Dunaújvárosi Főiskola Informatikai Intézet
|
|
- Réka Takács
- 7 évvel ezelőtt
- Látták:
Átírás
1 Dunaújvárosi Főiskola Informatikai Intézet Bizonytalanságkezelés Dr. Seebauer Márta főiskolai tanár
2 Bizonytalan tudás forrása A klasszikus logikában a kijelentések vagy igazak vagy hamisak. A természetes nyelvekben az állítások nem világosan megfogalmazottak homályos tudás Ha az étel túl forró, akkor várj. az adott pillanatban nem meghatározottak bizonytalan kijelentések A hallgatók legalább 50%-a jó jegyet kap.
3 Holnap esni fog. Az Euro árfolyama emelkedni fog. Bizonytalan tudás A kijelentések igazak vagy hamisak ugyan, de az adott pillanatban még nem lehet ezt eldönteni. A klasszikus logikát valószínűségértékekkel kell kiegészíteni. A valószínűségértékek statisztikai adatokon alapulnak. Legyen Ω egy véges eseménytér. P=[0,1] függvényt valószínűségfüggvénynek nevezünk, ha teljesül a következő feltétel: P(Ω) =1 P(X Y) = P(X) +P(Y) X, Y Ω, ahol X Y= Kielégíthetetlen esemény Monotónia Szubtraktivitás Szubadditivitás Additivitás Komplemens P( )=0 X Y P(X) P(Y) X Y P(Y X C ) = P(Y) - P(X) P(X Y) P(X) + P(Y) P(X Y) = P(X) + P(Y) - P(X Y) P(X C ) = 1 - P(X)
4 Dr. Seebauer Márta: Me
5 Példa feltételes valószínűségre X kijelentés: A kocsi motorja furcsán zörög. P(X)= 0,08 Y kijelentés: Olajat kellett cserélni. P(Y)= 0,06 Az esetek 60%-ban, amikor olajcserét végeztek, az ok a motor furcsa zöreje volt P(X Y)=0,6 Annak a valószínűsége, hogy a furcsa motorzaj esetén olajat kell cserélni: 0,6*0,06 P(Y X) = = 0,08 0,45
6 Bizonytalansági tényező Certainty Factors, CF egy kijelentés erősségének numerikus értéke, amely tapasztalaton vagy háttértudáson alapul. CF(H E)=[-1,1] H Hipotézis (Esemény) E Evidencia (Feltétel) 1. szabály: Esik 0,9 Rossz idő van. 2. szabály: Fúj a szél 0,7 Rossz idő van. 3. szabály: Süt a Nap -0,9 Rossz idő van. Modus ponens: A B A B CF(Rossz idő van Esik) = 0,9. CF(Esik E)=1. CF(Rossz idő van)= CF(Esik E)* CF(Rossz idő van Esik) = 1*0,9 = 0,9 a = CF(Rossz idő van Esik) = 0,9. b = CF(Rossz idő van Fúj a szél) = 0,7. CF(Esik E)=1. CF(Fúj a szél E)=1. CF(Rossz idő van Esik Fúj a szél)= a+b-a*b= 0,9+0,7-0,7*0,9 = 0,97
7 A Mycin bizonytalanságkezelése Kapcsolat CFkiszámítása Feltétel ÉS CF(a b E) min (CF(a E),CF(b E) VAGY CF(a b E) max (CF(a E),CF(b E) Nem CF( P E) -CF(P E) Szabály CF(H E) CF(P E)*CF(H P) Két CF H-ra CF(H E 1, E 2 ) CF 1 +CF 2 -CF 1 *CF 2 CF 1 és CF 2 pozitív CF 1 +CF 2 +CF 1 *CF 2 CF 1 és CF 2 negatív (CF 1 +CF 2 )/1-min( CF 1, CF 2 ) CF 1 *CF 2 <0 nem meghatározott CF 1 *CF 2 = -1-1,0-0,8-0,6-0,2 0 0,2 0,6 0,8 1,0 Biztosan hamis Lehet, hogy hamis Valószínűleg hamis Majdnem bizonyosan hamis Dr. Seebauer Márta: Mesterséges intelligencia. Ismeretlen Lehet, hogy igaz Valószínűleg igaz Majdnem Biztosan igaz bizonyosan igaz
8 Fuzzy modell Klasszikus logika: fiatal(x), fiatal(x) fiatal X=35 éves Adatbanki besorolás X=35 éves fiatal fiatal középkorú idős öreg Fuzzy logika µ életkor (X) µ középkorú (35)=0,7 1 µ fiatal (35)=0,35 fiatal középkorú idős öreg 0 35 Dr. Seebauer Márta: Mesterséges intelligencia X [évek]
9 Fuzzy halmazok A halmazelmélet Latfi Zadeh által javasolt kiterjesztése. Jelölje X az alaphalmazt (Életkor). Legyen Z egy Fuzzy halmaz, amelyet X-en értelmezünk és elemei X egy részhalmazát alkotják (Fiatal, Középkorú, Idős, Öreg). x legyen X halmaz egy eleme és z legyen Z halmaz egy eleme. X et tagságfüggvénnyel jellemezzük: µ Z : X [0,1] Z és X halmaz minden elemére érvényes µ z (x) = s Legyen Z und Z két X halmazon értelmezett Fuzzy halmaz. Z nevezhető Z részhalmazának, Z Z akkor, ha minden x X-re érvényes, hogy µ (x) µ (x)
10 Fuzzy halmazokkal végzett műveletek Dr. Seebauer Márta: Mesterséges intelligencia.
11 Fuzzy logika Kapcsolat Halmazon értelmezett művelet Konjunkció min(µ A (u), µ B (u)) Diszjunkció max(µ A (u), µ B (u)) Komplemens 1-µ A (u) Implikáció min(1,1-µ A (u) + µ B (u)) Lukasiewicz max(1-µ A (u), µ B (u)) Kleen-Dienes max(1-µ A (u), min(µ A (u), µ B (u)) Zadeh 1-µ A (u) + µ A (u)* µ B (u) Reichenbach
12 Nyaralás feltételei A nyaralásnak lehetőleg az igényelt szabadság idejére - június 20 és augusztus 10 közé kell esnie. Vízpartra szeretnénk menni. Az utazás legyen olcsó vagy garantált legyen a napsütés. Nyaralás tervezése Uticél Balaton Ajánlatok Időtartam Ár (Ft) µ ár (X) 1 0,9 Horvátország Mallorca ,5 0,4 Időtartam Vízpart (Napsütés Ár) X [Ft] Uticél µ időtartam µ ár µ napsütés µ vízpart 1.modell 2.modell 3.modell Balaton 0,93 0,9 0,8 0,95 0,9 0,88 0,86 Horvátország 1 0,4 0,9 0,8 0,8 0,8 0,75 Mallorca 0,86 0,5 0,95 0,99 0,86 0,85 0,83
13 Fuzzy vezérlő felépítése Mért értékek Folyamat Vezérlőjelek Életlenítés Fuzzy vezérlő Fuzzy következtetés Élesítés Tudásbázis
14 Tudásbázis Ha X értéke kicsi pozitív és Y értéke kicsi pozitív, akkor Z értéke kicsi pozitív. Ha X értéke nagy pozitív és Y értéke kicsi pozitív, akkor Z értéke nagy pozitív. Fuzzy vezérlő működése Életlenítés konkrét bemenő értékek alapján a hozzájuk tartozó tagságfüggvény értékének meghatározása Fuzzy következtetés a tudásbázisban tárolt szabályok alapján a végkövetkeztetés tagságfüggvény értékének kiszámítása Élesítés - a tagságfüggvénye alapján a kimenet értékének megállapítása. Lehet: terület, súlypont, stb. Fuzzy vezérlő
15 Konténerrakodó robot vezérlése Teher szöge Távolság Teher szöge nagy kicsi nulla Távolság Bemenő értékek a teher szöge és a céltól mért távolsága. Kimenő érték a motorra adott vezérlő jel. pozitív nagy pozitív kicsi nulla lassan lassan lassan vissza lassan vissza állj negatív kicsi lassan lassan negatív nagy lassan vissza
16 Konténerrakodó robot vezérlése µ szög (β) nulla µ távolság (l) nulla µ teljesítmény (P) állj negatív kicsi pozitív kicsi kicsi lassan vissza lassan egatív nagy pozitív nagy nagy vissza β [º] l [m] P [W] 1. IF távolság = nagy THEN teljesítmény = _. 2. IF távolság = kicsi AND szög = pozitív_nagy THEN teljesítmény = _vissza. 3. IF távolság = kicsi AND szög = negatív_nagy THEN teljesítmény = _. 4. IF távolság = nulla AND szög = pozitív_kicsi THEN teljesítmény = lassan_vissza. 5. IF távolság = nulla AND szög = negatív_kicsi THEN teljesítmény = lassan_. 6. IF távolság = nulla AND szög = nulla THEN teljesítmény = állj. Teher szöge: β = -20º Távolság: l = 5m Motorteljesítmény: P = 170W
Algoritmusok Tervezése. Fuzzy rendszerek Dr. Bécsi Tamás
Algoritmusok Tervezése Fuzzy rendszerek Dr. Bécsi Tamás Bevezetés Mese a homokkupacról és a hidegről és a hegyekről Bevezetés, Fuzzy történet Két értékű logika, Boole algebra Háromértékű logika n értékű
RészletesebbenValószínűségi változók. Várható érték és szórás
Matematikai statisztika gyakorlat Valószínűségi változók. Várható érték és szórás Valószínűségi változók 2016. március 7-11. 1 / 13 Valószínűségi változók Legyen a (Ω, A, P) valószínűségi mező. Egy X :
RészletesebbenLogikai ágensek. Mesterséges intelligencia március 21.
Logikai ágensek Mesterséges intelligencia 2014. március 21. Bevezetés Eddigi példák tudásra: állapotok halmaza, lehetséges operátorok, ezek költségei, heurisztikák Feltételezés: a világ (lehetséges állapotok
RészletesebbenSzámítási intelligencia
Botzheim János Számítási intelligencia Budapesti Műszaki és Gazdaságtudományi Egyetem, Mechatronika, Optika és Gépészeti Informatika Tanszék Graduate School of System Design, Tokyo Metropolitan University
RészletesebbenMatematikai logika és halmazelmélet
Matematikai logika és halmazelmélet Wettl Ferenc előadása alapján 2015-09-07 Wettl Ferenc előadása alapján Matematikai logika és halmazelmélet 2015-09-07 1 / 21 Tartalom 1 Matematikai kijelentések szerkezete
RészletesebbenBEVEZETÉS A FUZZY-ELVŰ SZABÁLYOZÁSOKBA. Jancskárné Dr. Anweiler Ildikó főiskolai docens. PTE PMMIK Műszaki Informatika Tanszék
BEVEZETÉS A FUZZY-ELVŰ SZABÁLYOZÁSOKBA Jancskárné Dr. Anweiler Ildikó főiskolai docens PTE PMMIK Műszaki Informatika Tanszék A fuzzy-logika a kétértékű logika kalkulusának kiterjesztése. Matematikatörténeti
RészletesebbenKijelentéslogika, ítéletkalkulus
Kijelentéslogika, ítéletkalkulus Kijelentés, ítélet: olyan kijelentő mondat, amelyről egyértelműen eldönthető, hogy igaz vagy hamis Logikai értékek: igaz, hamis zürke I: 52-53, 61-62, 88, 95 Logikai műveletek
RészletesebbenNegáció igazságtáblája. Propozicionális logika -- levezetések. Diszjunkció igazságtáblája. Konjunkció igazságtáblája. Kondicionális igazságtáblája
Negáció igazságtáblája Propozicionális logika -- levezetések p ~p I H H I Konjunkció igazságtáblája Diszjunkció igazságtáblája p q p&q I I I I H H H I H H H H p q pvq I I I I H I H I I H H H Megengedő
RészletesebbenKijelentéslogika, ítéletkalkulus
Kijelentéslogika, ítéletkalkulus Arisztotelész (ie 4. sz) Leibniz (1646-1716) oole (1815-1864) Gödel (1906-1978) Neumann János (1903-1957) Kalmár László (1905-1976) Péter Rózsa (1905-1977) Kijelentés,
RészletesebbenA logikai következmény
Logika 3 A logikai következmény A logika egyik feladata: helyes következtetési sémák kialakítása. Példa következtetésekre : Minden veréb madár. Minden madár gerinces. Minden veréb gerinces 1.Feltétel 2.Feltétel
RészletesebbenIntelligens irányítások
Intelligens irányítások Fuzzy halmazok Ballagi Áron Széchenyi István Egyetem Automatizálási Tsz. Arisztotelészi szi logika 2 Taichi Yin-Yang Yang logika 3 Hagyományos és Fuzzy halmaz Egy hagyományos halmaz
RészletesebbenMatematikai logika. 3. fejezet. Logikai m veletek, kvantorok 3-1
3. fejezet Matematikai logika Logikai m veletek, kvantorok D 3.1 A P és Q elemi ítéletekre vonatkozó logikai alapm veleteket (konjunkció ( ), diszjunkció ( ), implikáció ( ), ekvivalencia ( ), negáció
RészletesebbenBizonytalanság. Mesterséges intelligencia április 4.
Bizonytalanság Mesterséges intelligencia 2014. április 4. Bevezetés Eddig: logika, igaz/hamis Ha nem teljes a tudás A világ nem figyelhető meg közvetlenül Részleges tudás nem reprezentálható logikai eszközökkel
Részletesebben3. Fuzzy aritmetika. Gépi intelligencia I. Fodor János NIMGI1MIEM BMF NIK IMRI
3. Fuzzy aritmetika Gépi intelligencia I. Fodor János BMF NIK IMRI NIMGI1MIEM Tartalomjegyzék I 1 Intervallum-aritmetika 2 Fuzzy intervallumok és fuzzy számok Fuzzy intervallumok LR fuzzy intervallumok
Részletesebben2. Alapfogalmak, műveletek
2. Alapfogalmak, műveletek Gépi intelligencia I. Fodor János BMF NIK IMRI NIMGIMIEM Tartalomjegyzék I Mit tudunk eddig? 2 Fuzzy halmazokkal kapcsolatos alapvető fogalmak Fuzzy halmaz tartója Fuzzy halmaz
RészletesebbenA matematika nyelvéről bevezetés
A matematika nyelvéről bevezetés Wettl Ferenc 2006. szeptember 19. Wettl Ferenc () A matematika nyelvéről bevezetés 2006. szeptember 19. 1 / 17 Tartalom 1 Matematika Kijelentő mondatok Matematikai kijelentések
RészletesebbenKnoch László: Információelmélet LOGIKA
Mi az ítélet? Az ítélet olyan mondat, amely vagy igaz, vagy hamis. Azt, hogy az adott ítélet igaz vagy hamis, az ítélet logikai értékének nevezzük. Jelölése: i igaz h hamis A 2 páros és prím. Logikai értéke
RészletesebbenBIZONYTALAN ADATOK KEZELÉSE: FUZZY SZAKÉRTŐI RENDSZEREK
BIZONYTALAN ADATOK KEZELÉSE: FUZZY SZAKÉRTŐI RENDSZEREK Szakértői rendszerek, 14. hét, 2008 Tartalom 1 Bevezető 2 Fuzzy történelem A fuzzy logika kialakulása Alkalmazások Fuzzy logikát követ-e a világ?
RészletesebbenIntelligens irányítások
Intelligens irányítások Fuzzy következtető rendszerek Ballagi Áron Széchenyi István Egyetem Automatizálási Tsz. 1 Fuzzy következtető rendszer Fuzzy következtető Szabálybázis Fuzzifikáló Defuzzifikáló 2
RészletesebbenÍTÉLETKALKULUS (NULLADRENDŰ LOGIKA)
ÍTÉLETKALKULUS SZINTAXIS ÍTÉLETKALKULUS (NULLADRENDŰ LOGIKA) jelkészlet elválasztó jelek: ( ) logikai műveleti jelek: ítéletváltozók (logikai változók): p, q, r,... ítéletkonstansok: T, F szintaxis szabályai
RészletesebbenA matematika nyelvér l bevezetés
A matematika nyelvér l bevezetés Wettl Ferenc 2012-09-06 Wettl Ferenc () A matematika nyelvér l bevezetés 2012-09-06 1 / 19 Tartalom 1 Matematika Matematikai kijelentések 2 Logikai m veletek Állítások
RészletesebbenMatematikai logika NULLADRENDŰ LOGIKA
Matematikai logika NULLADRENDŰ LOGIKA Kijelentő mondatokhoz, melyeket nagy betűkkel jelölünk, interpretáció (egy függvény) segítségével igazságértéket rendelünk (I,H). Szintaxisból (nyelvtani szabályok,
RészletesebbenMérhetőség, σ-algebrák, Lebesgue Stieltjes-integrál, véletlen változók és eloszlásfüggvényeik
Mérhetőség, σ-algebrák, Lebesgue Stieltjes-integrál, véletlen változók és eloszlásfüggvényeik Az A halmazrendszer σ-algebra az Ω alaphalmazon, ha Ω A; A A A c A; A i A, i N, i N A i A. Az A halmazrendszer
RészletesebbenFuzzy halmazok jellemzői
A Fuzzy rendszerek, számítási intelligencia gyakorló feladatok megoldása Fuzzy halmazok jellemzői A fuzzy halmaz tartója az alaphalmaz azon elemeket tartalmazó részhalmaza, melyek tagsági értéke 0-nál
RészletesebbenElsőrendű logika. Mesterséges intelligencia március 28.
Elsőrendű logika Mesterséges intelligencia 2014. március 28. Bevezetés Ítéletkalkulus: deklaratív nyelv (mondatok és lehetséges világok közti igazságrelációk) Részinformációkat is kezel (diszjunkció, negáció)
Részletesebben9. előadás. Programozás-elmélet. Programozási tételek Elemi prog. Sorozatszámítás Eldöntés Kiválasztás Lin. keresés Megszámolás Maximum.
Programozási tételek Programozási feladatok megoldásakor a top-down (strukturált) programtervezés esetén három vezérlési szerkezetet használunk: - szekvencia - elágazás - ciklus Eddig megismertük az alábbi
Részletesebben4. Fuzzy relációk. Gépi intelligencia I. Fodor János NIMGI1MIEM BMF NIK IMRI
4. Fuzzy relációk Gépi intelligencia I. Fodor János BMF NIK IMRI NIMGI1MIEM Tartalomjegyzék I 1 Klasszikus relációk Halmazok Descartes-szorzata Relációk 2 Fuzzy relációk Fuzzy relációk véges alaphalmazok
Részletesebben3. Magyarország legmagasabb hegycsúcsa az Istállós-kő.
1. Bevezetés A logika a görög,,logosz szóból származik, melynek jelentése gondolkodás, beszéd, szó. A logika az emberi gondolkodás vizsgálatával foglalkozik, célja pedig a gondolkodás során használt helyes
Részletesebben17. előadás: Vektorok a térben
17. előadás: Vektorok a térben Szabó Szilárd A vektor fogalma A mai előadásban n 1 tetszőleges egész szám lehet, de az egyszerűség kedvéért a képletek az n = 2 esetben szerepelnek. Vektorok: rendezett
RészletesebbenMesterséges Intelligencia MI
Mesterséges Intelligencia MI Bizonytalan tudás és kezelése Dobrowiecki Tadeusz Eredics Péter, és mások BME I.E. 437, 463-28-99 dobrowiecki@mit.bme.hu, http://www.mit.bme.hu/general/staff/tade Milyen matematikát
RészletesebbenAZ INFORMATIKA LOGIKAI ALAPJAI
AZ INFORMATIKA LOGIKAI ALAPJAI Előadó: Dr. Mihálydeák Tamás Sándor Gyakorlatvezető: Kovács Zita 2017/2018. I. félév 4. gyakorlat Interpretáció A ϱ függvényt az L (0) = LC, Con, Form nulladrendű nyelv egy
Részletesebbenx, x R, x rögzített esetén esemény. : ( ) x Valószínűségi Változó: Feltételes valószínűség: Teljes valószínűség Tétele: Bayes Tétel:
Feltételes valószínűség: Teljes valószínűség Tétele: Bayes Tétel: Valószínűségi változó általános fogalma: A : R leképezést valószínűségi változónak nevezzük, ha : ( ) x, x R, x rögzített esetén esemény.
RészletesebbenValószín ségszámítás. Survey statisztika mesterszak és földtudomány alapszak Backhausz Ágnes 2018/2019.
Valószín ségszámítás Survey statisztika mesterszak és földtudomány alapszak Backhausz Ágnes agnes@cs.elte.hu 2018/2019. szi félév A valószín ségszámítás kurzus céljai a statisztika megalapozása: a véletlen
RészletesebbenA logika, és a matematikai logika alapjait is neves görög tudós filozófus Arisztotelész rakta le "Analitika" című művében, Kr.e. IV. században.
LOGIKA A logika tudománnyá válása az ókori Görögországban kezdődött. Maga a logika szó is görög eredetű, a logosz szó jelentése: szó, fogalom, ész, szabály. Már az első tudósok, filozófusok, és politikusok
RészletesebbenMYCIN. Szakértői rendszer
MYCIN Szakértői rendszer Általában mycin: gombafajból nyert antibiotikum (görög) Pl: kanamycin, tobramycin, streptomycin, stb Általában szakértői rendszer vér fertőzéseinek, gyógykezeléseknek meghatározását
RészletesebbenA F u z z y C L I P S a l a p j a i
A F u z z y C L I P S a l a p j a i A CLIPS rendszer bovítése a bizonytalan információk hatékony kezelése céljából. K é t f é l e b i z o n y t a l a n s á g t á m o g a t á s a : Pontosan nem megfogalmazható
RészletesebbenDunaújvárosi Főiskola Informatikai Intézet. Intelligens ágensek. Dr. Seebauer Márta. főiskolai tanár
Dunaújvárosi Főiskola Informatikai Intézet Intelligens ágensek Dr. Seebauer Márta főiskolai tanár seebauer.marta@szgti.bmf.hu Ágens Ágens (agent) bármi lehet, amit úgy tekinthetünk, hogy érzékelők (sensors)
RészletesebbenAnalízis előadás és gyakorlat vázlat
Analízis előadás és gyakorlat vázlat Készült a PTE TTK GI szakos hallgatóinak Király Balázs 2010-11. I. Félév 2 1. fejezet Számhalmazok és tulajdonságaik 1.1. Nevezetes számhalmazok ➀ a) jelölése: N b)
RészletesebbenMATEMATIKA EMELT SZINTŰ SZÓBELI VIZSGA TÉMAKÖREI (TÉTELEK) 2012
2012 2. Számhalmazok (a valós számok halmaza és részhalmazai), oszthatósággal kapcsolatos problémák, számrendszerek. 4. Hatványozás, hatványfogalom kiterjesztése, azonosságok. Gyökvonás és azonosságai,
RészletesebbenMesterséges Intelligencia 1
Mesterséges Intelligencia Egy ember kecskét, farkast és kápostát seretne átvinni egy folyón, de csak egy kis csónakot talál, amelybe rajta kívül csak egy tárgy fér. Hogyan tud a folyón úgy átkelni, hogy.
Részletesebben1. A matematikai logika alapfogalmai. 2. A matematikai logika műveletei
1. A matematikai logika alapfogalmai Megjegyzések: a) A logikában az állítás (kijelentés), valamint annak igaz vagy hamis voltát alapfogalomnak tekintjük, nem definiáljuk. b) Minden állítással kapcsolatban
RészletesebbenMatematika alapjai; Feladatok
Matematika alapjai; Feladatok 1. Hét 1. Tekintsük a,, \ műveleteket. Melyek lesznek a.) kommutativok b.) asszociativak c.) disztributívak-e a, műveletek? Melyik melyikre? 2. Fejezzük ki a műveletet a \
RészletesebbenDiszkrét matematika I.
Diszkrét matematika I. középszint 2013 ősz 1. Diszkrét matematika I. középszint 8. előadás Mérai László merai@compalg.inf.elte.hu compalg.inf.elte.hu/ merai Komputeralgebra Tanszék 2013 ősz Kombinatorika
RészletesebbenValószín ségszámítás és statisztika
Valószín ségszámítás és statisztika Informatika BSc, esti tagozat Backhausz Ágnes agnes@math.elte.hu fogadóóra: szerda 10-11 és 13-14, D 3-415 2018/2019. tavaszi félév Bevezetés A valószín ségszámítás
RészletesebbenMesterséges Intelligencia MI
Mesterséges Intelligencia MI Valószínűségi hálók - alapok Dobrowiecki Tadeusz Eredics Péter, és mások BME I.E. 437, 463-28-99 dobrowiecki@mit.bme.hu, http://www.mit.bme.hu/general/staff/tade A szükséges
Részletesebben2) Írja fel az alábbi lineáris függvény grafikonjának egyenletét! (3pont)
(11/1) Függvények 1 1) Ábrázolja az f()= -4 függvényt a [ ;10 ] intervallumon! (pont) ) Írja fel az alábbi lineáris függvény grafikonjának egyenletét! (3pont) 3) Ábrázolja + 1 - függvényt a [ ;] -on! (3pont)
RészletesebbenAz informatika logikai alapjai
Az informatika logikai alapjai Várterész Magda DE, Informatikai Kar PTI BSc és informatikatanár hallgatók számára 2017. A logika szó hétköznapi jelentése: rendszeresség, következetesség Ez logikus beszéd
RészletesebbenMesterséges Intelligencia. Csató Lehel. Csató Lehel. Matematika-Informatika Tanszék Babeş Bolyai Tudományegyetem, Kolozsvár 2010/2011 1/363
1/363 Matematika-Informatika Tanszék Babeş Bolyai Tudományegyetem, Kolozsvár 2010/2011 Az Előadások Témái 169/363 Bevezető: mi a mesterséges intelligencia... Tudás reprezentáció Gráfkeresési stratégiák
RészletesebbenBizonytalan tudás kezelése
Budapesti Műszaki és Gazdaságtudományi Egyetem Méréstechnika és Információs rendszerek Tanszék Bizonytalan tudás kezelése Előadó: Előadás anyaga: Hullám Gábor Pataki Béla Dobrowiecki Tadeusz Valószínűségi
RészletesebbenSzámítógépes döntéstámogatás. Döntések fuzzy környezetben Közelítő következtetések
BLSZM-09 p. 1/17 Számítógépes döntéstámogatás Döntések fuzzy környezetben Közelítő következtetések Werner Ágnes Villamosmérnöki és Információs Rendszerek Tanszék e-mail: werner.agnes@virt.uni-pannon.hu
RészletesebbenHalmazelmélet. 1. előadás. Farkas István. DE ATC Gazdaságelemzési és Statisztikai Tanszék. Halmazelmélet p. 1/1
Halmazelmélet 1. előadás Farkas István DE ATC Gazdaságelemzési és Statisztikai Tanszék Halmazelmélet p. 1/1 A halmaz fogalma, jelölések A halmaz fogalmát a matematikában nem definiáljuk, tulajdonságaival
Részletesebben1. Ábrázolja az f(x)= x-4 függvényt a [ 2;10 ] intervallumon! (2 pont) 2. Írja fel az alábbi lineáris függvény grafikonjának egyenletét!
Függvények 1 1. Ábrázolja az f()= -4 függvényt a [ ;10 ] intervallumon!. Írja fel az alábbi lineáris függvény grafikonjának egyenletét! 3. Ábrázolja + 1 - függvényt a [ ;] -on! 4. Az f függvényt a valós
RészletesebbenAz informatika logikai alapjai
Az informatika logikai alapjai Várterész Magda DE, Informatikai Kar PTI BSc és informatikatanár hallgatók számára 2017. Formulahalmaz kielégíthetősége Ezen az előadáson Γ-val egy elsőrendű logikai nyelv
Részletesebben1. tétel Halmazok és halmazok számossága. Halmazműveletek és logikai műveletek kapcsolata.
1. tétel Halmazok és halmazok számossága. Halmazműveletek és logikai műveletek kapcsolata. HLMZOK halmaz axiomatikus fogalom, nincs definíciója. benne van valami a halmazban szintén axiomatikus fogalom,
RészletesebbenMATEMATIK A 9. évfolyam. 2. modul: LOGIKA KÉSZÍTETTE: VIDRA GÁBOR
MATEMATIK A 9. évfolyam 2. modul: LOGIKA KÉSZÍTETTE: VIDRA GÁBOR Matematika A 9. évfolyam. 2. modul: LOGIKA Tanári útmutató 2 MODULLEÍRÁS A modul célja Időkeret Ajánlott korosztály Modulkapcsolódási pontok
RészletesebbenLogika és informatikai alkalmazásai kiskérdések február Mikor mondjuk, hogy az F formula a G-nek részformulája?
,,Alap kiskérdések Logika és informatikai alkalmazásai kiskérdések 2012. február 19. 1. Hogy hívjuk a 0 aritású függvényjeleket? 2. Definiálja a termek halmazát. 3. Definiálja a formulák halmazát. 4. Definiálja,
RészletesebbenDiszkrét matematika I.
Diszkrét matematika I. középszint 2014. ősz 1. Diszkrét matematika I. középszint 2. előadás Mérai László diái alapján Komputeralgebra Tanszék 2014. ősz Matematikai logika Diszkrét matematika I. középszint
RészletesebbenDiszkrét matematika gyakorlat 1. ZH október 10. α csoport
Diszkrét matematika gyakorlat 1. ZH 2016. október 10. α csoport 1. Feladat. (5 pont) Adja meg az α 1 β szorzatrelációt, amennyiben ahol A {1, 2, 3, 4}. α {(1, 2), (1, 3), (2, 1), (3, 1), (3, 4), (4, 4)}
RészletesebbenElméleti összefoglaló a Valószín ségszámítás kurzushoz
Elméleti összefoglaló a Valószín ségszámítás kurzushoz Véletlen kísérletek, események valószín sége Deníció. Egy véletlen kísérlet lehetséges eredményeit kimeneteleknek nevezzük. A kísérlet kimeneteleinek
Részletesebben5. A kiterjesztési elv, nyelvi változók
5. A kiterjesztési elv, nyelvi változók Gépi intelligencia I. Fodor János BMF NIK IMRI NIMGI1MIEM Tartalomjegyzék I 1 A kiterjesztési elv 2 Nyelvi változók A kiterjesztési elv 237 A KITERJESZTÉSI ELV A
RészletesebbenEötvös Loránd Tudományegyetem Természettudományi Kar. Fuzzy optimalizálás. BSc Szakdolgozat
Eötvös Loránd Tudományegyetem Természettudományi Kar Fuzzy optimalizálás BSc Szakdolgozat Készítette: Rajzinger Zsanett Matematika BSc Matematikai elemző szakirány Témavezető: Fullér Róbert Óbudai Egyetem
RészletesebbenA félév során előkerülő témakörök
A félév során előkerülő témakörök rekurzív algoritmusok rendező algoritmusok alapvető adattípusok, adatszerkezetek, és kapcsolódó algoritmusok dinamikus programozás mohó algoritmusok gráf algoritmusok
RészletesebbenOsztályozó- és javítóvizsga témakörei MATEMATIKA tantárgyból
Osztályozó- és javítóvizsga témakörei MATEMATIKA tantárgyból 9. évfolyam I. Halmazok 1. Alapfogalmak, jelölések 2. Halmaz, részhalmaz fogalma, részhalmazok száma, jelölések 3. Nevezetes számhalmazok (N,
RészletesebbenMáté: Számítógép architektúrák
Fixpontos számok Pl.: előjeles kétjegyű decimális számok : Ábrázolási tartomány: [-99, +99]. Pontosság (két szomszédos szám különbsége): 1. Maximális hiba: (az ábrázolási tartományba eső) tetszőleges valós
RészletesebbenA bizonytalanságkezelés modelljeinek osztályozása
A bizonytalanságkezelés modelljeinek osztályozása. A Bayes-modell, a Bayeshálók, a Dempster-Shafer-modell és a fuzzy-modell lényege; alkalmazási lehetőségeik, korlátaik. A heurisztikus és a szimbolikus
RészletesebbenDiszkrét matematika II., 8. előadás. Vektorterek
1 Diszkrét matematika II., 8. előadás Vektorterek Dr. Takách Géza NyME FMK Informatikai Intézet takach@inf.nyme.hu http://inf.nyme.hu/ takach/ 2007.??? Vektorterek Legyen T egy test (pl. R, Q, F p ). Definíció.
RészletesebbenMATEMATIKA EMELT SZINTŰ SZÓBELI VIZSGA TÉMAKÖREI (TÉTELEK) 2005
2005 1. * Halmazok, halmazműveletek, nevezetes ponthalmazok 2. Számhalmazok, halmazok számossága 3. Hatványozás, hatványfüggvény 4. Gyökvonás, gyökfüggvény 5. A logaritmus. Az exponenciális és a logaritmus
RészletesebbenTARTALOMJEGYZÉK. TARTALOMJEGYZÉK...vii ELŐSZÓ... xiii BEVEZETÉS A lágy számításról A könyv célkitűzése és felépítése...
TARTALOMJEGYZÉK TARTALOMJEGYZÉK...vii ELŐSZÓ... xiii BEVEZETÉS...1 1. A lágy számításról...2 2. A könyv célkitűzése és felépítése...6 AZ ÖSSZETEVŐ LÁGY RENDSZEREK...9 I. BEVEZETÉS...10 3. Az összetevő
RészletesebbenMatematika javítóvizsga témakörök 10.B (kompetencia alapú )
Matematika javítóvizsga témakörök 10.B (kompetencia alapú ) 1. A négyzetgyök fogalma, a négyzetgyökvonás művelete 2. A négyzetgyökvonás azonosságai 3. Műveletek négyzetgyökökkel 4. A nevező gyöktelenítése
RészletesebbenFeladatok MATEMATIKÁBÓL
Feladatok MATEMATIKÁBÓL a 1. évfolyam számára III. 1. Számítsuk ki a következő hatványok értékét! a) b) 7 c) 5 d) 5 1 e) 6 1 6 f) ( 81 16 ) g) 0,00001 5. Írjuk fel gyökjelekkel a következő hatványokat!
Részletesebben1. Alapfogalmak Algoritmus Számítási probléma Specifikáció Algoritmusok futási ideje
1. Alapfogalmak 1.1. Algoritmus Az algoritmus olyan elemi műveletekből kompozíciós szabályok szerint felépített összetett művelet, amelyet megadott feltételt teljesítő bemeneti adatra végrehajtva, a megkívánt
Részletesebben2. A példahalmazban n = 3 negatív és p = 3 pozitív példa van, azaz a példahalmazt képviselő döntési fa információtartalma: I = I(1/2, 1/2) = 1 bit.
Példa 1. Döntési fa számítása/1 1. Legyen a felhasználandó példahalmaz: Példa sz. Nagy(x) Fekete(x) Ugat(x) JóKutya(x) X1 Igen Igen Igen Nem X2 Igen Igen Nem Igen X3 Nem Nem Igen Nem X4 Nem Igen Igen Igen
Részletesebben6. ELŐADÁS DIFFERENCIÁLSZÁMÍTÁS II. DIFFERENCIÁLÁSI SZABÁLYOK. BSc Matematika I. BGRMA1HNND, BGRMA1HNNC
6. ELŐADÁS DIFFERENCIÁLSZÁMÍTÁS II. DIFFERENCIÁLÁSI SZABÁLYOK BSc Matematika I. BGRMAHNND, BGRMAHNNC A következő diákon szereplő állítások mindegyikét az előadáson fogjuk igazolni, és példákkal bőségesen
RészletesebbenNagy Gábor compalg.inf.elte.hu/ nagy ősz
Diszkrét matematika 1. középszint 2016. ősz 1. Diszkrét matematika 1. középszint 2. előadás Nagy Gábor nagygabr@gmail.com nagy@compalg.inf.elte.hu compalg.inf.elte.hu/ nagy Mérai László diái alapján Komputeralgebra
RészletesebbenLOGIKA ÉS ÉRVELÉSTECHNIKA
LOGIKA ÉS ÉRVELÉSTECHNIKA ELTE TáTK Közgazdaságtudományi Tanszék Logika és érveléstechnika NULLADREND LOGIKA 3. Készítette: Szakmai felel s: 2011. február Készült a következ m felhasználásával: Ruzsa
Részletesebbenmtologatók részére szeretettel Achs Ágnes
Bit és s Számtologat mtologatók részére szeretettel Achs Ágnes achs.agnes@gmail.com Bizonytalanságkezel gkezelés Keresek Mártának egy Vivaldi hangversenyt Ma Bach koncert van, azt szívesen ajánlom A dialógus
RészletesebbenValó szí nű sé gi va ltózó, sű rű sé gfű ggvé ny, élószla sfű ggvé ny
Való szí nű sé gi va ltózó, sű rű sé gfű ggvé ny, élószla sfű ggvé ny Szűk elméleti összefoglaló Valószínűségi változó: egy függvény, ami az eseményteret a valós számok halmazára tudja vetíteni. A val.
RészletesebbenÍRÁSBELI BELSŐ VIZSGA MATEMATIKA 8. évfolyam reál tagozat Az írásbeli vizsga gyakorlati és elméleti feladatai a következő témakörökből származnak.
ÍRÁSBELI BELSŐ VIZSGA MATEMATIKA 8. évfolyam reál tagozat Az írásbeli vizsga gyakorlati és elméleti feladatai a következő témakörökből származnak. Időtartam: 60 perc 1. Halmazműveletek konkrét halmazokkal.
RészletesebbenVálogatott fejezetek a logikai programozásból ASP. Answer Set Programming Kelemen Attila
ASP 1 Kedvcsináló N királynő 3+1 sorban index(1..n). % minden sorban pontosan 1 királynő van 1{q(X,Y):index(X)}1 :- index(y). % az rossz, ha ugyanabban az oszlopban 2 királynő van :- index(x; Y1; Y2),
RészletesebbenLogika es sz am ıt aselm elet I. r esz Logika 1/36
1/36 Logika és számításelmélet I. rész Logika 2/36 Elérhetőségek Tejfel Máté Déli épület, 2.606 matej@inf.elte.hu http://matej.web.elte.hu Tankönyv 3/36 Tartalom 4/36 Bevezető fogalmak Ítéletlogika Ítéletlogika
RészletesebbenLOGIKA ÉS ÉRVELÉSTECHNIKA
LOGIKA ÉS ÉRVELÉSTECHNIKA ELTE TáTK Közgazdaságtudományi Tanszék Logika és érveléstechnika NULLADREND LOGIKA 1. Készítette: Szakmai felel s: 2011. február Készült a következ m felhasználásával: Ruzsa
RészletesebbenElméleti összefoglaló a Sztochasztika alapjai kurzushoz
Elméleti összefoglaló a Sztochasztika alapjai kurzushoz 1. dolgozat Véletlen kísérletek, események valószín sége Deníció. Egy véletlen kísérlet lehetséges eredményeit kimeneteleknek nevezzük. A kísérlet
RészletesebbenFUZZY LOGIKAI IRÁNYÍTÁS
Electrical Engineering, Budapest, Branch of Computer Science, p.116, (1993). FUZZY LOGIKAI IRÁNYÍTÁS Bevezetés Egyre nagyobb teret hódít napjainkban a fuzzy logikai irányítás. Az 1987-ben (II.Fuzzy Világkongresszus)
RészletesebbenKövetelmény a 6. évfolyamon félévkor matematikából
Követelmény a 6. évfolyamon félévkor matematikából Gondolkodási és megismerési módszerek Halmazba rendezés adott tulajdonság alapján, részhalmaz felírása, felismerése. Két véges halmaz közös részének,
RészletesebbenEgyenletek, egyenlőtlenségek, egyenletrendszerek I.
Egyenletek, egyenlőtlenségek, egyenletrendszerek I. DEFINÍCIÓ: (Nyitott mondat) Az olyan állítást, amelyben az alany helyén változó szerepel, nyitott mondatnak nevezzük. A nyitott mondatba írt változót
RészletesebbenKövetelmény az 5. évfolyamon félévkor matematikából
Követelmény az 5. évfolyamon félévkor matematikából Gondolkodási és megismerési módszerek Néhány elem kiválasztása adott szempont szerint. Néhány elem sorba rendezése, az összes lehetséges sorrend felsorolása.
RészletesebbenAz egyenes egyenlete: 2 pont. Az összevont alak: 1 pont. Melyik ábrán látható e függvény grafikonjának egy részlete?
1. Írja fel annak az egyenesnek az egyenletét, amely áthalad az (1; 3) ponton, és egyik normálvektora a (8; 1) vektor! Az egyenes egyenlete: 2. Végezze el a következő műveleteket, és vonja össze az egynemű
RészletesebbenMatematika 11. évfolyam
Matematika 11. évfolyam Tanmenet Másodfokúra visszavezethető magasabb rendű egyenletek, másodfokú egyenletrendszerek 1. Másodfokú egyenletek (ismétlés) 2. Másodfokú egyenletrendszerek (behelyettesítő módszer)
Részletesebben2019/02/11 10:01 1/10 Logika
2019/02/11 10:01 1/10 Logika < Számítástechnika Logika Szerző: Sallai András Copyright Sallai András, 2011, 2012, 2015 Licenc: GNU Free Documentation License 1.3 Web: http://szit.hu Boole-algebra A Boole-algebrát
RészletesebbenBOOLE ALGEBRA Logika: A konjunkció és diszjunkció tulajdonságai
BOOLE ALGEBRA Logika: A konjunkció és diszjunkció tulajdonságai 1.a. A B B A 2.a. (A B) C A (B C) 3.a. A (A B) A 4.a. I A I 5.a. A (B C) (A B) (A C) 6.a. A A I 1.b. A B B A 2.b. (A B) C A (B C) 3.b. A
RészletesebbenTérinformatikai algoritmusok Elemi algoritmusok
Cserép Máté 2016. szeptember 14. Analóg programozásnak nevezzük azt, amikor egy feladat megoldásához egy már ismert és megoldott feladat megoldását használjuk fel. Általában nem pontosan ugyanazt a feladatot
RészletesebbenFuzzy Rendszerek. 2. előadás Fuzzy következtető rendszerek. Ballagi Áron egyetemi adjunktus. Széchenyi István Egyetem, Automatizálási Tsz.
Fuzzy Rendszerek 2. előadás Fuzzy következtető rendszerek Ballagi Áron egyetemi adjunktus Széchenyi István Egyetem, Automatizálási Tsz. Fuzzy következtető rendszer Fuzzy következtető Szabálybázis Fuzzifikáló
RészletesebbenFuzzy rendszerek. A fuzzy halmaz és a fuzzy logika
Fuzzy rendszerek A fuzzy halmaz és a fuzzy logka A hagyományos kétértékű logka, melyet évezredek óta alkalmazunk a tudományban, és amelyet George Boole (1815-1864) fogalmazott meg matematkalag, azon a
RészletesebbenSpecifikáció. B logikai formula, a bemeneti feltétel, K logikai formula, a kimeneti feltétel, A az algoritmus, amelyre az állítás vonatkozik.
Algoritmus Az algoritmus olyan elemi műveletekből kompozíciós szabályok szerint felépített összetett művelet, amelyet megadott feltételt teljesítő bemeneti adatra végrehajtva, a megkívánt kimeneti adatot
RészletesebbenDöntések vizsgálata klasszikus és fuzzy halmazelméleti megközelítésben tudásbázisú keretrendszer alkalmazásával
Dr. Szeghegyi Ágnes Döntések vizsgálata klasszikus és fuzzy halmazelméleti megközelítésben tudásbázisú keretrendszer alkalmazásával Döntések vizsgálata klasszikus és fuzzy halmazelméleti megközelítésben
RészletesebbenÖSSZEVONT ÓRÁK A MÁSIK CSOPORTTAL. tartósság, megerősítés, visszacsatolás, differenciálás, rendszerezés. SZÁMTANI ÉS MÉRTANI SOROZATOK (25 óra)
Tantárgy: MATEMATIKA Készítette: KRISTÓF GÁBOR, KÁDÁR JUTKA Osztály: 12. évfolyam, fakultációs csoport Vetési Albert Gimnázium, Veszprém Heti óraszám: 6 Éves óraszám: 180 Tankönyv: MATEMATIKA 11 és MATEMATIKA
RészletesebbenÉrettségi előkészítő emelt szint 11-12. évf. Matematika. 11. évfolyam. Tematikai egység/fejlesztési cél
Emelt szintű matematika érettségi előkészítő 11. évfolyam Tematikai egység/fejlesztési cél Órakeret 72 óra Kötelező Szabad Összesen 1. Gondolkodási módszerek Halmazok, matematikai logika, kombinatorika,
RészletesebbenPRÓBAÉRETTSÉGI MATEMATIKA május-június KÖZÉPSZINT. Vizsgafejlesztő Központ
PRÓBAÉRETTSÉGI 2003. május-június MATEMATIKA KÖZÉPSZINT I. Vizsgafejlesztő Központ Kedves Tanuló! Kérjük, hogy a feladatsort legjobb tudása szerint oldja meg! A feladatsorban található szürke téglalapokat
RészletesebbenNagy Gábor compalg.inf.elte.hu/ nagy
Diszkrét matematika 1. estis képzés 2017. ősz 1. Diszkrét matematika 1. estis képzés 11. előadás Nagy Gábor nagygabr@gmail.com nagy@compalg.inf.elte.hu compalg.inf.elte.hu/ nagy Mérai László diái alapján
RészletesebbenAlgoritmusok helyességének bizonyítása. A Floyd-módszer
Algoritmusok helyességének bizonyítása A Floyd-módszer Algoritmusok végrehajtása Egy A algoritmus esetében a változókat három változótípusról beszélhetünk, melyeket az X, Y és Z vektorokba csoportosítjuk
Részletesebben