrive le specifiche mediante pochi concetti molto astratti, si produce uno schema concettuale mediante raffinamenti successivi
Funzioni in C. Violetta Lonati
Università degli studi di Milano Dipartimento di Scienze dell Informazione Laboratorio di algoritmi e strutture dati Corso di laurea in Informatica Funzioni - in breve: Funzioni Definizione di funzioni
MATEMATICA DEL DISCRETO elementi di teoria dei grafi. anno acc. 2009/2010
elementi di teoria dei grafi anno acc. 2009/2010 Grafi semplici Un grafo semplice G è una coppia ordinata (V(G), L(G)), ove V(G) è un insieme finito e non vuoto di elementi detti vertici o nodi di G, mentre
12 - Introduzione alla Programmazione Orientata agli Oggetti (Object Oriented Programming OOP)
12 - Introduzione alla Programmazione Orientata agli Oggetti (Object Oriented Programming OOP) Programmazione e analisi di dati Modulo A: Programmazione in Java Paolo Milazzo Dipartimento di Informatica,
Fondamenti di Teoria delle Basi di Dati
Fondamenti di Teoria delle Basi di Dati Riccardo Torlone Parte 7: Datalog Calcolo e algebra relazionale: limiti Calcolo e algebra sono sostanzialmente equivalenti: l'insieme di interrogazioni con essi
COGNOME... NOME... Classe... Data... 1.a Calcolare le seguenti espressioni: 3. 220 245
Capitolo I radicali Risoluzione algebrica erifica per la classe seconda Espressioni numeriche Equazioni lineari Esistenza Operazioni Espressioni letterali.a Calcolare le seguenti espressioni:. 5. 8 3.
Indice. 1 Introduzione alle Equazioni Differenziali 1 1.1 Esempio introduttivo... 1 1.2 Nomenclatura e Teoremi di Esistenza ed Unicità...
Indice 1 Introduzione alle Equazioni Differenziali 1 1.1 Esempio introduttivo............................. 1 1.2 Nomenclatura e Teoremi di Esistenza ed Unicità.............. 5 i Capitolo 1 Introduzione
RISOLUTORE AUTOMATICO PER SUDOKU
RISOLUTORE AUTOMATICO PER SUDOKU Progetto Prolog - Pierluigi Tresoldi 609618 INDICE 1.STORIA DEL SUDOKU 2.REGOLE DEL GIOCO 3.PROGRAMMAZIONE CON VINCOLI 4.COMANDI DEL PROGRAMMA 5.ESEMPI 1. STORIA DEL SUDOKU
Intelligenza Artificiale
Intelligenza Artificiale Esercizi e Domande di Esame Tecniche di Ricerca e Pianificazione Esercizi Griglia Si consideri un ambiente costituito da una griglia n n in cui si muove un agente che può spostarsi
Capitolo 4: Ottimizzazione non lineare non vincolata parte II. E. Amaldi DEIB, Politecnico di Milano
Capitolo 4: Ottimizzazione non lineare non vincolata parte II E. Amaldi DEIB, Politecnico di Milano 4.3 Algoritmi iterativi e convergenza Programma non lineare (PNL): min f(x) s.v. g i (x) 0 1 i m x S
Una funzione è detta ricorsiva se chiama, direttamente o indirettamente, se stessa. In C tutte le funzioni possono essere usate ricorsivamente.
Ricorsione Funzioni ricorsive Una funzione è detta ricorsiva se chiama, direttamente o indirettamente, se stessa. In C tutte le funzioni possono essere usate ricorsivamente. Un esempio di funzione ricorsiva
Sistemi Operativi IMPLEMENTAZIONE DEL FILE SYSTEM. Implementazione del File System. Struttura del File System. Implementazione
IMPLEMENTAZIONE DEL FILE SYSTEM 9.1 Implementazione del File System Struttura del File System Implementazione Implementazione delle Directory Metodi di Allocazione Gestione dello spazio libero Efficienza
Ricorsione in SQL-99. Introduzione. Idea di base
Ricorsione in SQL-99 Introduzione In SQL2 non è possibile definire interrogazioni che facciano uso della ricorsione Esempio Voli(lineaAerea, da, a, parte, arriva) non è possibile esprimere l interrogazione
x (x i ) (x 1, x 2, x 3 ) dx 1 + f x 2 dx 2 + f x 3 dx i x i
NA. Operatore nabla Consideriamo una funzione scalare: f : A R, A R 3 differenziabile, di classe C (2) almeno. Il valore di questa funzione dipende dalle tre variabili: Il suo differenziale si scrive allora:
Appunti di Logica Matematica
Appunti di Logica Matematica Francesco Bottacin 1 Logica Proposizionale Una proposizione è un affermazione che esprime un valore di verità, cioè una affermazione che è VERA oppure FALSA. Ad esempio: 5
Il sistema monetario
Il sistema monetario Premessa: in un sistema economico senza moneta il commercio richiede la doppia coincidenza dei desideri. L esistenza del denaro rende più facili gli scambi. Moneta: insieme di tutti
La Progettazione Concettuale
La Progettazione Concettuale Università degli Studi del Sannio Facoltà di Ingegneria Corso di Laurea in Ingegneria Informatica CorsodiBasidiDati Anno Accademico 2006/2007 docente: ing. Corrado Aaron Visaggio
I sistemi di numerazione
I sistemi di numerazione 01-INFORMAZIONE E SUA RAPPRESENTAZIONE Sia dato un insieme finito di caratteri distinti, che chiameremo alfabeto. Utilizzando anche ripetutamente caratteri di un alfabeto, si possono
b i 1,1,1 1,1,1 0,1,2 0,3,4
V o Appello // RICERCA OPERATIVA - Corso A (a.a. 9/) Nome Cognome: Corso di Laurea: L C6 LS LM Matricola: ) Si consideri il problema di flusso di costo minimo in figura. Si verifichi se il flusso ammissibile
Modellazione dei dati in UML
Corso di Basi di Dati e Sistemi Informativi Modellazione dei dati in UML Angelo Montanari Dipartimento di Matematica e Informatica Università degli Studi di Udine Introduzione UML (Unified Modeling Language):
Intelligenza 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
Ottimizzazione nella gestione dei progetti Capitolo 4: la gestione dei costi (Programmazione multimodale): formulazioni
Ottimizzazione nella gestione dei progetti Capitolo 4: la gestione dei costi (Programmazione multimodale): formulazioni CARLO MANNINO Università di Roma La Sapienza Dipartimento di Informatica e Sistemistica
Appunti di informatica. Lezione 2 anno accademico 2015-2016 Mario Verdicchio
Appunti di informatica Lezione 2 anno accademico 2015-2016 Mario Verdicchio Sistema binario e logica C è un legame tra i numeri binari (0,1) e la logica, ossia la disciplina che si occupa del ragionamento
1 Serie di Taylor di una funzione
Analisi Matematica 2 CORSO DI STUDI IN SMID CORSO DI ANALISI MATEMATICA 2 CAPITOLO 7 SERIE E POLINOMI DI TAYLOR Serie di Taylor di una funzione. Definizione di serie di Taylor Sia f(x) una funzione definita
Il Software. Il software del PC. Il BIOS
Il Software Il software del PC Il computer ha grandi potenzialità ma non può funzionare senza il software. Il software essenziale per fare funzionare il PC può essere diviso nelle seguenti componenti:
Capitolo 3. L applicazione Java Diagrammi ER. 3.1 La finestra iniziale, il menu e la barra pulsanti
Capitolo 3 L applicazione Java Diagrammi ER Dopo le fasi di analisi, progettazione ed implementazione il software è stato compilato ed ora è pronto all uso; in questo capitolo mostreremo passo passo tutta
La programmazione con vincoli in breve. La programmazione con vincoli in breve
Obbiettivi Introdurre la nozione di equivalenza di CSP. Dare una introduzione intuitiva dei metodi generali per la programmazione con vincoli. Introdurre il framework di base per la programmazione con
Intelligenza Artificiale Ing. Tiziano Papini
Intelligenza Artificiale Ing. Tiziano Papini Email: [email protected] Web: http://www.dii.unisi.it/~papinit Constraint Satisfaction Introduzione Intelligenza Artificiale - CSP Tiziano Papini - 2011
Probabilità II Variabili casuali discrete
Probabilità II Variabili casuali discrete Definizioni principali. Valore atteso e Varianza. Teorema di Bienaymé - Čebičev. V.C. Notevoli: Bernoulli e Binomiale. Concetto di variabile casuale Cos'è una
Alcune nozioni di base di Logica Matematica
Alcune nozioni di base di Logica Matematica Ad uso del corsi di Programmazione I e II Nicola Galesi Dipartimento di Informatica Sapienza Universitá Roma November 1, 2007 Questa é una breve raccolta di
Algoritmi e Strutture Dati
Alberi Binari di Ricerca (BST) Maria Rita Di Berardini, Emanuela Merelli 1 1 Dipartimento di Matematica e Informatica Università di Camerino A.A. 2006/07 Alberi Binari di Ricerca (Binary Search Trees BST)
Sommario. Linguaggi formali: motivazioni, definizione ed esempi operazioni su parole e linguaggi
Sommario Linguaggi formali: motivazioni, definizione ed esempi operazioni su parole e linguaggi 1 Tipi di problemi Nelle teorie della calcolabilità e della complessità si considerano problemi di decisione,
Alla ricerca dell algoritmo. Scoprire e formalizzare algoritmi.
PROGETTO SeT Il ciclo dell informazione Alla ricerca dell algoritmo. Scoprire e formalizzare algoritmi. Scuola media Istituto comprensivo di Fagagna (Udine) Insegnanti referenti: Guerra Annalja, Gianquinto
Esercizi su. Funzioni
Esercizi su Funzioni ๒ Varie Tracce extra Sul sito del corso ๓ Esercizi funz_max.cc funz_fattoriale.cc ๔ Documentazione Il codice va documentato (commentato) Leggibilità Riduzione degli errori Manutenibilità
Calcolatori: Algebra Booleana e Reti Logiche
Calcolatori: Algebra Booleana e Reti Logiche 1 Algebra Booleana e Variabili Logiche I fondamenti dell Algebra Booleana (o Algebra di Boole) furono delineati dal matematico George Boole, in un lavoro pubblicato
CONCETTO DI LIMITE DI UNA FUNZIONE REALE
CONCETTO DI LIMITE DI UNA FUNZIONE REALE Il limite di una funzione è uno dei concetti fondamentali dell'analisi matematica. Tramite questo concetto viene formalizzata la nozione di funzione continua e
Laboratorio di Ricerca Operativa Cad Ingegneria Gestionale (BGER3 - I semestre) a.a. 2012-13 Homework n 13. Docente: Laura Palagi
Laboratorio di Ricerca Operativa Cad Ingegneria Gestionale (BGER3 - I semestre) a.a. 2012-13 Homework n 13 Docente: Laura Palagi A.A. 2012/2013 Laboratorio di Ricerca Operativa BGER Leonardo Mastrantoni
Statistica inferenziale
Statistica inferenziale Popolazione e campione Molto spesso siamo interessati a trarre delle conclusioni su persone che hanno determinate caratteristiche (pazienti, atleti, bambini, gestanti, ) Osserveremo
Corso di Matematica per la Chimica
Dott.ssa Maria Carmela De Bonis a.a. 203-4 I sistemi lineari Generalità sui sistemi lineari Molti problemi dell ingegneria, della fisica, della chimica, dell informatica e dell economia, si modellizzano
Note del Corso di Modelli Biologici Discreti: Un paio di algoritmi DNA per risolvere SAT
Note del Corso di Modelli Biologici Discreti: Un paio di algoritmi DNA per risolvere SAT Giuditta Franco Corso di Laurea in Bioinformatica - AA 2012/2013 Uno dei più grossi risultati nell informatica degli
Corso di Analisi Matematica Serie numeriche
Corso di Analisi Matematica Serie numeriche Laurea in Informatica e Comunicazione Digitale A.A. 2013/2014 Università di Bari ICD (Bari) Analisi Matematica 1 / 25 1 Definizione e primi esempi 2 Serie a
Esempi di algoritmi. Lezione III
Esempi di algoritmi Lezione III Scopo della lezione Implementare da zero algoritmi di media complessità. Verificare la correttezza di un algoritmo eseguendolo a mano. Imparare a valutare le prestazioni
Nozione di algoritmo. Gabriella Trucco
Nozione di algoritmo Gabriella Trucco Programmazione Attività con cui si predispone l'elaboratore ad eseguire un particolare insieme di azioni su particolari informazioni (dati), allo scopo di risolvere
Equilibrio bayesiano perfetto. Giochi di segnalazione
Equilibrio bayesiano perfetto. Giochi di segnalazione Appunti a cura di Stefano Moretti, Silvia VILLA e Fioravante PATRONE versione del 26 maggio 2006 Indice 1 Equilibrio bayesiano perfetto 2 2 Giochi
Piano di gestione della qualità
Piano di gestione della qualità Pianificazione della qualità Politica ed obiettivi della qualità Riferimento ad un eventuale modello di qualità adottato Controllo della qualità Procedure di controllo.
L algebra di Boole. Cenni Corso di Reti Logiche B. Mariagiovanna Sami
L algebra di Boole Cenni Corso di Reti Logiche B Mariagiovanna Sami Algebra Booleana: sistema algebrico Operazione: Operazione α sull'insieme S={s1,s2,...} = funzione che da SxS (prodotto cartesiano S
ALGEBRA RELAZIONALE RIEPILOGO
ALGEBRA RELAZIONALE RIEPILOGO PROIEZIONE: (notazione ) Operatore unario per estrarre colonne da una relazione: lista_attributi (R) Lo schema del risultato contiene i soli attributi contenuti in lista_attributi.
