Semantische Netwerken & Frames. Geen revolutie... Ontologieën. Linnaeus

Maat: px
Weergave met pagina beginnen:

Download "Semantische Netwerken & Frames. Geen revolutie... Ontologieën. Linnaeus"

Transcriptie

1 Semantische Netwerken & Frames Geen revolutie... Belang laatste jaren zeer sterk toegenomen: als basis voor description logics (DL s) als basis voor de beschrijving van terminologieën in bepaalde domeinen met toename van niveau van automatisering neemt ook het belang van de beschrijving van domeinen toe Semantisch web: p. /3 p. 2/3 Ontologieën Linnaeus Ontologie: leer van het zijn (Aristoteles, Metaphysica) In de AI, artefact dat: gebruik maakt van een vocabulaire, samen met een verzameling regels over syntax en betekenis, met als doel: computer-begrijpelijke beschrijving van domeinen Typische bouwstenen: namen (concepten) relaties en constraints Populair: in medisch-biologisch onderzoek (bijv. p. 3/3 p. 4/3

2 Ontwikkeling Representatie van relaties Kennisrepresentatie, niet-monotoon redeneren Semantisch web: Resource Description Framework (RDF) RDF Schema: toevoeging van noties zoals klasse, property, type, etc., maar geen standaardsemantiek en geen redeneerondersteuning OWL DL (Web Ontology Language/Description Logic): standaardsemantiek (modeltheorie) en redeneerondersteuning Basis: semantische netwerken en frame-formalisme. Semantische netwerken: syntactisch: knopen en relaties tussen knopen weergegeven als graaf semantiek van knopen en relaties 2. Frames: (binaire) relaties weergegeven als attributen overerving subtypering vorm van objectoriëntatie p. 5/3 p. 6/3 Semantisch netwerk Frame-formalisme The relationship between human recall time and hierarchical storage. Note that recall times increase as the subject must move up in the hierarchy to locate values. Groepeer alle kennis m.b.t. bepaald concept Assumed hierarchy that explains response data is a CANARY is a can has has is a can is cannot is sing yellow BIRD OSTRICH fly ANIMAL tall is a fly wings feathers can has can breathe skin move FISH Response time (sec) canary can sing canary is a canary Complexity of sentence canary has skin canary can fly canary is an animal canary is a bird Een arterie is een bloedvat. Een arterie vervoert bloed van het hart naar de weefsels en wordt gekenmerkt door een dikke wand met relatief veel spierweefsel Frame-taxonomie: hiërarchische organisatie Knopen: klasse-frames en instanties Pijlen: superklasse en instantie-van relaties instantie van superklasse aorta arterie bloedvat instantie van arteria brachialis superklasse vene p. 7/3 p. 8/3

3 Syntax framerepresentatie class bloedvat is superclass nil; structuur = buis; bevat = bloed class arterie is superclass bloedvat; wand = gespierd instance aorta is instance-of arterie; diameter = 2.5 Betekenis van frameformalisme Semantiek frameformalisme gelijkstellen aan equivalente logische formules: class C is x(c(x) S(x)) superclass S; a = b ; x(c(x) a (x) = b ).. a n = b n x(c(x) a n (x) = b n ) instance i is C(i) instance-of C; d = e ; d (i) = e. d m = e m. d m (i) = e m p. 9/3 p. 0/3 Inferentie: Overerving Basisinferentievorm: overerving of inheritance Frame erft attribuut-waarde paren van generalisaties Twee vormen van overerving:. Enkelvoudig: in boomvormige taxonomie 2. Meervoudig: in graafvormige taxonomie Enkelvoudige overerving Voorwaarde: unieke attribuutnamen function Inherit(frame, a-v-pairs) if frame = nil then return(a-v-pairs) fi; a-v-pairs a-v-pairs AttributePart(frame); return(inherit(superframe(frame), a-v-pairs)) F a3=v3 0 a2=v a=v a4=v4 a5=v5 F erft a = v,a 2 = v 2 en a 3 = v 3 p. /3 p. 2/3

4 Excepties Geen unieke attribuutnamen excepties (uitzonderingen) / inconsistenties class arterie is instance a-pulmonalis is instance-of arterie; instance-of arterie; superclass bloedvat; bloed = zuurstofarm bloed = zuurstofrijk x(arterie(x) bloedvat(x)) x(arterie(x) bloed(x) = zuurstofrijk) arterie(a-pulmonalis) bloed(a-pulmonalis) = zuurstofarm Logisch inconsistent! Oplossing: locaal overschrijven Enkelvoudige overerving met excepties Zoek in taxonomie tot waarde gevonden is: 0 function Inherit(frame, a-v-pairs) if frame = nil a=d 3 then return(a-v-pairs) fi; 0 00 pairs AttributePart(frame); 2 a-v-pairs a-v-pairs a=c NewAttributes(pairs, a-v-pairs); return(inherit(superframe(frame), a-v-pairs)) 0 0 F F erft a = c a=e p. 3/3 p. 4/3 Meervoudige overerving met excepties Wiskundige notatie class : superclass ; a=c2 class : superclass nil; a=c class y4: superclass ; a=c4 class : superclass,,y4; b=d Vragen:. Taxonomie consistent? 2. Zo ja: geërfde waarde attribuut a van y 3? Eis oplossing (overervingsmethode): toepasbaar voor graaf- en boomvormige taxonomieën! Een taxonomie T is een tupel T = (N, Θ,, ), met N = (I,K,A,C): K = {y,...,y n }: klasse-frames I = {x,...,x m }: instanties K K: subklasse-relatie; (y,y 2 ) wordt genoteerd als y y 2 ( y is een subklasse van y 2 ) : I K: instantie-van functie; (x) = y wordt genoteerd als x y ( x is een instantie van y ) A: verzameling attributen C: verzameling constanten Θ (I K) A C: attribuut-waarde relatie; (y,a,c) Θ wordt genoteerd als y[a = c]. p. 5/3 p. 6/3

5 Overerving in graafvormige taxonomieën class y is class y 2 is superclass nil; superclass y ; a = c a 2 = c 2 class y 3 is instance x is superclass y 2 ; instance-of y 3 ; a 3 = c 3 a 4 = c 4 x [a=c] [a2=c2] [a3=c3] [a4=c4] T = (N, Θ,, ), met N = (I,K,A,C) I = {x} en K = {y,y 2,y 3 } Θ = {y [a = c ],y 2 [a 2 = c 2 ], y 3 [a 3 = c 3 ],x[a 4 = c 4 ]} x y 3, y 3 y 2, y 2 y class : superclass ; a=c2 class : superclass nil; a=c class y4: superclass ; a=c4 class : superclass,,y4; b=d Idee: Registreer paden die leiden naar frame met bepaalde attribuutwaarde Paden bij gebruik : overervingsketens (inheritance chains) Overervingsketens toepasbaar bij graaf- en boomvormige taxonomieën p. 7/3 p. 8/3 Overervingsketens Zij T = (N, Θ,, ) een taxonomie. { Vorm van y y n, of overervingsketen ω in T : ω = y y n [a = c], waarbij y i K en y n [a = c] Θ Constructie verzameling overervingsketens Ω T :. y K : y Ω T 2. y[a = c] Θ : y[a = c] Ω T 3. (y,y 2 ) : y y 2 Ω T 4. y y k Ω T en y k y n Ω T : y y n Ω T 5. y y n Ω T en y n [a = c] Ω T : y y n [a = c] Ω T Taxonomie T : [a=c] x [a2=c2] [a3=c3] [a4=c4] Ω T T = (N, Θ,, ) N = (I,K,A,C) I = {x} K = {y,y 2,y 3 } Θ = {y [a = c ],y 2 [a 2 = c 2 ], y 3 [a 3 = c 3 ],x[a 4 = c 4 ]} x y 3 y 3 y 2, y 2 y Verzameling overervingsketens Ω T bevat: y, y 2 y, y 2, y 2 y [a = c ], y 3, y 3 y 2, y [a = c ], y 3 y 2 [a 2 = c 2 ], y 2 [a 2 = c 2 ], y 3 y 2 y, y 3 [a 3 = c 3 ], y 3 y 2 y [a = c ] p. 9/3 p. 20/3

6 Conclusieverzameling Overervingsketen: mogelijke route:. ω = y 3 y 2 y [a = c ] y 3 [a = c ] 2. ω 2 = y 3 y 2 [a = c 2 ] y 3 [a = c 2 ] Bereken conclusie van overervingsketen: overerving zonder excepties. Conclusie c(ω) van overervingsketen ω Ω T : { y [a = c] als ω y y n [a = c] c(ω) = anders Conclusieverzameling C(Ω T ) = {c(ω) ω Ω T } C(Ω T ) x [a=c] [a2=c2] [a3=c3] [a4=c4] Overervingsketens Ω T = {y, y 2, y 3, y [a = c ], y 2 [a 2 = c 2 ], y 3 [a 3 = c 3 ], y 2 y, y 2 y [a = c ], y 3 y 2, y 3 y 2 [a 2 = c 2 ], y 3 y 2 y, y 3 y 2 y [a = c ]} Conclusieverzameling C(Ω T ) = {y [a = c ],y 2 [a 2 = c 2 ], y 3 [a 3 = c 3 ],y 2 [a = c ],y 3 [a 2 = c 2 ],y 3 [a = c ]} p. 2/3 p. 22/3 Consistentie Conclusieverzameling C(Ω T ) heet: inconsistent als y[a = c ] C(Ω T ) en y[a = c 2 ] C(Ω T ),c c 2 consistent anders Verzameling overervingsketens Ω T bevat o.a.: a-pulmonalis[bloed=zuurstofarm] a-pulmonalis arterie[bloed=zuurstofrijk] Conclusieverzameling C(Ω T ) bevat o.a.: a-pulmonalis[bloed=zuurstofarm] a-pulmonalis[bloed=zuurstofrijk] Omgaan met inconsistentie C(Ω T ) Algoritme voor meervoudige overerving met excepties moet uitsluit opleveren:. oplossen inconsistentie: 2. signaleren inconsistentie () y 3 [a = c 2 ],y 2 [a = c 2 ],y [a = c ] [a=c4] y4 (2) C(Ω T ) is inconsistent p. 23/3 p. 24/3

7 X X : blokkeren overerving Tussenligge klassen X X Basisidee meervoudige overerving met excepties (gebruik partiële ordening): klasse y 2 ligt tussen y 3 en y y 2 blokkeert overerving door y 3 van y Klasse y K heet tussenligg (intermediary) in keten y y n Ω T als: y = y i voor zekere i, i n, of y y p z z m y q Ω T bestaat zodat y = z k, k m, p < q n Ω T bevat o.a. Ω T2 bevat o.a. y 2 y, y 2 y, y 2 y [a = c ], y 2 y [a = c ], y 3 y 2 y, y 3 y 2 y, y 3 y 2 y [a = c ] y 3 y 2 y [a = c ], y 3 y, y 3 y [c = a ] y 2 tussenligg y 2 tussenligg in y 3 y 2 y en in y 3 y 2 y en y 2 y y 2 y en y 3 y p. 25/3 p. 26/3 Uitsluiten van ketens Basisidee: uitsluiten overervingsketens vóór berekening conclusieverzameling Keten y y n [a = c ] Ω T sluit keten y y m [a = c 2 ] Ω T uit als: () y n tussenligg in y y m, en (2) c c 2,m n Erfbare conclusieverzameling Keten ω Ω T heet erfbaar (inheritable) als er geen ω Ω T bestaat die ω uitsluit Erfbare conclusieverzameling van Ω T is H(Ω T )={c(ω) ω niet uitgesloten door ω Ω T }. y 3 y 2 [a = c 2 ] sluit y 3 y 2 y [a = c ] uit (want y 2 tussenligg in y 3 y 2 y ) 2. y 3 y 2 [a = c 2 ] sluit y 3 y [a = c ] uit (want y 2 tussenligg in y 3 y ) C(Ω T ) = {y [a = c ], y 2 [a = c ], y 2 [a = c 2 ], y 3 [a = c ], y 3 [a = c 2 ]} H(Ω T ) = {y [a = c ], y 2 [a = c 2 ], y 3 [a = c 2 ]} p. 27/3 p. 28/3

8 Signaleren inconsistentie Overerving en instanties [a=c4] y4 y 3 y 4 [a = c 4 ] wordt niet uitgesloten y 3 y 2 [a = c 2 ] wordt niet uitgesloten H(Ω T ) = {y 4 [a = c 4 ],y 2 [a = c 2 ], y 3 [a = c 4 ],y 3 [a = c 2 ]} H(Ω T ) inconsistent Daardoor taxonomie T inconsistent x [b=c4] Erfbare conclusieverzameling H(Ω T ) = {y [a = c ], y 2 [a = c 2 ], y 3 [a = c 2 ]} Als H(Ω T ) consistent, waarden voor x I: e H (x) = {x[a = c] x[a = c] Θ} {x[a = c] x y, y[a = c] H(Ω T ) en d c : x[a = d] / Θ} Erfbare extensie: E H (Ω T ) = x I e H(x) : E H (Ω T ) = e H (x) = {x[a = c 2 ],x[b = c 4 ]} p. 29/3 p. 30/3 Samenvatting. Overervingsketens Ω T 2. Conclusieverzameling C(Ω T ) consistent (enkel- en meervoudige overerving zonder excepties) waarden inconsistent (enkel- en meervoudige overerving met excepties): naar Erfbare conclusieverzameling H(Ω T ) consistent (oplossing) waarden inconsistent (signaleren) taxonomie inconsistent p. 3/3

Opgaven bij Hoofdstuk 4 - Frames en Overerving

Opgaven bij Hoofdstuk 4 - Frames en Overerving Opgaven bij Hoofdstuk 4 - Frames en Overerving Semantische netwerken Opgave 1 a. Een semantisch net S is een geëtiketteerde graaf S = (V (S), A(S), λ), met V (S) de verzameling knopen, A(S) V (S) V (S)

Nadere informatie

Ontwikkelaars van BIR Open BIM Standaarden en softwareleveranciers

Ontwikkelaars van BIR Open BIM Standaarden en softwareleveranciers Memo AAN Ontwikkelaars van BIR Open BIM Standaarden en softwareleveranciers VAN Bouw Informatie Raad (contactpersoon D. Spekkink, dik.spekkink@bimloket.nl) DATUM 1 januari 2016 ONDERWERP BIR Kaders voor

Nadere informatie

Oefenopgaven Intelligente Systemen

Oefenopgaven Intelligente Systemen Voorwoord Oefenopgaven Intelligente Systemen 2007 2008 Deze bundel opgaven sluit aan bij de stof van het college Intelligente Systemen. De stof waar de vraagstukken betrekking op hebben wordt groteels

Nadere informatie

ALGORITME objectgeoriënteerd programmeren

ALGORITME objectgeoriënteerd programmeren ALGORITME objectgeoriënteerd programmeren Gunter Schillebeeckx 1 objectgeoriënteerd programmeren Object Klasse Instantie Eigenschap Methode Inkapseling Polymorfisme Overerving 2 Inleiding Kern Samenvatting

Nadere informatie

Representatie & Zoeken

Representatie & Zoeken Representatie & Zoeken!Frames!Scripts College 8: Kennisrepresentatie (II) Kennisrepresentatie: 4 typen Logica Procedures Netwerken Vorig college Slots/values Dit college zingen kanarie geel dier vogel

Nadere informatie

Deel I Hoofdstuk 2: Het klassenmodel

Deel I Hoofdstuk 2: Het klassenmodel Deel I Hoofdstuk 2: Het klassenmodel 2005 Prof Dr. O. De Troyer Klasse Model pag. 1 Hoofdstuk 2: Het klassenmodel Het Klassenmodel Beschrijft de statische structuur van een systeem door middel van Het

Nadere informatie

NEN 3610 Linked Data

NEN 3610 Linked Data NEN 3610 Linked Data Linked data profiel op NEN3610 Verkenning OWL toepassing Steeds meer geo-datasets worden gepubliceerd als linked data. Geo wordt hiermee een onderdeel van het semantic web. De geo-informatie

Nadere informatie

ER-modeling. Wat is ER-modeling? ERD & relationeel model. ER-benadering DMO Datamodellering 2008

ER-modeling. Wat is ER-modeling? ERD & relationeel model. ER-benadering DMO Datamodellering 2008 ER-modeling Datamodellering 2008 1 Wat is ER-modeling? ER-modelleren: top-down benadering bedacht door P. Chen 1976, paper in ACM Transactions on Database Systems Codd (Relationeel Model) aanvankelijk

Nadere informatie

ER-modeling. Datamodellering Wat is ER-modeling?

ER-modeling. Datamodellering Wat is ER-modeling? ER-modeling Datamodellering 2008 1 Wat is ER-modeling? ER-modelleren: top-down benadering bedacht door P. Chen 1976, paper in ACM Transactions on Database Systems Codd (Relationeel Model) aanvankelijk

Nadere informatie

Voorwoord. Voorwoord

Voorwoord. Voorwoord [Geef tekst op] Voorwoord Voorwoord Dit rapport is het resultaat van mijn afstuderen bij de deelgroep Kennisgestuurde Systemen, onder leiding van Prof. H. Koppelaar, binnen de studie Informatica aan de

Nadere informatie

Voorwoord. Voorwoord

Voorwoord. Voorwoord [Geef tekst op] Voorwoord Voorwoord Dit rapport is het resultaat van mijn afstuderen bij de deelgroep Kennisgestuurde Systemen, onder leiding van Prof. H. Koppelaar, binnen de studie Informatica aan de

Nadere informatie

Verkenning adoptie W3C rdf/owl technologie voor IMxx/NEN modellen

Verkenning adoptie W3C rdf/owl technologie voor IMxx/NEN modellen Verkenning adoptie W3C rdf/owl technologie voor IMxx/NEN- 3610 modellen Project team: Hans Schevers (BuildingBits), Marcel Reuvers, Paul Janssen, Linda van den Brink, Versie 1.0 Doelstelling Verkenning

Nadere informatie

Logica voor Informatica

Logica voor Informatica Logica voor Informatica 10 Predikatenlogica Wouter Swierstra University of Utrecht 1 Vorige keer Syntax van predikatenlogica Alfabet Termen Welgevormde formulas (wff) 2 Alfabet van de predikatenlogica

Nadere informatie

Keteininformatiemodellering op basis van UML

Keteininformatiemodellering op basis van UML Keteininformatiemodellering op basis van UML Richtlijnen en voorbeelden versie 0.1 Bert Dingemans Keteininformatiemodellering op basis van UML... 1 Richtlijnen en voorbeelden... 1 Inleiding... 2 Documenten...

Nadere informatie

Constraint satisfaction. Computationele Intelligentie. Voorbeelden. Een constraint satisfaction probleem. Constraint Satisfaction

Constraint satisfaction. Computationele Intelligentie. Voorbeelden. Een constraint satisfaction probleem. Constraint Satisfaction Constraint satisfaction Computationele Intelligentie Constraint Satisfaction Een constraint satisfaction probleem (CSP) bestaat uit: een verzameling variabelen; een domein van waarden voor elke variabele;

Nadere informatie

het bank voorbeeld ISO Datamodelleren modelleren met het E-R R model een database ontwerpen verzamelingen van relaties (verbanden)

het bank voorbeeld ISO Datamodelleren modelleren met het E-R R model een database ontwerpen verzamelingen van relaties (verbanden) het bank voorbeeld ISO Datamodelleren Prof. dr. Paul De Bra waarom zijn er drie tabellen om klanten en rekeningen voor te stellen? customer (customer_name, customer_street, customer_city) account (account_number,

Nadere informatie

AI Kaleidoscoop. College 7: Kennisrepresentatie (I) Kennisrepresentatie. Kennisrepresentatie: gewenste eigenschappen (2)

AI Kaleidoscoop. College 7: Kennisrepresentatie (I) Kennisrepresentatie. Kennisrepresentatie: gewenste eigenschappen (2) AI Kaleidoscoop College 7: Kennrepresentatie (I) Algemeen Semantche Netwerken Conceptuele graphen Frames AI KS9 1 Kennrepresentatie Klassieke AI = redeneren over de wereld door middel van een representatie

Nadere informatie

LINKED OPEN DATA De heilige graal voor morgen? Door: Bert ten Brinke

LINKED OPEN DATA De heilige graal voor morgen? Door: Bert ten Brinke LINKED OPEN DATA De heilige graal voor morgen? Door: Bert ten Brinke Bert ten Brinke Vanaf 1985 in de IT Vanaf 1990 met GIS bezig Als ontwikkelaar, ontwerper, consultant, projectleider, interim manager

Nadere informatie

in het agrifood domein Nicole.Koenderink@wur.nl 1 VIAS-symposium

in het agrifood domein Nicole.Koenderink@wur.nl 1 VIAS-symposium Semantic Web in het agrifood domein Nicole Koenderink 1 VIAS-symposium Overzicht Web 3.0: bouwstenen en doelen Semantiek Hoe krijg je semantiek in het bestaande web? Wat kun je met semantische informatie?

Nadere informatie

ISO Datamodelleren. Prof. dr. Paul De Bra. Gebaseerd op: Database System Concepts, 5th Ed. Silberschatz, Korth and Sudarshan

ISO Datamodelleren. Prof. dr. Paul De Bra. Gebaseerd op: Database System Concepts, 5th Ed. Silberschatz, Korth and Sudarshan ISO Datamodelleren Prof. dr. Paul De Bra Gebaseerd op: Database System Concepts, 5th Ed. het bank voorbeeld waarom zijn er drie tabellen om klanten en rekeningen voor te stellen? customer (customer_name,

Nadere informatie

AI Kaleidoscoop. College 6: Deel 1:Expert systemen Deel 2: Onzekerheid in redeneren. Deel II: Redeneren met onzekerheid. Redeneren met onzekerheid

AI Kaleidoscoop. College 6: Deel 1:Expert systemen Deel 2: Onzekerheid in redeneren. Deel II: Redeneren met onzekerheid. Redeneren met onzekerheid AI Kaleidoscoop College 6: Deel 1:Expert systemen Deel 2: Onzekerheid in redeneren Leeswijzer: 8.0-7.1 + 5.2 + 9.2.1 AI6 1 Deel II: Redeneren met onzekerheid Onzekerheid is aanwezig in alle KBS systemen

Nadere informatie

Metadata, informatiestromen

Metadata, informatiestromen Metadata, informatiestromen Wat doet informatie- en archiefmanagement? Vastleggen/verwerven Opslaan Ordenen Beschrijven Selecteren Verwijderen Bewaren Beschikbaarstellen van informatie. Gedocumenteerd,

Nadere informatie

4051CALC1Y Calculus 1

4051CALC1Y Calculus 1 4051CALC1Y Calculus 1 College 1 2 september 2014 1 Even voorstellen Theresia van Essen Docent bij Technische Wiskunde Aanwezig op maandag en donderdag EWI 04.130 j.t.vanessen@tudelft.nl Slides op http://homepage.tudelft.nl/v9r7r/

Nadere informatie

Grafen en BFS. Mark Lekkerkerker. 24 februari 2014

Grafen en BFS. Mark Lekkerkerker. 24 februari 2014 Grafen en BFS Mark Lekkerkerker 24 februari 2014 1 Grafen Wat is een graaf? Hoe representeer je een graaf? 2 Breadth-First Search Het Breadth-First Search Algoritme Schillen De BFS boom 3 Toepassingen

Nadere informatie

BIM-validatietool Toetst data bij aanlegprojecten

BIM-validatietool Toetst data bij aanlegprojecten BIM-validatietool Toetst data bij aanlegprojecten Overzicht validatieregels Categorie en validatieregel Omschrijving COINS 1 Categorie COINS/Validatieregel 1 Is de COINS container een zip-bestand? COINS

Nadere informatie

Kennisrepresentatie & Redeneren. Piter Dykstra Instituut voor Informatica en Cognitie

Kennisrepresentatie & Redeneren. Piter Dykstra Instituut voor Informatica en Cognitie Kennisrepresentatie & Redeneren Piter Dykstra Instituut voor Informatica en Cognitie www.math.rug.nl/~piter piter@math.rug.nl 30 april 2007 INLEIDING Kennisrepresentatie & Redeneren Week1: Introductie

Nadere informatie

2. Syntaxis en semantiek

2. Syntaxis en semantiek 2. Syntaxis en semantiek In dit hoofdstuk worden de begrippen syntaxis en semantiek behandeld. Verder gaan we in op de fouten die hierin gemaakt kunnen worden en waarom dit in de algoritmiek zo desastreus

Nadere informatie

Kunstmatige Intelligentie (AI) Hoofdstuk 6 van Russell/Norvig = [RN] Constrained Satisfaction Problemen (CSP s) voorjaar 2015 College 7, 31 maart 2015

Kunstmatige Intelligentie (AI) Hoofdstuk 6 van Russell/Norvig = [RN] Constrained Satisfaction Problemen (CSP s) voorjaar 2015 College 7, 31 maart 2015 AI Kunstmatige Intelligentie (AI) Hoofdstuk 6 van Russell/Norvig = [RN] Constrained Satisfaction Problemen (CSP s) voorjaar 2015 College 7, 31 maart 2015 www.liacs.leidenuniv.nl/ kosterswa/ai/ 1 Introductie

Nadere informatie

Logica 1. Joost J. Joosten

Logica 1. Joost J. Joosten Logica 1 Joost J. Joosten Universiteit Utrecht (sub)faculteit der Wijsbegeerte Heidelberglaan 8 3584 CS Utrecht Kamer 158, 030-2535579 jjoosten@phil.uu.nl www.phil.uu.nl/ jjoosten (hier moet een tilde

Nadere informatie

Boommethode. TI1300: Redeneren en Logica. Oefenen, wat anders? Aanvullende regels (Logica, tabel 11.1, p. 159) A (B C),A C = B

Boommethode. TI1300: Redeneren en Logica. Oefenen, wat anders? Aanvullende regels (Logica, tabel 11.1, p. 159) A (B C),A C = B Boommethode Is deze redenering logisch geldig? TI1300: Redeneren en Logica College 15: Boommethode en Resolutie Tomas Klos Algoritmiek Groep A (B C),A C = B oftewel: is deze verzameling vervulbaar? { A

Nadere informatie

CLIPS en het Rete-algoritme. Productieregels in CLIPS. Feiten. Productiesysteem (voorbeeld)

CLIPS en het Rete-algoritme. Productieregels in CLIPS. Feiten. Productiesysteem (voorbeeld) CLIPS en het Rete-algoritme CLIPS: acroniem voor C Language Integrated Production System Verwant aan OPS5 (Carnegie-Mellon University), en gebaseerd op ART (Artificial Reasoning Tool) Ontwikkeld door Lyndon

Nadere informatie

Samenhang in Morfologische Beeldanalyse

Samenhang in Morfologische Beeldanalyse Samenhang in Morfologische Beeldanalyse Michael H. F. Wilkinson Instituut voor Wiskunde en Informatica Rijksuniversiteit Groningen Overzicht Wat is mathematische morfologie? Connected Filters Basis idee

Nadere informatie

Functies deel 1. Vijfde college

Functies deel 1. Vijfde college 3 Functies deel 1 Vijfde college 1 Ch.3 Functions and Algorithms Hoofdstuk 3 uit Schaum gaat over functies en algoritmen. Het gedeelte over algoritmen ( 3.8 en 3.9) komt uitgebreid aan de orde bij toekomstige

Nadere informatie

Inleiding Programmeren 2

Inleiding Programmeren 2 Inleiding Programmeren 2 Gertjan van Noord, Leonie Bosveld 12 december 2016 Zelle hoofdstuk 10 Stof Overzicht - theorie 1. Zelle hoofdstuk 4 en 5 2. Zelle hoofdstuk 7 en 8, recursie, Brookshear hoofdstuk

Nadere informatie

T3 in het wild While Juni 2004. Tom de Valk 0115665 Tom Evers 0115525 Sjors Meekels 0138630

T3 in het wild While Juni 2004. Tom de Valk 0115665 Tom Evers 0115525 Sjors Meekels 0138630 T3 in het wild While Juni 2004 Tom de Valk 0115665 Tom Evers 0115525 Sjors Meekels 0138630 INHOUDSOPGAVE Inleiding... 2 1. WHILE OO... 3 1.1 Afbakening... 3 1.2 Uitbreidingen... 3 2. Syntax... 4 3. Semantiek...

Nadere informatie

Doel van college 2. College 2: CASNET systeem. Bestuderen van een concreet systeem dat model-gebaseerd redeneert. CASNET is een medisch expertsysteem:

Doel van college 2. College 2: CASNET systeem. Bestuderen van een concreet systeem dat model-gebaseerd redeneert. CASNET is een medisch expertsysteem: College 2: CASNET systeem Doel van college 2 CASNET is een medisch expertsysteem: diagnose therapie selectie model gebaseerde methode toepassing in glaucoom domein Bestuderen van een concreet systeem dat

Nadere informatie

Logica voor AI. Inleiding modale logica en Kripke semantiek. Antje Rumberg. 14 november 2012

Logica voor AI. Inleiding modale logica en Kripke semantiek. Antje Rumberg. 14 november 2012 Logica voor AI Inleiding modale logica en Kripke semantiek Antje Rumberg Antje.Rumberg@phil.uu.nl 14 november 2012 1 Logica voor AI Deel 1: Modale logica semantiek en syntax van verschillende modale logica

Nadere informatie

z x 1 x 2 x 3 x 4 s 1 s 2 s 3 rij rij rij rij

z x 1 x 2 x 3 x 4 s 1 s 2 s 3 rij rij rij rij ENGLISH VERSION SEE PAGE 3 Tentamen Lineaire Optimalisering, 0 januari 0, tijdsduur 3 uur. Het gebruik van een eenvoudige rekenmachine is toegestaan. Geef bij elk antwoord een duidelijke toelichting. Als

Nadere informatie

Oplossingen Datamining 2II15 Juni 2008

Oplossingen Datamining 2II15 Juni 2008 Oplossingen Datamining II1 Juni 008 1. (Associatieregels) (a) Zijn de volgende beweringen juist of fout? Geef een korte verklaring voor alle juiste beweringen en een tegenvoorbeeld voor alle foute be-weringen:

Nadere informatie

Getallensystemen, verzamelingen en relaties

Getallensystemen, verzamelingen en relaties Hoofdstuk 1 Getallensystemen, verzamelingen en relaties 1.1 Getallensystemen 1.1.1 De natuurlijke getallen N = {0, 1, 2, 3,...} N 0 = {1, 2, 3,...} 1.1.2 De gehele getallen Z = {..., 4, 3, 2, 1, 0, 1,

Nadere informatie

5.4.2 a. Neen: dit lukt alléén met 1, 3, 7 enzovoort. b. Ja: dit lukt met elk aantal knopen! Bijvoorbeeld de volgende boom: 1

5.4.2 a. Neen: dit lukt alléén met 1, 3, 7 enzovoort. b. Ja: dit lukt met elk aantal knopen! Bijvoorbeeld de volgende boom: 1 c. het langste gerichte pad: 4 2 3 met lengte twee. d. het langste on -gerichte pad is oneindig lang: je mag bijvoorbeeld voortdurend tussen twee knopen heen en weer wandelen. e. ja: elke knoop heeft maximaal

Nadere informatie

Waarmaken van Leibniz s droom

Waarmaken van Leibniz s droom Waarmaken van Leibniz s droom Artificiële intelligentie Communicatie & internet Operating system Economie Computatietheorie & Software Efficiënt productieproces Hardware architectuur Electronica: relais

Nadere informatie

SAMPLE 11 = + 11 = + + Exploring Combinations of Ten + + = = + + = + = = + = = 11. Step Up. Step Ahead

SAMPLE 11 = + 11 = + + Exploring Combinations of Ten + + = = + + = + = = + = = 11. Step Up. Step Ahead 7.1 Exploring Combinations of Ten Look at these cubes. 2. Color some of the cubes to make three parts. Then write a matching sentence. 10 What addition sentence matches the picture? How else could you

Nadere informatie

3.1 Opsomming data type

3.1 Opsomming data type Deel I Hoofdstuk 3: Klasse Model - gevorderd 2005 Prof Dr. O. De Troyer Klasse Model - gevorderd pag. 1 3.1 Opsomming data type Opsomming (enumeration) data type Data type waarvan de verzameling waarden

Nadere informatie

FRESNEL FORMS. Een Protégé plugin voor het genereren van datasysteeminterfaces van datamodellen op het Semantic Web ABI TEAM 30

FRESNEL FORMS. Een Protégé plugin voor het genereren van datasysteeminterfaces van datamodellen op het Semantic Web ABI TEAM 30 FRESNEL FORMS Een Protégé plugin voor het genereren van datasysteeminterfaces van datamodellen op het Semantic Web ABI TEAM 30 1 Even voorstellen Alex Mekkering Joop van de Heijning Teun Theunissen 2 Opzet

Nadere informatie

Semantische Web Services

Semantische Web Services Semantische Web Services Een suggestie voor de verbetering van web service compositie Door Pepijn Arts 0412570 Begeleiding door Patrick van Bommel Inhoudsopgave Voorwoord... 3 1. Inleiding... 4 1.1 Probleemstelling...

Nadere informatie

Semantische technieken, cultureel erfgoed en gebruikers

Semantische technieken, cultureel erfgoed en gebruikers Semantische technieken, cultureel erfgoed en gebruikers Jasper Oosterman 1 Semantic Web WWW = mensenweb Semantic Web: computerweb Semantiek Begrijpen van data Redeneren Linked data 2 Linked Data bij Erfgoed

Nadere informatie

De keuzestructuur. Versie DD

De keuzestructuur. Versie DD De keuzestructuur Versie DD Tot nu toe Programma in rechte lijn = sequentie of opeenvolging Nieuw Vertakking in parcours = selectie of keuzestructuur Controlestructuren Opeenvolging = sequentie Keuze =

Nadere informatie

AI Kaleidoscoop. College 9: Natuurlijke taal. Natuurlijke taal: het probleem. Fases in de analyse van natuurlijke taal.

AI Kaleidoscoop. College 9: Natuurlijke taal. Natuurlijke taal: het probleem. Fases in de analyse van natuurlijke taal. AI Kaleidoscoop College 9: atuurlijke taal Het Probleem Grammatica s Transitie netwerken Leeswijzer: Hoofdstuk 14.0-14.3 AI9 1 atuurlijke taal: het probleem Communiceren met computers als met mensen, middels

Nadere informatie

Expertsystemen. Marco Wiering CGN A126 Tel. 030 2539209 marco@cs.uu.nl

Expertsystemen. Marco Wiering CGN A126 Tel. 030 2539209 marco@cs.uu.nl Expertsystemen Marco Wiering CGN A126 Tel. 030 2539209 marco@cs.uu.nl Inleiding en inperking (1) Expertsystemen en Artificial Intelligence (AI) Wat is intelligentie? Inleiding en inperking (2) Inleiding

Nadere informatie

Vierde college complexiteit. 26 februari Beslissingsbomen en selectie Toernooimethode Adversary argument

Vierde college complexiteit. 26 februari Beslissingsbomen en selectie Toernooimethode Adversary argument Complexiteit 2019/04 College 4 Vierde college complexiteit 26 februari 2019 Beslissingsbomen en selectie Toernooimethode Adversary argument 1 Complexiteit 2019/04 Zoeken: samengevat Ongeordend lineair

Nadere informatie

In deze les. Eerste orde logica. Elementen van EOL. Waarom eerste orde logica? Combinatie met logica. Variabelen en Kwantoren

In deze les. Eerste orde logica. Elementen van EOL. Waarom eerste orde logica? Combinatie met logica. Variabelen en Kwantoren In deze les Eerste orde logica Bart de Boer Waarom EOL? Syntax en semantiek van EOL Opfrisser Gebruik van EOL EOL in de Wumpus-wereld Waarom eerste orde logica? Eerste orde logica kan alles uitdrukken

Nadere informatie

Objectgeorïenteerd werken is gebaseerd op de objecten die door het systeem gemanipuleerd worden.

Objectgeorïenteerd werken is gebaseerd op de objecten die door het systeem gemanipuleerd worden. Herhaling Objectgeorïenteerd werken is gebaseerd op de objecten die door het systeem gemanipuleerd worden. De basisbouwsteen is het object; een geïntegreerde eenheid van data en operaties werkend op deze

Nadere informatie

Vierde college algoritmiek. 23/24 februari Complexiteit en Brute Force

Vierde college algoritmiek. 23/24 februari Complexiteit en Brute Force Algoritmiek 2017/Complexiteit Vierde college algoritmiek 23/24 februari 2017 Complexiteit en Brute Force 1 Algoritmiek 2017/Complexiteit Tijdcomplexiteit Complexiteit (= tijdcomplexiteit) van een algoritme:

Nadere informatie

Model-gebaseerd Redeneren. Ervaringsregels. Medische diagnostiek: facialisparese. Gebruik van modellen. Probleemoplossen op grond van ervaringsregels:

Model-gebaseerd Redeneren. Ervaringsregels. Medische diagnostiek: facialisparese. Gebruik van modellen. Probleemoplossen op grond van ervaringsregels: Model-gebaseerd Redeneren Ervaringsregels Traditionele kennissystemen: regel gebaseerd (ervaringsregels) if conditions then actions/conclusions fi. gebruikte redeneermethoden: top-down inferentie: redeneer

Nadere informatie

Inleiding Programmeren 2

Inleiding Programmeren 2 Inleiding Programmeren 2 Gertjan van Noord 11 december 2017 Zelle hoofdstuk 10 Stof Overzicht - theorie 1. Zelle hoofdstuk 4 en 5 2. Zelle hoofdstuk 7 en 8, recursie, Brookshear hoofdstuk 5 3. Zelle hoofdstuk

Nadere informatie

Werkgroep URI Strategie. Bijeenkomst

Werkgroep URI Strategie. Bijeenkomst Werkgroep URI Strategie Bijeenkomst 2015-07-01 StaVaZa URI-strategie Hemelvaartbijeenkomst 15 mei. http://www.pilod.nl/wiki/verslag_werkgroep_uristrategie_15-5-2015 Uitgangspunten voor URI-strategie: persistentie

Nadere informatie

Logica voor Informatica. Propositielogica. Syntax & Semantiek. Mehdi Dastani Intelligent Systems Utrecht University

Logica voor Informatica. Propositielogica. Syntax & Semantiek. Mehdi Dastani Intelligent Systems Utrecht University Logica voor Informatica Propositielogica Syntax & Semantiek Mehdi Dastani m.m.dastani@uu.nl Intelligent Systems Utrecht University Wat is Logica? Afleiden van conclusies uit aannames Jan Sara Petra Schuldig

Nadere informatie

Semantiek (2IT40) Bas Luttik. HG 7.14 tel.: Hoorcollege 8 (7 juni 2007)

Semantiek (2IT40) Bas Luttik.  HG 7.14 tel.: Hoorcollege 8 (7 juni 2007) Bas Luttik s.p.luttik@tue.nl http://www.win.tue.nl/~luttik HG 7.14 tel.: 040 247 5152 Hoorcollege 8 (7 juni 2007) Functionele talen Idee: een programma definieert reeks (wiskundige) functies. Programma

Nadere informatie

Opgaven bij Hoofdstuk 3 - Productiesystemen

Opgaven bij Hoofdstuk 3 - Productiesystemen Opgaven bij Hoofdstuk 3 - Productiesystemen Top-down inferentie In de opgaven in deze paragraaf over top-down inferentie wordt aangenomen dat de feitenverzameling alleen feiten bevat die als getraceerd

Nadere informatie

INLEIDING. Definitie Stochastisch Proces:

INLEIDING. Definitie Stochastisch Proces: Definitie Stochastisch Proces: INLEIDING Verzameling van stochastische variabelen die het gedrag in de tijd beschrijven van een systeem dat onderhevig is aan toeval. Tijdparameter: discreet: {X n, n 0};

Nadere informatie

Tiende college algoritmiek. 14 april Gretige algoritmen

Tiende college algoritmiek. 14 april Gretige algoritmen College 10 Tiende college algoritmiek 1 april 011 Gretige algoritmen 1 Greedy algorithms Greed = hebzucht Voor oplossen van optimalisatieproblemen Oplossing wordt stap voor stap opgebouwd In elke stap

Nadere informatie

in alle mogelijke mediaformaten, - bestaande en in de toekomst te ontwikkelen -, aan de Universiteit Hasselt.

in alle mogelijke mediaformaten, - bestaande en in de toekomst te ontwikkelen -, aan de Universiteit Hasselt. Auteursrechterlijke overeenkomst Opdat de Universiteit Hasselt uw eindverhandeling wereldwijd kan reproduceren, vertalen en distribueren is uw akkoord voor deze overeenkomst noodzakelijk. Gelieve de tijd

Nadere informatie

Geest, brein en cognitie

Geest, brein en cognitie Geest, brein en cognitie Filosofie van de geest en Grondslagen van de cognitiewetenschap Fred Keijzer 1 Overzicht: Wat is filosofie en waarom is dit relevant voor cognitiewetenschap en kunstmatige intelligentie?

Nadere informatie

Semantiek (met de BAG als voorbeeld) Dienstverlening in verbinding Wetgeving in verbinding 12 maart 2014 Marco Brattinga (marco.brattinga@ordina.

Semantiek (met de BAG als voorbeeld) Dienstverlening in verbinding Wetgeving in verbinding 12 maart 2014 Marco Brattinga (marco.brattinga@ordina. 1 Semantiek (met de BAG als voorbeeld) Dienstverlening in verbinding Wetgeving in verbinding 12 maart 2014 Marco Brattinga (marco.brattinga@ordina.nl) DIT is geen nummeraanduiding Meerdere werkelijkheden

Nadere informatie

Modeluitwerking Tentamen Computationele Intelligentie Universiteit Leiden Informatica Vrijdag 11 Januari 2013

Modeluitwerking Tentamen Computationele Intelligentie Universiteit Leiden Informatica Vrijdag 11 Januari 2013 Modeluitwerking Tentamen Computationele Intelligentie Universiteit Leiden Informatica Vrijdag Januari 20 Opgave. Python Gegeven is de volgende (slechte) Python code:. def t(x): 2. def p(y):. return x*y

Nadere informatie

Doorzoeken van grafen. Algoritmiek

Doorzoeken van grafen. Algoritmiek Doorzoeken van grafen Algoritmiek Vandaag Methoden om door grafen te wandelen Depth First Search Breadth First Search Gerichte Acyclische Grafen en topologische sorteringen 2 Doolhof start eind 3 Depth

Nadere informatie

4 Beschouw de volgende formuleverzameling S: {"x "y ((Rxy Æ "z (Rxz Æ y = z)), "x "y (Ryx Æ "z (Rzx Æ y = z)),

4 Beschouw de volgende formuleverzameling S: {x y ((Rxy Æ z (Rxz Æ y = z)), x y (Ryx Æ z (Rzx Æ y = z)), T E N T A M E N L O G I C A 1 1 Bepaal met behulp van een waarheidstabel een disjunctieve normaalvorm voor de formule (p (q Ÿ ( r Æ (p Ÿ q)))). Is er een eenvoudiger formule waarmee de gevonden formule

Nadere informatie

p. 1/39 Voorbeeld: R = {R 1 : if same(x,a) and same(y,b) then R 2 : if same(x,b) then add(u,f) fi, R 3 : if same(z,c) and same(w,d) then

p. 1/39 Voorbeeld: R = {R 1 : if same(x,a) and same(y,b) then R 2 : if same(x,b) then add(u,f) fi, R 3 : if same(z,c) and same(w,d) then Bottom-up Inferentie Data-gestuurde inferentievorm: Vergelijking Top-down inferentie: selectie regels match (sub)doel conclusie Uiteindelijke Feiten Doelen Initiële feitenverzameling: F = {A} Regelverzameling:

Nadere informatie

i(i + 1) = xy + y = x + 1, y(1) = 2.

i(i + 1) = xy + y = x + 1, y(1) = 2. Kenmerk : Leibniz/toetsen/Re-Exam-Math A + B-45 Course : Mathematics A + B (Leibniz) Date : November 7, 204 Time : 45 645 hrs Motivate all your answers The use of electronic devices is not allowed [4 pt]

Nadere informatie

voorbeeldexamen Object Oriëntatie Foundation (OOF.NL) editie juli 2010 inhoud inleiding 3 voorbeeldexamen 4 antwoordindicatie 11 evaluatie 22

voorbeeldexamen Object Oriëntatie Foundation (OOF.NL) editie juli 2010 inhoud inleiding 3 voorbeeldexamen 4 antwoordindicatie 11 evaluatie 22 voorbeeldexamen Object Oriëntatie Foundation (OOF.NL) editie juli 2010 inhoud inleiding 3 voorbeeldexamen 4 antwoordindicatie 11 evaluatie 22 bijlage bijlagenset A711 EXIN Hét exameninstituut voor ICT

Nadere informatie

Elfde college algoritmiek. 18 mei Algoritme van Dijkstra, Heap, Heapify & Heapsort

Elfde college algoritmiek. 18 mei Algoritme van Dijkstra, Heap, Heapify & Heapsort Algoritmiek 018/Algoritme van Dijkstra Elfde college algoritmiek 18 mei 018 Algoritme van Dijkstra, Heap, Heapify & Heapsort 1 Algoritmiek 018/Algoritme van Dijkstra Uit college 10: Voorb. -1- A B C D

Nadere informatie

Logica voor Informatici najaar 2000 Opgaven en Oplossingen Hoofdstuk 3

Logica voor Informatici najaar 2000 Opgaven en Oplossingen Hoofdstuk 3 Logica voor Informatici najaar 2000 Opgaven en Oplossingen Hoofdstuk 3 3.1 Stel ϕ, ψ α, β γ, en ψ, α, γ χ. Indien nu bovendien bekend wordt dat χ onwaar is, maar ψ en β waar, wat weet u dan over ϕ? oplossing:

Nadere informatie

Vakgroep CW KAHO Sint-Lieven

Vakgroep CW KAHO Sint-Lieven Vakgroep CW KAHO Sint-Lieven Objecten Programmeren voor de Sport: Een inleiding tot JAVA objecten Wetenschapsweek 20 November 2012 Tony Wauters en Tim Vermeulen tony.wauters@kahosl.be en tim.vermeulen@kahosl.be

Nadere informatie

Eindexamen wiskunde B1-2 havo 2004-I

Eindexamen wiskunde B1-2 havo 2004-I Eindexamen wiskunde - havo 004-I 4 eoordelingsmodel Kogelstoten De score van André is,8 De score van ernard is,55 De conclusie dat voor k = 0, ernard niet de hoogste score heeft de vergelijking die hoort

Nadere informatie

EEN SYSTEEM VOOR HET VISUALISEREN VAN FINANCIËLE RELATIES. Mark Jansen, MA-Thesis, University of Groningen 2008

EEN SYSTEEM VOOR HET VISUALISEREN VAN FINANCIËLE RELATIES. Mark Jansen, MA-Thesis, University of Groningen 2008 EEN SYSTEEM VOOR HET VISUALISEREN VAN FINANCIËLE RELATIES Mark Jansen, MA-Thesis, University of Groningen 2008 1 Inleiding 3 1.1 Achtergrond 3 1.2 Doel van de afstudeeropdracht 3 1.3 Over FINAN Financial

Nadere informatie

Uitbreiding van UM Aquo cluster metingen, toevoegen optioneel attribuut Identificatie waarnemingssoort aan klasse WaardeReeks MIDDELGROOT

Uitbreiding van UM Aquo cluster metingen, toevoegen optioneel attribuut Identificatie waarnemingssoort aan klasse WaardeReeks MIDDELGROOT Uitbreiding van UM Aquo cluster metingen, toevoegen optioneel attribuut Identificatie waarnemingssoort aan klasse WaardeReeks algemeen onderdeel: Publicatiedatum 1 mei 2012 UM Aquo - metingen Status concept

Nadere informatie

Tiende college algoritmiek. 2 mei Gretige algoritmen, Dijkstra

Tiende college algoritmiek. 2 mei Gretige algoritmen, Dijkstra College 10 Tiende college algoritmiek mei 013 Gretige algoritmen, Dijkstra 1 Muntenprobleem Gegeven onbeperkt veel munten van d 1,d,...d m eurocent, en een te betalen bedrag van n (n 0) eurocent. Alle

Nadere informatie

Artificiële intelligentie: les van 21 november 2002

Artificiële intelligentie: les van 21 november 2002 Artificiële intelligentie: les van 21 november 2002 Nys Wim, wim.nys@vub.ac.be Gybels Kim, kim.gybels@vub.ac.be Leuse Tom, tom.leuse@vub.ac.be Heyse Wouter, wouter.heyse@vub.ac.be Frank Joris, frank.joris@vub.ac.be

Nadere informatie

OTL-IMBOR. COINS IMGeo integratie met linked data. Dr.ir. Hans Schevers

OTL-IMBOR. COINS IMGeo integratie met linked data. Dr.ir. Hans Schevers OTL-IMBOR COINS IMGeo integratie met linked data Dr.ir. Hans Schevers www.buildingbits.nl COINS 2 (www.coinsweb.nl) Open BIM standaard Gelanceerd in april 2016 (COINS 2) Beheerd door het BIM-Loket Gebruikt

Nadere informatie

Semantiek 1 college 10. Jan Koster

Semantiek 1 college 10. Jan Koster Semantiek 1 college 10 Jan Koster 1 Vandaag Vorige keer: conceptuele structuur en semantische decompositie Vandaag: inleiding in de formele semantiek Gebruikt notaties uit formele logica plus de daar gehanteerde

Nadere informatie

Het XOR-Netwerk heeft lokale Minima

Het XOR-Netwerk heeft lokale Minima Het 2-3- XOR-Netwerk heet lokale Minima Ida G. Sprinkhuizen-Kuyper Egbert J.W. Boers Vakgroep Inormatica RijksUniversiteit Leiden Postbus 952 2300 RA Leiden {kuyper,boers}@wi.leidenuniv.nl Samenvatting

Nadere informatie

Velduitbreidingen. Hector Mommaerts

Velduitbreidingen. Hector Mommaerts Velduitbreidingen Hector Mommaerts 2 Hoofdstuk 1 Basisbegrippen 1.1 Definities Definitie 1.1. Een veld L is een uitbreiding van het veld K als het ontstaat door aan K één of meerdere elementen toe te voegen.

Nadere informatie

Tentamen Kunstmatige Intelligentie (INFOB2KI)

Tentamen Kunstmatige Intelligentie (INFOB2KI) Tentamen Kunstmatige Intelligentie (INFOB2KI) 30 januari 2014 10:30-12:30 Vooraf Mobiele telefoons dienen uitgeschakeld te zijn. Het tentamen bestaat uit 7 opgaven; in totaal kunnen er 100 punten behaald

Nadere informatie

Helden van de wiskunde: L.E.J. Brouwer Brouwers visie vanuit een logica-informatica perspectief

Helden van de wiskunde: L.E.J. Brouwer Brouwers visie vanuit een logica-informatica perspectief Helden van de wiskunde: L.E.J. Brouwer Brouwers visie vanuit een logica-informatica perspectief Herman Geuvers Radboud Universiteit Nijmegen Technische Universiteit Eindhoven 1 Helden van de wiskunde:

Nadere informatie

ALGORITMIEK: answers exercise class 7

ALGORITMIEK: answers exercise class 7 Problem 1. See slides 2 4 of lecture 8. Problem 2. See slides 4 6 of lecture 8. ALGORITMIEK: answers exercise class 7 Problem 5. a. Als we twee negatieve (< 0) getallen bij elkaar optellen is het antwoord

Nadere informatie

(iii) Enkel deze bundel afgeven; geen bladen toevoegen, deze worden toch niet gelezen!

(iii) Enkel deze bundel afgeven; geen bladen toevoegen, deze worden toch niet gelezen! Examen Wiskundige Basistechniek, reeks A 12 oktober 2013, 13:30 uur Naam en Voornaam: Lees eerst dit: (i) Naam en voornaam hierboven invullen. (ii) Nietje niet losmaken. (iii) Enkel deze bundel afgeven;

Nadere informatie

Logica 1. Joost J. Joosten

Logica 1. Joost J. Joosten Logica 1 Joost J. Joosten Universiteit Utrecht (sub)faculteit der Wijsbegeerte Heidelberglaan 8 3584 CS Utrecht Kamer 158, 030-2535579 jjoosten@phil.uu.nl www.phil.uu.nl/ jjoosten (hier moet een tilde

Nadere informatie

Wijzigingsvoorstel Ontwerp en implementatie Aquo-catalogus

Wijzigingsvoorstel Ontwerp en implementatie Aquo-catalogus Wijzigingsvoorstel Ontwerp en implementatie Aquo-catalogus Auteur: IDsW Kenmerk: W-0910-0010 Documentbeheer Wijzigingshistorie Datum Versie Auteur Wijziging 28-09-2009 0.1 H-J. Lekkerkerk Eerste versie

Nadere informatie

Tweede college algoritmiek. 12 februari Grafen en bomen

Tweede college algoritmiek. 12 februari Grafen en bomen College 2 Tweede college algoritmiek 12 februari 2016 Grafen en bomen 1 Grafen (herhaling) Een graaf G wordt gedefinieerd als een paar (V,E), waarbij V een eindige verzameling is van knopen (vertices)

Nadere informatie

Kortste Paden. Algoritmiek

Kortste Paden. Algoritmiek Kortste Paden Toepassingen Kevin Bacon getal Six degrees of separation Heeft een netwerk de small-world eigenschap? TomTom / Google Maps 2 Kortste paden Gerichte graaf G=(N,A), en een lengte L(v,w) voor

Nadere informatie

Over Plantinga s argument voor de existentie van een noodzakelijk bestaand individueel ding. G.J.E. Rutten

Over Plantinga s argument voor de existentie van een noodzakelijk bestaand individueel ding. G.J.E. Rutten 1 Over Plantinga s argument voor de existentie van een noodzakelijk bestaand individueel ding G.J.E. Rutten Introductie In dit artikel wil ik het argument van de Amerikaanse filosoof Alvin Plantinga voor

Nadere informatie

1 Complexiteit. of benadering en snel

1 Complexiteit. of benadering en snel 1 Complexiteit Het college van vandaag gaat over complexiteit van algoritmes. In het boek hoort hier hoofdstuk 8.1-8.5 bij. Bij complexiteitstheorie is de belangrijkste kernvraag: Hoe goed is een algoritme?

Nadere informatie

Wiskunde voor bachelor en master Deel 1 Basiskennis en basisvaardigheden. c 2015, Syntax Media, Utrecht Uitwerkingen hoofdstuk 6

Wiskunde voor bachelor en master Deel 1 Basiskennis en basisvaardigheden. c 2015, Syntax Media, Utrecht  Uitwerkingen hoofdstuk 6 Wiskunde voor bachelor en master Deel 1 Basiskennis en basisvaardigheden c 015, Syntax Media, Utrecht www.syntaxmedia.nl Uitwerkingen hoofdstuk 6 6..1 1. a. x 3 9x = 0 x (x 9) = 0 x = 0 x 9 = 0 x = 0 x

Nadere informatie

Relaties deel 2. Vierde college

Relaties deel 2. Vierde college 2 Relaties deel 2 Vierde college 1 n-tupels & Cartesisch product A 1, A 2,, A n verzamelingen Een n-tupel is een geordend rijtje (ook wel: geordend n-tal) (a 1,a 2,...,a n ) met a 1 A 1, a 2 A 2,, a n

Nadere informatie

FOR DUTCH STUDENTS! ENGLISH VERSION NEXT PAGE

FOR DUTCH STUDENTS! ENGLISH VERSION NEXT PAGE FOR DUTCH STUDENTS! ENGLISH VERSION NEXT PAGE Tentamen Bewijzen en Technieken 1 7 januari 211, duur 3 uur. Voeg aan het antwoord van een opgave altijd het bewijs, de berekening of de argumentatie toe.

Nadere informatie

Discrete Wiskunde, College 12. Han Hoogeveen, Utrecht University

Discrete Wiskunde, College 12. Han Hoogeveen, Utrecht University Discrete Wiskunde, College 12 Han Hoogeveen, Utrecht University Dynamische programmering Het basisidee is dat je het probleem stap voor stap oplost Het probleem moet voldoen aan het optimaliteitsprincipe

Nadere informatie

Design Automation & Rules Based Design

Design Automation & Rules Based Design Design Automation & Rules Based Design Peter Van Avondt Senior Consultant MFG ProDesk NV Agenda Conditional Feature Suppression Introductie ilogic Voorbeelden: Voorbeeld 1 Part Design Voorbeeld 2 Afmetingen

Nadere informatie

Wat is FP? The Haskell School of Expression. Functies. Types 1+1=2. Iedere expressie (en waarde) heeft een type.

Wat is FP? The Haskell School of Expression. Functies. Types 1+1=2. Iedere expressie (en waarde) heeft een type. Wat is FP? The Haskell School of Expression Functioneel Programmeren Een andere manier om tegen programmeren aan te kijken Gebaseerd op het uitrekenen van expressies 1+1=2 Eenvoudig maar krachtig (modulair,

Nadere informatie