• Keine Ergebnisse gefunden

¨Ubungen zur Vorlesung Nichtklassische Logiken WS06/07

N/A
N/A
Protected

Academic year: 2021

Aktie "¨Ubungen zur Vorlesung Nichtklassische Logiken WS06/07"

Copied!
1
0
0

Wird geladen.... (Jetzt Volltext ansehen)

Volltext

(1)

Ubungen zur Vorlesung Nichtklassische Logiken WS06/07 ¨

Prof. Dr. P. Schroeder-Heister Blatt 6

Aufgabe 1 (4 Punkte)

Es sei A eine Struktur der mehrwertigen Quantorenlogik mit 1 als einzigem ausgezeichneten Wahrheitswert. Die zugrundeliegende Sprache enthalte die Junktoren ∧ und →, wobei f eine beliebige t-Norm sei undfder Φ-Operator zu einer t-NormtmitLSC(t). Zeigen Sie f¨ur beliebige Formeln A und B:

(a) A |=A→B genau dann, wenn vA(A)≤vA(B) (2)

(b) A |=A↔B genau dann, wenn vA(A) = vA(B) (2)

Dabei stehe A↔B kurz f¨ur (A→B)∧(B →A).

Aufgabe 2 (10 Punkte)

Zeigen Sie f¨ur die Lukasiewicz-Quantorenlogik:

(a) |=¬∀xA↔ ∃x¬A (2)

(b) |=∀x(A∧B)↔(∀xA∧ ∀xB) (2)

(c) |= (∀xA&∀xB)→ ∀x(A&B) (2)

(d) 6|=∀x(A&B)→(∀xA&∀xB) (4)

Referenzen

ÄHNLICHE DOKUMENTE

d) Als Datenquellen soll der Server Dateien von der Festplatte lesen. Es soll dabei möglich sein in einer Konfigura- tionsdatei festzulegen in welchen Verzeichnissen der Server

Institut f¨ur Informatik Universit¨at Halle

Institut f¨ur Informatik Universit¨at Halle

Berechnen Sie f¨ ur eine der beiden durchgef¨ uhrten PCAs die empirischen, quadratischen Approxima- tionsfehler, die sich ergeben, wenn alle gegebenen Datenpunkte auf die

Innere Neurone erhalten ihre Eingaben von ihren Vorg¨angerneuronen in Form von deren Ausgaben (deren berechneter Aktivierungszustand) und berechnen daraus die synaptische Summation

Implementieren Sie unter Verwendung Ihrer ¨ Uberlegungen zum objekt-orientierten Konzept eines neu- ronalen Netzes das gezeigte MLP.. Das Konzept muß etwas erweitert werden, um

Diskutieren Sie, warum beim Training mit backpropagation die Gewichte zuf¨allig nahe Null initialisiert werden sollten, und bei bin¨aren Problemen als Zielfunktion nicht die

• bestimmen Sie nach jeder Epoche die Klassifikationsrate r(t) t ∈ [1; 100000] des bis dahin gerlern- ten MLPs, wenn dieses zum Klassifizieren der Elemente der beiden