Vybrané přístupy řešení neurčitosti
|
|
- Pavla Brožová
- před 5 lety
- Počet zobrazení:
Transkript
1 Vybrané přístupy řešení neurčitosti Úvod do znalostního inženýrství, ZS 2015/16 8-1
2 Faktory jistoty Jedná se o přístup založený na ad hoc modelech Hlavním důvodem vzniku tohoto přístupu je omezení slabin pravděpodobnostního přístupu Výhodou tohoto přístupu je snadná implementace a nevýhodou neexistence pevné teorie Klíčovými pojmy jsou faktor jistoty, míra důvěry a míra nedůvěry. Tyto termíny jsou vyjádřeny numerickou hodnotou, která je v intervalu <-1; 1>. Kde -1 je nedůvěra a 1 důvěra. Úvod do znalostního inženýrství, ZS 2015/16 8-2
3 Míra důvěry (MB) Vyjadřuje stupeň, ve kterém je důvěra v hypotézu H podporována pozorováním evidence E. Definice převzata z [1, 6]. Úvod do znalostního inženýrství, ZS 2015/16 8-3
4 Míra nedůvěry (MD) Vyjadřuje stupeň, ve kterém je nedůvěra v hypotézu H podporována pozorováním evidence E. Definice převzata z [1, 6]. Úvod do znalostního inženýrství, ZS 2015/16 8-4
5 Faktor jistoty Při použití přístupu (založeném na faktorech jistoty) se znalosti zapisují do následujících pravidel: Kde CF je faktor jistoty, který je dán mírami důvěry (MB) a nedůvěry (MD): Úvod do znalostního inženýrství, ZS 2015/16 8-5
6 Dempster-Schaferova teorie (DS) Faktory jistoty jsou speciálním případem DS Důvodem vzniku byly obtíže s pravděpodobnostním přístupem, jako jsou reprezentace ignorance (nevědomosti) a součet míry důvěry a její negace musí být 1 (v DS být nemusí) V DS se neoznačují teze jedním pravděpodobnostním číslem, ale intervalem pravděpodobnosti DS pracuje s množinou, která disponuje všemi podmnožinami všech hypotéz (z dané domény) Úvod do znalostního inženýrství, ZS 2015/16 8-6
7 Prostředí (A) Jedná se o množinu vzájemně disjunktních událostí (hypotéz) Každá podmnožina A je možným řešením problému z dané domény (pokud A pokrývá celou doménu a jednotlivé podmnožiny nejsou na sobě závislé) Počet hypotéz (včetně podmnožin) pro N prvků je 2 N Množina všech podmnožin je potenční množina Úvod do znalostního inženýrství, ZS 2015/16 8-7
8 Základní pravděpodobnostní přiřazení Představuje pouze míru důvěry v danou hypotézu H Míra platí pouze pro daný prvek (nikoliv pro jeho podmnožiny) Přiřazení může být pojato jako funkce, které přiřazuje každé podmnožině hodnotu z intervalu <0; 1> Značí se m(h) a musí splňovat: o o Úvod do znalostního inženýrství, ZS 2015/16 8-8
9 Míra domnění Někdy též míra důvěry Je dána jako součet všech základních pravděpodobnostních přiřazení (všech podmnožin) M hypotézy H: Vyjadřuje celkovou důvěru v hypotézu H (nebo v některou její podmnožinu) Úvod do znalostního inženýrství, ZS 2015/16 8-9
10 Musí splňovat: o o o o, kde, kde M je podmnožina H a platí Úvod do znalostního inženýrství, ZS 2015/
11 Míra plauzibility (věrohodnosti) Značí se Pl(H) a vyjadřuje maximální důvěru, která může být přiřazena hypotéze H: kde. Značí se Pl(H) a platí: o o, o, kde Úvod do znalostního inženýrství, ZS 2015/
12 Interval domnění Vyjadřuje rozsah jistoty o hypotéze H. Příklady intervalů: nepravdivost nejistota pravdivost Ignorance Úvod do znalostního inženýrství, ZS 2015/
13 Dempsterovo kombinační pravidlo Pokud existuje více měr důvěry v hypotézu H, pak je nutné sloučení těchto měr a získání tak celkové důvěry:, kde. kompatibilita rozpor Úvod do znalostního inženýrství, ZS 2015/
14 Změna domnění Pokud je nutné rozhodnout, zda daná míra platí, pak se aplikuje přístup změna domnění (viz níže) či podmiňování (další slajd). Základní přiřazení: pro a. Úvod do znalostního inženýrství, ZS 2015/
15 Míra důvěry:, kde. Míra plauzibility: Úvod do znalostního inženýrství, ZS 2015/
16 Podmiňování Základní přiřazení: Úvod do znalostního inženýrství, ZS 2015/
17 Míra důvěry: Míra plauzibility:, kde. Úvod do znalostního inženýrství, ZS 2015/
18 Přibližné usuzování Jedná se o teorii založenou na fuzzy logice o Fuzzy logika je podobor matematické logiky, kde se logické výroky ohodnocují mírou pravdivosti (stupněm příslušnosti) více viz dále Spadá do tzv. soft-computing (tedy teorie netradičních přístupů pro řešení obtížných problémů, jako jsou neuronové sítě, fuzzy množiny/logiky, pravděpodobnostní uvažování ) Úvod do znalostního inženýrství, ZS 2015/
19 Fuzzy logika Fuzzy logika je přístup k uvažování o fuzzy množinách Je základem pro fuzzy ZS V booleovské teorii množin se pracuje pouze se 2 hodnotami (0 nebo 1) Prvky fuzzy množin mohou nabývat reálné hodnoty z intervalu (jedná se o tzv. stupeň příslušnosti) => klasické množiny jsou speciálním případem fuzzy množin Úvod do znalostního inženýrství, ZS 2015/
20 Funkce příslušnosti: Stupeň příslušnosti: o 0 absolutní nepříslušnost o 1 absolutní příslušnost Úvod do znalostního inženýrství, ZS 2015/
21 Fuzzy množina Jedná se množinu prvků, které jsou výstupy funkce příslušnosti (vůči množině A) Obecný zápis fuzzy množiny:, kde Prvky, pro které platí, jsou tzv. podpory množiny Prvky, pro které platí (kde α je zvolená konstanta), tvoří tzv. α-řez množiny Prvky, kde, vytvářejí tzv. jádro Úvod do znalostního inženýrství, ZS 2015/
22 Operace s fuzzy množinami Pro fuzzy množiny neplatí zákon vyloučení třetího a zákon protikladu. Možné operace: Průnik, sjednocení, doplněk, fuzzy negace, rovnost, inkluze, normalizace, koncentrace, dilatace, intenzifikace Kartézský součin fuzzy množin je tzv. fuzzy relace. Úvod do znalostního inženýrství, ZS 2015/
23 Fuzzy ZS Schéma je inspirováno z [5]. Úvod do znalostního inženýrství, ZS 2015/
24 Fuzzifikace Převod vstupů do fuzzy množin(y) Probíhá ve 2 krocích: 1) Normalizace univerza na interval 2) Přiřazení stupňů příslušnosti k daným fuzzy množinám (fuzzy množinami musí být pokryté celé univerzum) Úvod do znalostního inženýrství, ZS 2015/
25 Fuzzy inference Fuzzy pravidlo: Fuzzy ZS ukládá pravidla do matice M (jako asociace (A, B)) V matici M se fuzzy množina A zobrazuje do fuzzy množiny B Nejprve je nutné určit M Úvod do znalostního inženýrství, ZS 2015/
26 Dále pak Operátory: Max-min inference: Max-product inference: V reálné situaci je A+ tvořena jedním číslem, pak platí: Popis fuzzy inference převzat z [2]. Úvod do znalostního inženýrství, ZS 2015/
27 Defuzzifikace Získání jedné hodnoty z fuzzy množiny Existuje mnoho metod nejčastěji používaná je fuzzy centroid: Popis defuzzifikace převzat z [2]. Úvod do znalostního inženýrství, ZS 2015/
28 Literatura: [1] DVOŘÁK, J. Expertní systémy. Skriptum. Brno, VUT [2] MÜLLER, L. Znalostní systémy. Skriptum. Plzeň, ZČU [3] BERKA, P. a kol. Expertní systémy. Skriptum. Praha, VŠE [4] Fuzzy set [online], poslední aktualizace v 10:56 [cit ], Wikipedie. Dostupné z: [5] MAŘÍK, V. a kol. Umělá inteligence vyd. Praha: Academia, 1997, ISBN [6] WEBOVÝ PRŮVODCE SVĚTEM EXPERTNÍCH SYSTÉMŮ [online]. Petr Fazurel. [cit ]. Dostupné z: Úvod do znalostního inženýrství, ZS 2015/
29 Úvod do znalostního inženýrství, ZS 2015/
Zpracování neurčitosti
Zpracování neurčitosti Úvod do znalostního inženýrství, ZS 2015/16 7-1 Usuzování za neurčitosti Neurčitost: Při vytváření ZS obvykle nejsou všechny informace naprosto korektní mohou být víceznačné, vágní,
VíceFuzzy logika. Informační a znalostní systémy
Fuzzy logika Informační a znalostní systémy Fuzzy logika a odvozování Lotfi A. Zadeh (*1921) Lidé nepotřebují přesnou číslem vyjádřenou informaci a přesto jsou schopni rozhodovat na vysoké úrovni, odpovídající
VíceUsuzování za neurčitosti
Usuzování za neurčitosti 25.11.2014 8-1 Usuzování za neurčitosti Hypotetické usuzování a zpětná indukce Míry postačitelnosti a nezbytnosti Kombinace důkazů Šíření pravděpodobnosti v inferenčních sítích
Více0. ÚVOD - matematické symboly, značení,
0. ÚVOD - matematické symboly, značení, číselné množiny Výroky Výrok je každé sdělení, u kterého lze jednoznačně rozhodnout, zda je či není pravdivé. Každému výroku lze proto přiřadit jedinou pravdivostní
Vícepseudopravděpodobnostní Prospector, Fel-Expert
Práce s neurčitostí trojhodnotová logika Nexpert Object, KappaPC pseudopravděpodobnostní Prospector, Fel-Expert (pravděpodobnostní) bayesovské sítě míry důvěry Mycin algebraická teorie Equant fuzzy logika
VíceMATEMATICKÁ TEORIE ROZHODOVÁNÍ
MATEMATICKÁ TEORIE ROZHODOVÁNÍ Metodický list č. 1 Název tématického celku: Řešení úloh Cílem tohoto tematického celku je vysvětlení vybraných pojmů z oblasti řešení úloh. Tématický celek je rozdělen do
VíceFuzzy množiny, Fuzzy inference system. Libor Žák
Fuzzy množiny, Fuzzy inference system Proč právě fuzzy množiny V řadě případů jsou parametry, které vstupují a ovlivňují vlastnosti procesu, popsané pomocí přibližných nebo zjednodušených pojmů. Tedy
VíceMATEMATICKÁ TEORIE ROZHODOVÁNÍ
MATEMATICKÁ metodický list č. 1 Řešení úloh Cílem tohoto tematického celku je vysvětlení vybraných pojmů z oblasti řešení úloh. Tématický celek je rozdělen do těchto dílčích témat: 1. Řešení úloh ve stavovém
VíceFuzzy logika. Posibilistická teorie (1) Systémy s umělou inteligencí
Fuzzy logika Posibilistická teorie (1) Systémy s umělou inteligencí Fuzzy logika a odvozování Lotfi A. Zadeh (*1921) Lidé nepotřebují přesnou číslem vyjádřenou informaci a přesto jsou schopni rozhodovat
VíceStavební fakulta Katedra mechaniky. Jaroslav Kruis, Petr Štemberk
České vysoké učení technické v Praze Stavební fakulta Katedra mechaniky Fuzzy množiny, fuzzy čísla a jejich aplikace v inženýrství Jaroslav Kruis, Petr Štemberk Obsah Nejistoty Teorie pravděpodobnosti
VíceModerní technologie ve studiu aplikované fyziky CZ.1.07/2.2.00/ Množiny, funkce
Moderní technologie ve studiu aplikované fyziky CZ.1.07/2.2.00/07.0018 2. Množiny, funkce MNOŽIN, ZÁKLDNÍ POJMY Pojem množiny patří v matematice ke stěžejním. Nelze jej zavést ve formě definice pomocí
VíceMYCIN, Prospector. Pseudodefinice [Expertní systémy, Feigenbaum a kol. 1988] oblasti kvality rozhodování na úrovni experta.
Expertní systémy MYCIN, Prospector Pseudodefinice [Expertní systémy, Feigenbaum a kol. 1988] Expertní systémy jsou počítačové programy, simulující rozhodovací činnosti experta při řešení složitých úloh
VícePOČÍTAČOVÁ FORMALIZACE MENTÁLNÍCH MODELŮ METODAMI PRAVDĚPODOBNOSTNÍHO JAZYKOVÉHO MODELOVÁNÍ
POČÍTAČOVÁ FORMALIZACE MENTÁLNÍCH MODELŮ METODAMI PRAVDĚPODOBNOSTNÍHO JAZYKOVÉHO MODELOVÁNÍ ON MENTAL MODELS FORMALIZATION THROUGH THE METHODS OF PROBABILISTIC LINGUISTIC MODELLING Zdeňka Krišová, Miroslav
VíceKaždé formuli výrokového počtu přiřadíme hodnotu 0, půjde-li o formuli nepravdivou, a hodnotu 1, půjde-li. α neplatí. β je nutná podmínka pro α
1. JAZYK ATEATIKY 1.1 nožiny nožina je souhrn objektů určitých vlastností, které chápeme jako celek. ZNAČENÍ. x A x A θ A = { { a, b a A = B A B 0, 1 2 a, a,..., a n x patří do množiny A x nepatří do množiny
Více1 Expertní systémy. 1.1 Základní informace. 1.2 Výstupy z učení. 1.3 Expertní systém (ES) 1.4 Komponenty expertních systémů
Obsah 1 Expertní systémy... 2 1.1 Základní informace... 2 1.2 Výstupy z učení... 2 1.3 Expertní systém (ES)... 2 1.4 Části ES... 2 1.5 Pravidlové ES... 3 1.5.1 Reprezentace znalostí... 3 1.5.2... 3 1.5.3
Více2. Množiny, funkce. Poznámka: Prvky množiny mohou být opět množiny. Takovou množinu, pak nazýváme systém množin, značí se
MNOŽIN, ZÁKLDNÍ POJMY Pojem množiny patří v matematice ke stěžejním. Nelze jej zavést ve formě definice pomocí primitivních pojmů; považuje se totiž rovněž za pojem primitivní. Představa o pojmu množina
Víceprof. RNDr. Čestmír Burdík DrCs. prof. Ing. Edita Pelantová CSc. BI-ZMA ZS 2009/2010
Základní pojmy prof. RNDr. Čestmír Burdík DrCs. prof. Ing. Edita Pelantová CSc. Katedra matematiky České vysoké učení technické v Praze c Čestmír Burdík, Edita Pelantová 2009 Základy matematické analýzy
VíceÚvod do informatiky. Miroslav Kolařík. Zpracováno dle učebního textu prof. Bělohlávka: Úvod do informatiky, KMI UPOL, Olomouc 2008.
Úvod do informatiky přednáška třetí Miroslav Kolařík Zpracováno dle učebního textu prof. Bělohlávka: Úvod do informatiky, KMI UPOL, Olomouc 2008. Množiny, relace a funkce úvod Množiny, relace a funkce
VíceMatematika I. Katedra matematiky a deskriptivní geometrie mdg.vsb.cz
Matematika I Úvod Mgr. Iveta Cholevová, Ph. D iveta.cholevova@vsb.cz A 829, 597 324 146 Mgr. Jaroslav Drobek, Ph. D. jaroslav.drobek@vsb.cz, A 837, 597 324 101 Mgr. Arnošt Žídek arnost.zidek@vsb.cz, A
VíceBakalářská matematika I
do předmětu Mgr. Jaroslav Drobek, Ph. D. Katedra matematiky a deskriptivní geometrie Bakalářská matematika I Podmínky absolvování předmětu Zápočet Zkouška 1 účast na přednáškách alespoň v minimálním rozsahu,
VíceFuzzy logika Osnova kurzu
Osnova kurzu 1) Základní pojmy; algoritmizace úlohy 2) Binární logika 3) 4) Algebra blokových schémat 5) Vlastnosti členů regulačních obvodů 1 Osnova přednášky Základní pojmy Lingvistické proměnné Funkce
VíceMatematická analýza 1
Matematická analýza 1 ZS 2019-20 Miroslav Zelený 1. Logika, množiny a základní číselné obory 2. Limita posloupnosti 3. Limita a spojitost funkce 4. Elementární funkce 5. Derivace 6. Taylorův polynom Návod
VíceMatematika B101MA1, B101MA2
Matematika B101MA1, B101MA2 Zařazení předmětu: povinný předmět 1.ročníku bc studia 2 semestry Rozsah předmětu: prezenční studium 2 + 2 kombinované studium 16 + 0 / semestr Zakončení předmětu: ZS zápočet
VíceÚvod do logiky (PL): sémantika predikátové logiky
Logika: systémový rámec rozvoje oboru v ČR a koncepce logických propedeutik pro mezioborová studia (reg. č. CZ.1.07/2.2.00/28.0216, OPVK) Úvod do logiky (PL): sémantika predikátové logiky doc. PhDr. Jiří
VíceReprezentace znalostí - úvod
Reprezentace znalostí - úvod Úvod do znalostního inženýrství, ZS 2015/16 6-1 Co je to znalost? Pojem znalost zahrnuje nejen teoretické vědomosti člověka z dané domény, ale také jeho dlouhodobé zkušenosti
Více1. Matematická logika
MATEMATICKÝ JAZYK Jazyk slouží člověku k vyjádření soudů a myšlenek. Jeho psaná forma má tvar vět. Každá vědní disciplína si vytváří svůj specifický jazyk v úzké návaznosti na jazyk živý. I matematika
VíceUMÌLÁ INTELIGENCE V MODELOVÁNÍ A ØÍZENÍ Miroslav POKORNÝ Praha 1996, BEN Miroslav Pokorný UMÌLÁ INTELIGENCE V MODELOVÁNÍ A ØÍZENÍ Bez pøedchozího písemného svolení nakladatelství nesmí být kterákoli èást
VíceJak je důležité být fuzzy
100 vědců do SŠ 1. intenzivní škola Olomouc, 21. 22. 6. 2012 Jak je důležité být fuzzy Libor Běhounek Ústav informatiky AV ČR 1. Úvod Klasická logika Logika se zabývá pravdivostí výroků a jejím přenášením
VíceZáklady fuzzy řízení a regulace
Ing. Ondřej Andrš Obsah Úvod do problematiky měkkého programování Základy fuzzy množin a lingvistické proměnné Fuzzyfikace Základní operace s fuzzy množinami Vyhodnocování rozhodovacích pravidel inferenční
VíceMATURITNÍ TÉMATA Z MATEMATIKY
MATURITNÍ TÉMATA Z MATEMATIKY 1. Základní poznatky z logiky a teorie množin Pojem konstanty a proměnné. Obor proměnné. Pojem výroku a jeho pravdivostní hodnota. Operace s výroky, složené výroky, logické
VíceZákladní pojmy teorie množin Vektorové prostory
Základní pojmy teorie množin Přednáška MATEMATIKA č. 1 Katedra ekonometrie FEM UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz 7. 10. 2010 Základní pojmy teorie množin Základní pojmy
VíceDodatek č. 3 ke školnímu vzdělávacímu programu. Strojírenství. (platné znění k 1. 9. 2009)
Střední průmyslová škola Jihlava tř. Legionářů 1572/3, Jihlava Dodatek č. 3 ke školnímu vzdělávacímu programu Strojírenství (platné znění k 1. 9. 09) Tento dodatek nabývá platnosti dne 1. 9. 13 (počínaje
Více1. Matematická logika
Moderní technologie ve studiu aplikované fyziky CZ.1.07/2.2.00/07.0018 1. Matematická logika Základem každé vědy (tedy i matematiky i fyziky) je soubor jistých znalostí. To, co z těchto izolovaných poznatků
VíceOrganizace. Zápočet: test týden semestru (pátek) bodů souhrnný test (1 pokus) Zkouška: písemná část ( 50 bodů), ústní část
Matematika I 1/15 2/15 Organizace Zápočet: test 6. + 11. týden semestru (pátek) 80 bodů 50 79 bodů souhrnný test (1 pokus) Zkouška: písemná část ( 50 bodů), ústní část www.vscht.cz/mat Výuka www.vscht.cz/mat/jana.nemcova
Více2. přednáška - PRAVDĚPODOBNOST
2. přednáška - PRAVDĚPODOBNOST NÁHODNÝ POKUS A JEV Každá opakovatelná činnost prováděná za stejných nebo přibližně stejných podmínek, jejíž výsledek je nejistý a závisí na náhodě, se nazývá náhodný pokus.
VíceFuzzy regulátory. Miloš Schlegel. schlegel@kky.zcu.cz
5 Fuzzy regulátory Miloš Schlegel schlegel@kky.zcu.cz Několik výroků o přesnosti Přesnost a pravdivost neznamená totéž. (Henri Matisse) Věřím, že nic není bezpodmínečně pravdivé a proto jsem v opozici
Více1. Znalostní systémy a znalostní inženýrství - úvod. Znalostní systémy. úvodní úvahy a předpoklady. 26. září 2017
Znalostní systémy úvodní úvahy a předpoklady 26. září 2017 1-1 Znalostní systém Definice ZS (Feigenbaum): Znalostní (původně expertní) systémy jsou počítačové programy simulující rozhodovací činnost experta
VíceFuzzy regulátory Mamdaniho a Takagi-Sugenova typu. Návrh fuzzy regulátorů: F-I-A-D v regulátorech Mamdaniho typu. Fuzzifikace. Inference. Viz. obr.
Fuzzy regulátory Mamdaniho a Takagi-Sugenova typu Návrh fuzzy regulátorů: Fuzzifikace, (fuzzyfikace), (F) Inference, (I), Agregace, (A), Defuzzifikace (defuzzyfikace) (D). F-I-A-D v regulátorech Mamdaniho
VíceDnešní program odvozování v Bayesovských sítích exaktní metody (enumerace, eliminace proměnných) aproximační metody y( (vzorkovací techniky)
Umělá inteligence II Roman Barták, KTIML roman.bartak@mff.cuni.cz http://ktiml.mff.cuni.cz/~bartak Bayesovská síť zachycuje závislosti mezi náhodnými proměnnými Pro zopakování orientovaný acyklický graf
VícePopis zobrazení pomocí fuzzy logiky
Popis zobrazení pomocí fuzzy logiky diplomová práce Ján Fröhlich KM, FJFI, ČVUT 23. dubna 2009 Ján Fröhlich ( KM, FJFI, ČVUT ) Popis zobrazení pomocí fuzzy logiky 23. dubna 2009 1 / 25 Obsah 1 Úvod Základy
VíceNáhodný pokus Náhodným pokusem (stručněji pokusem) rozumíme každé uskutečnění určitého systému podmínek resp. pravidel.
Základy teorie pravděpodobnosti Náhodný pokus Náhodným pokusem (stručněji pokusem) rozumíme každé uskutečnění určitého systému podmínek resp. pravidel. Poznámka: Výsledek pokusu není předem znám (výsledek
VíceLogické proměnné a logické funkce
Booleova algebra Logické proměnné a logické funkce Logická proměnná je veličina, která může nabývat pouze dvou hodnot, označených 0 a I (tedy dvojková proměnná) a nemůže se spojitě měnit Logická funkce
VíceMíry podobnosti, základy fuzzy matematiky
Evropský sociální fond Investujeme do vaší budoucnosti Míry podobnosti, základy fuzzy matematiky Matematika pro informatiky, FIT ČVUT Martin Holeňa, 9. týden LS 2010/2011 O čem to bude? Přehled vzdáleností
VíceTeorie množin. Čekají nás základní množinové operace kartézské součiny, relace zobrazení, operace. Teoretické základy informatiky.
Teorie množin V matematice je všechno množina I čísla jsou definována pomocí množin Informatika stojí na matematice Znalosti Teorie množin využijeme v databázových systémech v informačních systémech při
Více6 Reprezentace a zpracování neurčitosti
6 Reprezentace a zpracování neurčitosti Většina našich znalostí o reálném světě je zatížena ve větší či menší míře neurčitostí. Na druhou stranu, schopnost rozhodovat se i v situacích, kdy nejsou všechny
VíceVýroková a predikátová logika - VII
Výroková a predikátová logika - VII Petr Gregor KTIML MFF UK ZS 2018/2019 Petr Gregor (KTIML MFF UK) Výroková a predikátová logika - VII ZS 2018/2019 1 / 15 Platnost (pravdivost) Platnost ve struktuře
Více28.z-8.pc ZS 2015/2016
Ústav technologie, mechanizace a řízení staveb Teorie měření a regulace počítačové řízení 5 28.z-8.pc ZS 2015/2016 2015 - Ing. Václav Rada, CSc. Další hlavní téma předmětu se dotýká obsáhlé oblasti logického
VíceÚvod do informatiky. Miroslav Kolařík. Zpracováno dle učebního textu R. Bělohlávka: Úvod do informatiky, KMI UPOL, Olomouc 2008.
Úvod do informatiky přednáška čtvrtá Miroslav Kolařík Zpracováno dle učebního textu R. Bělohlávka: Úvod do informatiky, KMI UPOL, Olomouc 2008. Obsah 1 Pojem relace 2 Vztahy a operace s (binárními) relacemi
VíceÚvod do logiky (presentace 2) Naivní teorie množin, relace a funkce
Úvod do logiky (presentace 2) Naivní teorie množin, relace a funkce Marie Duží marie.duzi@vsb.cz 1 Úvod do teoretické informatiky (logika) Naivní teorie množin Co je to množina? Množina je soubor prvků
VíceZabýváme se konstrukcí racionálních agentů.
Umělá inteligence II Roman Barták, KTIML roman.bartak@mff.cuni.cz http://ktiml.mff.cuni.cz/~bartak Zabýváme se konstrukcí racionálních agentů. Agent je entita, co vnímá okolní prostředí prostřednictvím
VíceMaturitní témata z matematiky
Maturitní témata z matematiky G y m n á z i u m J i h l a v a Výroky, množiny jednoduché výroky, pravdivostní hodnoty výroků, negace operace s výroky, složené výroky, tabulky pravdivostních hodnot důkazy
VíceMatematika III. 27. září Vysoká škola báňská - Technická univerzita Ostrava. Matematika III
Vysoká škola báňská - Technická univerzita Ostrava 27. září 2018 Teorie pravděpodobnosti Teorie pravděpodobnosti je odvětvím matematiky, které studuje matematické modely náhodných pokusu, tedy zabývá se
VícePravděpodobnost a statistika
Pravděpodobnost a statistika 1 Náhodné pokusy a náhodné jevy Činnostem, jejichž výsledek není jednoznačně určen podmínkami, za kterých probíhají, a které jsou (alespoň teoreticky) neomezeně opakovatelné,
VíceModely vyhledávání informací 4 podle technologie. 1) Booleovský model. George Boole 1815 1864. Aplikace booleovské logiky
Modely vyhledávání informací 4 podle technologie 1) Booleovský model 1) booleovský 2) vektorový 3) strukturní 4) pravděpodobnostní a další 1 dokumenty a dotazy jsou reprezentovány množinou indexových termů
VíceKombinatorický předpis
Gravitace : Kombinatorický předpis Petr Neudek 1 Kombinatorický předpis Kombinatorický předpis je rozšířením Teorie pravděpodobnosti kapitola Kombinatorický strom. Její praktický význam je zřejmý právě
VíceÚvod do databázových systémů 1. cvičení
Vysoká škola báňská Technická univerzita Ostrava Fakulta elektrotechniky a informatiky Úvod do databázových systémů 1. cvičení Ing. Petr Lukáš petr.lukas@nativa.cz Ostrava, 2013 Úvod do databázových systémů
VíceUmělá inteligence a rozpoznávání
Václav Matoušek KIV e-mail: matousek@kiv.zcu.cz 0-1 Sylabus předmětu: Datum Náplň přednášky 11. 2. Úvod, historie a vývoj UI, základní problémové oblasti a typy úloh, aplikace UI, příklady inteligentních
VíceVáclav Matoušek KIV. Umělá inteligence a rozpoznávání. Václav Matoušek / KIV
Umělá inteligence a rozpoznávání Václav Matoušek KIV e-mail: matousek@kiv.zcu.cz 0-1 Sylabus předmětu: Datum Náplň přednášky 16. 2. (3h) 2. 3. (4h) 17. 3. (5h) 14. 4. (3h) Úvod, historie a vývoj UI, základní
VíceFuzzy logika. Definice Fuzzy logiky. Fuzzy podmnožiny
Fuzzy logika Cílem kapitoly je sezn{mit se s vícestavovou logikou fuzzy logikou a zvl{dnout jednoduché výpočty. Proto je kladen důraz na souvislosti s klasickou dvoustavovou logikou, kter{ je studentům
Více1. ÚVOD. Arnošt Žídek, Iveta Cholevová. 15. října 2013 FBI VŠB-TUO
FBI VŠB-TUO 15. října 2013 Kontaktní informace Mgr. Iveta Cholevová, Ph. D. iveta.cholevova@vsb.cz A829, 597 324 146 Mgr. Arnošt Žídek, Ph. D. arnost.zidek@vsb.cz A832, 597 324 177 Předpokládané znalosti
VíceMatematika I (KMI/5MAT1)
Přednáška první aneb Úvod do algebry (opakování ze SŠ a možná i ZŠ) Seznámení s předmětem Osnova přednášky seznámení s předmětem množiny pojem množiny operace s množinami číselné obory intervaly mocniny
VíceŘídicí technika. Obsah. Fuzzy řízení Fuzzy množiny Operace s fuzzy množinami Fuzzy pravidla Fuzzy regulátory. Fuzzy řízení.
20..207 Akademický rok 207/208 Připravil: Radim Farana Řídicí technika Fuzzy řízení 2 Obsah Fuzzy řízení Operace s fuzzy množinami y 3 Fuzzy řízení Fuzzy řízení je spolu s dalšími přístupy, jako například
VíceMatematické symboly a značky
Matematické symboly a značky Z Wikipedie, otevřené encyklopedie Matematický symbol je libovolný znak, používaný v. Může to být znaménko pro označení operace s množinami, jejich prvky, čísly či jinými objekty,
VíceMatematika I. Přednášky: Mgr. Radek Výrut, Zkouška:
Přednášky: Mgr. Radek Výrut, Matematika I katedra matematiky, UL-605, rvyrut@kma.zcu.cz tel.: 377 63 2658 Zkouška: Písemná část zkoušky - příklady v rozsahu zápočtových prací Ústní část zkoušky - základní
VíceMatematika III. 4. října Vysoká škola báňská - Technická univerzita Ostrava. Matematika III
Vysoká škola báňská - Technická univerzita Ostrava 4. října 2018 Podmíněná pravděpodobnost Při počítání pravděpodobnosti můžeme k náhodnému pokusu přidat i nějakou dodatečnou podmínku. Podmíněná pravděpodobnost
Více1 Báze a dimenze vektorového prostoru 1
1 Báze a dimenze vektorového prostoru 1 Báze a dimenze vektorového prostoru 1 2 Aritmetické vektorové prostory 7 3 Eukleidovské vektorové prostory 9 Levá vnější operace Definice 5.1 Necht A B. Levou vnější
Více1. POJMY 1.1. FORMULE VÝROKOVÉHO POČTU
Obsah 1. Pojmy... 2 1.1. Formule výrokového počtu... 2 1.2. Množina... 3 1.2.1. Operace s množinami... 3 1.2.2. Relace... 3 2. Číselné obory... 5 2.1. Uzavřenost množiny na operaci... 5 2.2. Rozšíření
VíceMaturitní otázky z předmětu MATEMATIKA
Wichterlovo gymnázium, Ostrava-Poruba, příspěvková organizace Maturitní otázky z předmětu MATEMATIKA 1. Výrazy a jejich úpravy vzorce (a+b)2,(a+b)3,a2-b2,a3+b3, dělení mnohočlenů, mocniny, odmocniny, vlastnosti
VíceZadání a řešení testu z matematiky a zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia od podzimu 2016
Zadání a řešení testu z matematiky a zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia od podzimu 2016 Zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia
VíceUnární je také spojka negace. pro je operace binární - příkladem může být funkce se signaturou. Binární je velká většina logických spojek
Otázka 06 - Y01MLO Zadání Predikátová logika, formule predikátové logiky, sentence, interpretace jazyka predikátové logiky, splnitelné sentence, tautologie, kontradikce, tautologicky ekvivalentní formule.
VíceCvičení Aktivita 1. část 2. část 3. část Ústní Celkem Známka
Celkové hodnocení BI-MLO (nevyplňujte!) Semestr Zkouška Cvičení Aktivita 1. část 2. část 3. část Ústní Celkem Známka BI-MLO Písemná zkouška 9. února 2016 Matematická logika FIT ČVUT v Praze Varianta B
Více1. POJMY 1.1. FORMULE VÝROKOVÉHO POČTU
Obsah 1. Pojmy... 2 1.1. Formule výrokového počtu... 2 1.2. Množina... 3 1.2.1. Operace s množinami... 3 1.2.2. Relace... 3 2. Číselné obory... 5 2.1. Uzavřenost množiny na operaci... 5 2.2. Rozšíření
VíceMATEMATIKA I. Marcela Rabasová
MATEMATIKA I Marcela Rabasová Obsah: 1. Úvod 1.1. Osnovy předmětu 1.2. Literatura 1.3. Podmínky absolvování předmětu 1.4. Použité označení a symbolika 2. Funkce jedné reálné proměnné 2.1. Definice 2.2.
VíceTeoretická informatika Tomáš Foltýnek Teorie čísel Nekonečno
Tomáš Foltýnek foltynek@pef.mendelu.cz Teorie čísel Nekonečno strana 2 Opakování z minulé přednášky Jak je definována podmnožina, průnik, sjednocení, rozdíl? Jak je definována uspořádaná dvojice a kartézský
VíceMnožiny a operace s nimi
Variace 1 Množiny a operace s nimi Autor: Mgr. Jaromír JUŘEK Kopírování a jakékoliv další využití výukového materiálu je povoleno pouze s uvedením odkazu na www.jarjurek.cz. 1. Množiny a operace s nimi
VíceMarie Duží
Marie Duží marie.duzi@vsb.cz Co je to množina? Množina je soubor prvků a je svými prvky plně určena; množinu s prvky a, b, c značíme: {a, b, c}. Prvkem množiny může být opět množina, množina nemusí mít
VíceModely Herbrandovské interpretace
Modely Herbrandovské interpretace Petr Štěpánek S využitím materialu Krysztofa R. Apta 2006 Logické programování 8 1 Uvedli jsme termové interpretace a termové modely pro logické programy a také nejmenší
VíceBooleovská algebra. Booleovské binární a unární funkce. Základní zákony.
Booleovská algebra. Booleovské binární a unární funkce. Základní zákony. Tomáš Bayer bayertom@natur.cuni.cz Katedra aplikované geoinformatiky a kartografie, Přírodovědecká fakulta UK. Tomáš Bayer bayertom@natur.cuni.cz
VíceAmbasadoři přírodovědných a technických oborů. Ing. Michal Řepka Březen - duben 2013
Ambasadoři přírodovědných a technických oborů Ing. Michal Řepka Březen - duben 2013 Umělé neuronové sítě Proč právě Neuronové sítě? K čemu je to dobré? Používá se to někde v praxi? Úvod Umělé neuronové
VíceZnalostní technologie proč a jak?
Znalostní technologie proč a jak? Peter Mikulecký Kamila Olševičová Daniela Ponce Univerzita Hradec Králové Motivace 1993 vznik Fakulty řízení a informační technologie na Vysoké škole pedagogické v Hradci
VíceMnožiny, relace, zobrazení
Množiny, relace, zobrazení Množiny Množinou rozumíme každý soubor určitých objektů shrnutých v jeden celek. Zmíněné objekty pak nazýváme prvky dané množiny. Pojem množina je tedy synonymem pojmů typu soubor,
VíceIB112 Základy matematiky
IB112 Základy matematiky Základy kombinatoriky a kombinatorická pravděpodobnost Jan Strejček Obsah IB112 Základy matematiky: Základy kombinatoriky a kombinatorická pravděpodobnost 2/57 Výběry prvků bez
VíceCílem kapitoly je opakování a rozšíření středoškolských znalostí v oblasti teorie množin.
1.2. Cíle Cílem kapitoly je opakování a rozšíření středoškolských znalostí v oblasti teorie množin. Průvodce studiem Množina je jedním ze základních pojmů moderní matematiky. Teorii množin je možno budovat
VíceOkruh č.3: Sémantický výklad predikátové logiky
Okruh č.3: Sémantický výklad predikátové logiky Predikátová logika 1.řádu formalizuje úsudky o vlastnostech předmětů a vztazích mezi předměty pevně dané předmětné oblasti (univerza). Nebudeme se zabývat
VíceObsah DÍL 2 KAPITOLA 6. 6 Automatická regulace 9. 6.1 Základní terminologie historické souvislosti 12
Obsah DÍL 2 KAPITOLA 6 6 Automatická regulace 9 6.1 Základní terminologie historické souvislosti 12 6.2 Dynamický systém, nástroje a metody jeho analýzy 18 6.2.1 Popis dynamického systému 19 6.2.2 Simulace
VíceHodnocení obtížnosti cyklotras pomocí fuzzy modelů na území Jihomoravského kraje
Hodnocení obtížnosti cyklotras pomocí fuzzy modelů na území Jihomoravského kraje Rastrová analýza pomocí Mamdaniho metody RNDr. Pavel Kolisko Úvod aktualizace obtížnosti sítě cyklotras je vyžadována zastaralostí,
VícePrincip rozšíření a operace s fuzzy čísly
Center for Machine Perception presents Princip rozšíření a operace s fuzzy čísly Mirko Navara Center for Machine Perception Faculty of Electrical Engineering Czech Technical University Praha, Czech Republic
VíceMaturitní okruhy z matematiky - školní rok 2007/2008
Maturitní okruhy z matematiky - školní rok 2007/2008 1. Některé základní poznatky z elementární matematiky: Číselné obory, dělitelnost přirozených čísel, prvočísla a čísla složená, největší společný dělitel,
VíceTOPOLOGIE A TEORIE KATEGORIÍ (2017/2018) 4. PREDNÁŠKA - SOUČIN PROSTORŮ A TICHONOVOVA VĚTA.
TOPOLOGIE A TEORIE KATEGORIÍ (2017/2018) 4. PREDNÁŠKA - SOUČIN PROSTORŮ A TICHONOVOVA VĚTA. PAVEL RŮŽIČKA 4.1. (Kvazi)kompaktnost a sub-báze. Buď (Q, ) uspořádaná množina. Řetězcem v Q budeme rozumět lineárně
VíceOVLÁDÁNÍ RIZIKA ANALÝZA A MANAGEMENT
TICHÝ Milík OVLÁDÁNÍ RIZIKA ANALÝZA A MANAGEMENT Obsah Předmluva... V Značky a symboly... VII Přehled nejpoužívanějších zkratek... IX Názvosloví... XI Rizikologie... XV Základní pojmy... 1 1. Rizikologické
VíceRELACE, OPERACE. Relace
RELACE, OPERACE Relace Užití: 1. K popisu (evidenci) nějaké množiny objektů či jevů, které lze charakterizovat pomocí jejich vlastnostmi. Entita je popsána pomocí atributů. Ty se vybírají z domén. Různé
Více1 Základní pojmy. 1.1 Množiny
1 Základní pojmy V této kapitole si stručně připomeneme základní pojmy, bez jejichž znalostí bychom se v dalším studiu neobešli. Nejprve to budou poznatky z logiky a teorie množin. Dále se budeme věnovat
Více3 Množiny, Relace a Funkce
3 Množiny, Relace a Funkce V přehledu matematických formalismů informatiky se v této lekci zaměříme na základní datové typy matematiky, tj. na množiny, relace a funkce. O množinách jste sice zajisté slyšeli
VícePravděpodobnost a její vlastnosti
Pravděpodobnost a její vlastnosti 1 Pravděpodobnost a její vlastnosti Náhodné jevy Náhodný jev je výsledek pokusu (tj. realizace určitého systému podmínek) a jeho charakteristickým rysem je, že může, ale
VíceNAIVNÍ TEORIE MNOŽIN, okruh č. 5
NAIVNÍ TEORIE MNOŽIN, okruh č. 5 Definování množiny a jejích prvků Množina je souhrn nějakých věcí. Patří-li věc do množiny X, říkáme, že v ní leží, že je jejím prvkem nebo že množina X tuto věc obsahuje.
VíceMnožiny, základní číselné množiny, množinové operace
2 Množiny, základní číselné množiny, množinové operace Pokud kliknete na některý odkaz uvnitř textu kromě prezentace, zobrazí se odpovídající příklad nebo tabulka. Levý Alt+šipka doleva nebo ikona Vás
VíceÚvod do TI - logika 1. přednáška. Marie Duží
Úvod do TI - logika 1. přednáška Marie Duží marie.duzi@vsb.cz Úvod do TI - logika Učební texty: http://www.cs.vsb.cz/duzi Courses Introduction to Logic: Informace pro studenty Učební texty: Kapitoly: Úvod
VíceDiskrétní matematika. DiM /01, zimní semestr 2017/2018
Diskrétní matematika Petr Kovář petr.kovar@vsb.cz Vysoká škola báňská Technická univerzita Ostrava DiM 470-2301/01, zimní semestr 2017/2018 O tomto souboru Tento soubor je zamýšlen především jako pomůcka
Více1. 1 P Ř I R O Z E N Á Č Í S L A
1. Č Í S E L N É O B O R Y 1. 1 P Ř I R O Z E N Á Č Í S L A Přirozená čísla (definice, značení, množinový zápis) Číslice (cifry 0 9) Číslo (rozvinutý resp. zkrácený zápis přirozeného čísla v desítkové
VíceZískávání a reprezentace znalostí
Získávání a reprezentace znalostí 11.11.2014 6-1 Reprezentace znalostí Produkční pravidla Sémantické sítě Získávání znalostí 6-2 a) Česká 6. Reprezentace znalostí v ZS Literatura Berka P.: Tvorba znalostních
Více