HaCkeD by SA3D HaCk3D
KurDish HaCk3rS WaS Here
fucked
FUCK ISIS !
KurDish HaCk3rS WaS Here
fucked
FUCK ISIS !
– Frame merupakan kumpulan pengetahuan tentang suatu obyek tertentu, peristiwa, lokasi, situasi atau informasi lainnya
– Frame memiliki slot yang menggambarkan rincian (atribut) dan karakteristik obyek
– Frame biasanya digunakan untuk merepresentasikan pengetahuan yang didasarkan pada karakteristik yang sudah dikenal yang merupakan pengalaman-pengalaman
– Dengan menggunakan Frame maka sangat mudah untuk membuat inferensi tentang obyek, peristiwa atau situasi baru. Hal ini karena Frame menyediakan basis pengetahuan yang ditarik dari pengalaman
– Class adalah bagian dimana setiap elemennya adalah individual entities dan dapat diwariskan kepada instancenya
– Metaclass adalah class special dimana setiap elementnya adalah class itu sendiri
– Ciri-ciri class dan metaclass :
– Tangled hierarchies adalah hierarchies yang bukan merupakan tree
– Hubungannya adalah dimana ketika kita ingin menentukan jawaban dari pertanyaan seperti : “Apakah fifi dapat terbang ? ”
Jawaban yang didapat dengan algoritma terdahulu adalah : No
Jawaban inilah yang kita harapkan
Namun permasalahannya adalah ketika berbeda tangled hierarchiesnya seperti contoh :
Maka jawabannya adalah : Yes
Hasil ini tidak sesuai dengan yang diharapkan oleh karena itu ada perubahan algoritma pada property inheritancenya
Algoritma property inheritance :
Mengambil nilai V utk slot S dari instance F kerjakan :
3. Untuk setiap elemen C dari CANDIDATES kerjakan :
Jika lebih besar dari 1, laporkan kontradiksi
– Conceptual Dependency adalah teori tentang bagaimana merepresentasikan pengetahuan tentang event (kejadian) yang biasanya terkandung dalam kalimat bahasa natural
– Sasarannya merepresentasikan pengetahuan dalam cara :
– Representasi sederhana Conceptual Dependency :
“I gave the man a book.”
Dimana simbol memiliki arti sebagai berikut :
– Panah menunjukkan arah ketergantungan
– Panah dobel menunjukkan link dua arah antara aktor dan aksi
– p menunjukkan past tense
– ATRANS adalah salah satu aksi primitif dari teori. Menunjukkan perpindahan kepemilikan (transfer of possession)
– to menunjukkan relasi kasus obyek
– R menunjukkan penerima kasus relasi
CD Primitive Actions (Aksi primitif)
ATRANS | Transfer relasi abstrak (mis. give/ memberi) |
PTRANS | Transfer lokasi fisik oleh obyek (mis. Go/pergi) |
PROPEL | Aplikasi tenaga fisik ke obyek (mis. Push/mendorong) |
MOVE | Pergerakan bagian tubuh oleh pemiliknya (mis. Kick/menendang) |
GRASP | Pegangan obyek oleh aktor (mis. Clutch/kopling) |
INGEST | Ingestion (memasukkan) obyek oleh binatang (mis. eat/makan) |
EXPEL | Expulsion (pengeluaran) sesuatu dari tubuh binatang (mis. Cry/menangis) |
MTRANS | Transfer informasi mental (mis. tell/ memberi tahu) |
MBUILD | Membentuk informasi baru dari yang lama (mis, decide/memutuskan) |
SPEAK | Produksi suara (mis. say/bicara) |
ATTEND | Memfokuskan organ indera kearah stimulus/rangsangan (mis. listen/mendengar) |
Kategori Konsep Primitif CD
ACTs | Aksi |
PPs | Obyek (picture producer) |
AAs | Pemodifikasi aksi (action aiders) |
PAs | Pemodifikasi PPs (picture aiders) |
CD Conceptual Tense
p |
Past |
f | Future |
t | Transition |
ts | Start transition |
tf | Finished transition |
k | Continuing |
? | Interrogative |
/ | Negative |
nil | Present |
delta | Timeless |
c | Conditional |
Gambarkan kalimat ini dengan CD :
“Anggota MPR yang baik akan mendengarkan dengan penuh perhatian kepada pembicara”
Gambar :
Penjelasan :
– Panah menunjukkan arah ketergantungan
– Panah dobel menunjukkan link dua arah antara aktor dan aksi
– p menunjukkan past tense
– ATTEND adalah Memfokuskan organ indera ke arah stimulus/rangsangan (mis. listen/mendengar)
– o menunjukkan objek kasus relasi
– R menunjukkan penerima kasus relasi
– Script adalah struktur yang mendeskripsikan urutan stereotip dari event-event pada konteks kejadian yang ada.Script terdiri dari himpunan slot-slot
– Conceptual Dependency adalah mekanisme untuk merepresentasikan dan pemikiran mengenai event.Namun jarang kali event-event terjadi pada isolasi oleh karena itu digunakan script untuk dapat merepresentasikan pengetahuan mengenai urutan event-event yang umum dan dapat menjawab pertanyaan yang tidak bisa dijawab dengan menggunakan metode yang lain
Link download file tugas OFC II : here
Fakta adalah kejadian sebenarnya. Fakta inilah yang akan kita representasikan
Represenasi dimaksudkan untuk menangkap sifat-sifat penting problem & membuat informasi tersebut dapat diakses oleh prosedur pemecahan permasalahan.Bahasa representasi harus dapat membuat seseorang mampu mengekspresikan pengetahuan yang diperlukan untuk mendapatkan solusi permasalahan
Yang dapat dimanipulasi adalah representasi, karena berkaitan dengan pemecahan permasalahan dan penyampaian solusip permasalahan kepada orang lain
Pada figure 4.1, salah satu cara berpikir menstrukturkan entitas fakta dan representasi dalam dua level (tingkatan) :
– Level knowledge (pengetahuan), dimana fakta dijelaskan.
– Level simbol, dimana representasi dari objek pada level pengetahuan (knowledge) didefinisikan dalam bentuk simbol yang dapat dimanipulasi oleh program.
Sedangkan pada figure 4.3, menjelaskan tentang pemetaan dari initial facts menuju final fact yang melalui internal representation of initial facts lalu internal representation of final facts.Ide utamanya adalah impelementasi yang konkrit dari konsep abstrak.
Representasi yang baik dari pengetahuan dalam domain khusus harus memiliki sifat-sifat tertentu yaitu :
Cara termudah untuk merepresentasikan fakta sebagai himpunan relasi adalah dengan menggunakan konsep system basis data.
Contoh :
Player | Height | Weight | Bats-Throws |
Hank Aaron | 6-10 | 180 | Right-Right |
Willie Mays | 5-10 | 170 | Right-Right |
Babe Ruth | 6-2 | 215 | Left-Left |
Ted Williams | 6-3 | 205 | Left-Right |
Alasan mengapa representasi ini sangat mudah adalah karena dapat berdiri sendiri dan dapat menyediakan kapabilitas inferensial yang sangat lemah namun pengetahuan yang direpresentasikan dapat dijadikan sebagai input bagi mesin yang kuat.
Untuk mendukung sifat inheritance (pewarisan), obyek harus diorganisasikan ke klas-klas dan klas harus disusun dalam hirarki generalisasi. Garis merepresentasikan atribut, kotak node merepresentasikan obyek dan nilai atribut dari obyek. Struktur dalam gambar adalah slot and filler structure. Juga disebut semantic network atau kumpulan dari frame.
Contoh :
Property inheritance adalah bentuk kuat dari inference, tapi bukanlah bentuk yang sering digunakan.Pengetahuan ini akan tidak berguna jika tidak ada inference procedure yang bisa mengeksplorasinya.Kebutuhan akan inference procedure itulah yang akan mengimplementasikan aturan standard logika dari inference.Procedure yang sering digunakan adalah resolusi, yaitu mengeksplorasi bukti dengan strategi kontradiksi.
Sejauh ini, contoh tentang pengetahun baseball konsentrasi pada static relative, fakta yang dideklarasikan.Namun ada jenis yang lebih berguna yaitu pengetahuan tentang operasional atau procedural knowledge.Procedural knowledge dapat digunakan pada bahasa dengan banyak cara.
Contoh :
Menggunakan bahasa LISP untuk mendefinisikan nilai
Baseball-Player
isa : Adult-Male
bats : (lambda(x)
(prog()
L1
(cond ((caddr x) (return (caddr x)))
(t(setq x (eval (card x)))
(cond (x (go L1))
(t (return nil)))))))
height : 6-1
batting-average: .252
– Logika Proporsional
Proporsi adalah suatu pernyataan yang dapat bernilai benar (B) atau salah (S).Simbol-simbol seperti P dan Q menunjukkan proporsi.Dua atau lebih proporsi dapat digabungkan dengan menggunakan operator logika :
Untuk melakukan inferensi pada logika proposisi dapat dilakukan dengan menggunakan resolusi.Resolusi adalah suatu aturan untuk melakukan inferensi yang dapat berjalan secara efisien dalam suatu bentuk khusus.Bentuk khusus tersebut dikenal dengan nama conjunctive normal form (CNF) yang memiliki ciri-ciri sebagai berikut :
Pada logika proposisi, prosedur untuk membuktikan proposisi P dengan beberapa aksioma F yang telah diketahui, dengan menggunakan resolusi, dapat dilakukan melalui algortima sebagai berikut :
Contoh kasus :
P : Andi anak yang cerdas
Q : Andi rajin belajar
R : Andi akan menjadi juara kelas
S : Andi makannya banyak
T : Andi istirahatnya cukup
Kalimat yang terbentuk :
Setelah dilakukan konversi ke bentuk CNF, didapat :
Ditemukan kontradiksi sehingga pembuktian selesai
Kelebihan logika proposisi :
Kelemahan logika proposisi :
– Logika Predikat
Logika predikat digunakan untuk merepresentasikan hal-hal yang tidak dapat direpresentasikan dengan menggunakan logika proposisi.Pada logika predikat, kita dapat merepresentasikan fakta-fakta sebagai suatu pernyataan yang disebut dengan wff (well-formed formula)
Contoh :
Misalkan diketahu fakta-fakta sebagai berikut :
Dengan menggunakanlogika peridkat dapat dituliskan :
laki2 (x)
Dimana X adalah variable yang bisa disubstitusikan dengan Andi, Ali, Amir, Anto, Agus dan laki-laki yang lain.
Kelebihan logika predikat :
Kelemahan logika proposisi :
Contoh kasus :
Misalkan terdapat pernyataan-pernyataan sebagai berikut :
Kedelapan pernyataan di atas dapat dibawa ke bentuk logika predikat, dengan menggunakan operator-operator : → (implikasi), ¬ (not), ^ (and), (terdapat), (untuk setiap)
Andaikan kita akan menjawab pertanyaan :
“Apakah andi suka matakuliah Kalkulus ?”
maka dari pernyataan ke-7 kita akan membuktikan bahwa Andi tidak suka dengan matakuliah kalkulus. Dengan menggunakan penalaran backward bisa dibuktikan bahwa :
¬ suka (Andi, Kalkulus)
sebagai berikut :
¬ suka (Andi, Kalkulus)
↑ (7, substitusi)
mahasiswa (Andi) ^
sulit (Kalkulus) ^
¬ hadir (Andi, Kalkulus)
↑ (1)
sulit (Kalkulus) ^
¬ hadir (Andi, Kalkulus)
↑ (4)
¬ hadir (Andi, Kalkulus)
↑ (8)
Dari penalaran tersebut dapat dibuktikan bahwa Andi tidak suka dengan matakuliah kalkulus.
– Resolusi pada Logika Proposisi
Menggunakan resolusi yaitu suatu teknik pembuktian yang lebih efisien, sebab fakta-fakta yang akan dioperasikan terlebih dahulu dibawa ke bentuk standar yang sering disebut dengan nama klausa.Pembuktian suatu pernyataan menggunakan resolusi ini dilakukan dengan cara menegasikan pernyataan tersebut, kemudian dicari kontradiksinya dari pernyataan-pernyataan yang sudah ada.
Algoritma konversi ke bentuk klausa :
¬ (¬ a ^ b) ¬ a v ¬ b
¬ (¬ a v b) ¬ a ^ ¬ b
¬ x : P(x) x : ¬ P(x)
¬ x : P(x) x : ¬ P(x)
x : P(x) v x : Q(x) menjadi
x : P(x) v x : Q(y)
x : y : P(y, x) menjadi
x : P ( S(x), x)
(a ^ b) v c (a v b) ^ (b v c)
– Resolusi pada Logika Predikat
Resolusi pada logika predikat pada dasarnya sama dengan resolusi pada logika proposisi, hanya saja ditambah dengan unifikasi.Pada logika predikat, prosedur untuk membuktikan pernyataan P dengan beberapa pernyataan F yang telah diketahui, dengan menggunakan resolusi, dapat dilakukan melalui algoritma sebagai berikut :
Contoh kasus :
Misalkan terdapat pernyataan-pernyataan sebagai berikut :
Maka harus terlebih dahulu diubah ke dalam bentuk klausa sebagai berikut :
Apabila ingin dibuktikan apakah Andi benci kalkulus, maka kita bisa lakukan dengan membuktikan:
benci (Andi, Kalkulus)
Untuk dapat lebih mengerti, dapat mendownload file here
Welcome to Binusian blog. This is your first post. Edit or delete it, then start blogging! Happy Blogging 🙂
Binusian Link