Semantische Netze Psychologische Plausibilität

Größe: px
Ab Seite anzeigen:

Download "Semantische Netze Psychologische Plausibilität"

Transkript

1 Conceptual Graphs Knoten repräsentieren Konzepte oder konzeptuelle Relationen; Kanten haben keine Labels n-stellige konzeptuelle Relation repräsentiert als Knoten mit n Kanten Mächtigkeit der PL1; aber Unterstützung spezieller Inferenzmechanismen, z.b. join zur Kombination zweier Graphen zu einen Graph!!! Sowa, 1980er Jahre 16 Psychologische Plausibilität Hierarchische Speicherorganisation beim Menschen. Eigenschaften auf höchstmöglicher Ebene der Taxonomie gespeichert. Struktur des Netzes von Collins und Quillian basierte auf Untersuchungen mit Versuchspersonen. Collins & Quillian,

2 Strukturierte Repräsentationen Inheritance Networks Konzepte mit Attributen is-a und instance-of Relationen Probleme: Konflikte bei Mehrfachvererbung Überschreiben von Eigenschaften in Spezialisierungen (wenn Pinguin ein Vogel ist, der nicht fliegt, wieso nicht Stein als Vogel modellieren, der nicht fliegt, nicht lebt, und keine Federn hat?) 18 Strukturierte Repräsentationen!!! Frames 19

3 Strukturierte Repräsentationen - Frames Erweiterung der Inheritance Networks um Procedural Attachment Generische Frames beschreiben Klassen, Instanzen einzelne Objekte Vererbung, i.a. auch Mehrfachvererbung und Überschreiben von Eigenschaften Frames haben Slots, jeder Slot hat einen oder mehrere Werte Dämonen -Prozeduren an Slots gebunden um Seitene"ekte bei Slot-Zugri" zu modellieren if-added: neuer Wert in Slot eintragen if-removed: Wert aus Slot entfernen if-replaced: Wert des Slots ändern if-needed: Fehlender Wert eines Instanz-Frames muss aus generischem Frame berechnet werden (facette cache bedeutet, daß Wert in Instanz gespeichert wird) if-new: Neuer Instanz-Frame wird erzeugt range: Überprüft Wertebereich eines neues Frames help: Range-Test liefert Fehler liefert Fehler o.ä. 20 Frames Beispiel cylinder ako object with! height:!! range!!! number(new value) and new value > 0!! help!!! print("height must be a positive number")!! if_needed!!! ask!! if_removed!!! remove volume from this cylinder!! cache!!! yes;! radius:!! range!!! number(new value) and new value > 0!! help!!! print("radius must be a positive number")!! if_needed!!! ask!! if_removed!!! remove cross_section from this cylinder!! cache!!! yes;! cross_section:...! volume:!!... 21

4 Frames Minsky, 1975 (Generische) Frames repräsentieren stereotype Situationen, z.b Wohnzimmer, die auf spezifische Situation angepaßt werden Schank & Abelson, 1977 Scripts sind spezielle Frames, die typische Verläufe von Ereignissen beschreiben, z.b. Restaurant-Script 1970er / 1980er Jahre Frame-Systeme FRL, KRL,...; auf Allgemeinheit ausgelegt Behandlung von Mehrfachvererbung, siehe z.b. Winston, 1993 KL-ONE und Nachfolger: formale, deklarative Semantik Inheritance Networks mit Ausnahmen: formale Semantik z.b. Abb. auf nichtmonotone Logik CYC-Projekt Ziel: Modellierung von Commonsense-Wissen; über 5000 Frames (Stand 1993) heute eher spezialisierte Systeme; in Bielefeld z.b. ERNEST (Bild- und Sprachverstehen), COAR prominent: OWL Web Ontology Language ( 22 und Frames als alternative Notationen Bem: Für prozedurales Attachment in Frames gibt es in sem. Netzen keine Entsprechung Hayes (1980) gibt eine Übersetzung von Frames nach PL1 an (ohne prozedurales Attachment) Damit wird auch die logische Rekonstruktion semantischer Netze (und damit deren semantischer Status) zum Thema 23

5 Was ist semantisch an Semantischen Netzen? Was ist hier modelliert? John s Finger ist Teil eines Orchesters? John kämpft mit sich selbst? Brathühner machen Musik? Henny Penny paßt gut zu Estragon (einem Gewürz)?! Problem früher semantischer Netze: Keine Semantik für Konzepte und Relationen! 24 Logische Rekonstruktion: Beschreibungslogiken Formalisierung semantischer Netze, ausgehend von KL-ONE Beschreibungslogiken als notationelle Variante von Teilmengen der PL1 Deklarative Semantik, d.h. Konzepte interpretiert als Mengen von Individuen Subsumtions- und Klassifikationsalgorithmen Beispiel: The class of people whose children are all doctors subsumes the class of people all of whose children are rich and who are all males each of whose rich children is a doctor who is a surgeon.! (AND person (ALL child doctor)) subsumiert (AND! (AND person (ALL child rich))! (AND male! (ALL (RESTR child rich)!! (AND doctor (SOME (RESTR specialty surgery)))))) 25

6 und Ausdrucksstärke (II) Viele Varianten von Beschreibungslogiken Im Zentrum steht Trade-O" zwischen Ausdruckstärke und Traktabilität von Subsumtionstests Vollständige, traktable Subsumtionstests nur bei sehr einfachen Beschreibungslogiken 26

Spezielle Themen der KI

Spezielle Themen der KI Spezielle Themen der KI Wissensrepräsentation General Purpose Wissensrepräsentationen in der KI Marc Erich Latoschik AI & VR Lab, Faculty of Technology marcl@techfak.uni-bielefeld.de Übersicht Ziel: Übersicht

Mehr

University of Bielefeld Was ist semantisch an Semantischen Netzen?

University of Bielefeld Was ist semantisch an Semantischen Netzen? Was ist semantisch an Semantischen Netzen? Was ist hier modelliert? John s Finger ist Teil eines Orchesters? John kämpft mit sich selbst? Brathühner machen Musik? Henny Penny paßt gut zu Estragon (einem

Mehr

(Dieser Foliensatz basiert auf Material von Mirjam Minor, Humboldt- Universität Berlin, WS 2000/01, sowie von Andreas Abecker/Knut Hinkelmann)

(Dieser Foliensatz basiert auf Material von Mirjam Minor, Humboldt- Universität Berlin, WS 2000/01, sowie von Andreas Abecker/Knut Hinkelmann) Kapitel 9: Frames (Dieser Foliensatz basiert auf Material von Mirjam Minor, Humboldt- Universität Berlin, WS 2000/01, sowie von Andreas Abecker/Knut Hinkelmann) Künstliche Intelligenz, Kapitel 9 Frames

Mehr

Spezielle Themen der KI

Spezielle Themen der KI Spezielle Themen der KI Wissensrepräsentation General Purpose Wissensrepräsentationen in der KI Marc Erich Latoschik AI & VR Lab, Faculty of Technology marcl@techfak.uni-bielefeld.de Übersicht Ziel: Übersicht

Mehr

Kapitel 8: Semantische Netze

Kapitel 8: Semantische Netze Kapitel 8: Semantische Netze Teil 1 (Dieser Foliensatz basiert auf Material von Mirjam Minor, Humboldt- Universität Berlin, WS 2000/01) Künstliche Intelligenz, Kapitel 8 Semantische Netze 1 Begriffe und

Mehr

Beschreibungslogik. Vorlesung im Sommersemester 2015

Beschreibungslogik. Vorlesung im Sommersemester 2015 Beschreibungslogik Vorlesung im Sommersemester 2015 Organisatorisches Zeit und Ort: Mi 16-18 MZH1460 und Do 16-18 MZH1460 Vortragender: Carsten Lutz Cartesium Raum 2.59 Tel. (218)-64431 clu@uni-bremen.de

Mehr

Was fehlt den semantischen Netzen?

Was fehlt den semantischen Netzen? Semantische Netze Grundidee RDF SPARQL Was fehlt den semantischen Netzen? Beschreibungslogiken Web Ontology Language OWL I. Boersch Jun-13 1 Auch: Topic Maps, Mindmaps Ross Quillian, 1967 Ziel: Sprachverarbeitung

Mehr

1 Symbolische Repräsentation

1 Symbolische Repräsentation 1 Symbolische Repräsentation 2. Vorlesung: Repräsentation mit Logik, semantischen Netzen und Frames Methoden der Künstlichen Intelligenz Ipke Wachsmuth WS 2008/2009 Interne Repräsentation Repräsentation

Mehr

1 Symbolische Repräsentation

1 Symbolische Repräsentation 1 Symbolische Repräsentation 2. Vorlesung: Repräsentation mit Logik, semantischen Netzen und Frames Methoden der Künstlichen Intelligenz Ipke Wachsmuth WS 2009/2010 Interne Repräsentation Repräsentation

Mehr

Teil III: Wissensrepräsentation und Inferenz. Kap.8: Semantische Netze und Begriffliche Graphen. Quillian, Semantische Netze.

Teil III: Wissensrepräsentation und Inferenz. Kap.8: Semantische Netze und Begriffliche Graphen. Quillian, Semantische Netze. Quillian, 1967 Vorlesung Künstliche Intelligenz Wintersemester 2007/08 Teil III: Wissensrepräsentation und Inferenz Kap.8: Semantische Netze und Begriffliche Graphen Das semantische Netz repräsentiert

Mehr

Interdisziplinäre fachdidaktische Übung: Sprache und Modelle. SS 2015: Grossmann, Jenko

Interdisziplinäre fachdidaktische Übung: Sprache und Modelle. SS 2015: Grossmann, Jenko Interdisziplinäre fachdidaktische Übung: Sprache und Modelle SS 2015: Grossmann, Jenko Einleitung Was ist ein Modell? Sprachlich orientierte Modelle Beispiele Wie entstehen Modelle? Zusammenhang Modell

Mehr

Darstellung, Verarbeitung und Erwerb von Wissen

Darstellung, Verarbeitung und Erwerb von Wissen Darstellung, Verarbeitung und Erwerb von Wissen Gabriele Kern-Isberner LS 1 Information Engineering TU Dortmund Wintersemester 2015/16 WS 2015/16 G. Kern-Isberner (TU Dortmund) DVEW WS 2015/16 1 / 222

Mehr

Kapitel 8: Wissensrepräsentation mit Semantischen Netzen und Frames

Kapitel 8: Wissensrepräsentation mit Semantischen Netzen und Frames Kapitel 8: Wissensrepräsentation mit Semantischen Netzen und Frames Quellen: Die meisten Folien stammen von Dr. Knut Hinkelmann, FH Solothurn Bücher: Gottlob, Rich & Knight Wissensrepräsentation in XPS

Mehr

Wissensrepräsentation 2

Wissensrepräsentation 2 Wissensrepräsentation Jürgen Dorn Inhalt Wissen und Intelligenz deklarative versus prozedurale Wissensrepräsentation Wissensbasierte Systeme Wissensrepräsentationsformalismen Das Auto springt nicht an!

Mehr

Transition Network Parser

Transition Network Parser Transition Grammatik als endlicher Automat oder Übergangsnetzwerk. Jedes Netzwerk repräsentiert ein Nichtterminal. Kanten repräsentieren Terminale oder Nichtterminale. Pfad durch das Netzwerk korrespondiert

Mehr

Wissensrepräsentation

Wissensrepräsentation Wissensrepräsentation Vorlesung Sommersemester 2008 12. Sitzung Dozent Nino Simunic M.A. Computerlinguistik, Campus DU Übersicht Rückblick, Zusammenhänge Mysterien 2 Inhalte im abstrakten Überblick Künstliche

Mehr

Modellierungsbeispiel Geräte

Modellierungsbeispiel Geräte Was bisher geschah Modellierung von Aussagen in (klassischer) Aussagenlogik Syntax: Aussagenvariablen sind Atome Junktoren,,,, induktive Definition: Baumstruktur der Formeln strukturelle Induktion äquivalente

Mehr

Deklarative Formen der Wissensrepräsentation

Deklarative Formen der Wissensrepräsentation Semantische Netze Deklarative Formen der Wissensrepräsentation 1. Semantische Netze 2. Objekt-Attribut Attribut-Wert-Tripel 3. Frames (Schemata, Scripts) 4. Prädikatenlogik 5. Produktionsregeln Fisch Fisch

Mehr

Ontologiesprachen. 1.Was ist eine Ontologie 2.Aufbau einer Ontologie 3.RDF 4.RDFSchema 5.DAML+OIL / OWL 6.Frame-Logic

Ontologiesprachen. 1.Was ist eine Ontologie 2.Aufbau einer Ontologie 3.RDF 4.RDFSchema 5.DAML+OIL / OWL 6.Frame-Logic Ontologiesprachen 1.Was ist eine Ontologie 2.Aufbau einer Ontologie 3.RDF 4.RDFSchema 5.DAML+OIL / OWL 6.Frame-Logic 1.Was ist eine Ontologie Der Begriff leitet sich vom griechischen onta (das Seiende)

Mehr

1 Symbolische Repräsentation

1 Symbolische Repräsentation Universität Bielefeld Interne Repräsentation 1 Symbolische Repräsentation 2. Vorlesung: Repräsentation mit Logik, semantischen Netzen und Frames Methoden der Künstlichen Intelligenz Ipke Wachsmuth WS 2003/2004

Mehr

Beschreibungslogik. Vorlesung im Sommersemester 2016

Beschreibungslogik. Vorlesung im Sommersemester 2016 Beschreibungslogik Vorlesung im Sommersemester 2016 Organisatorisches Zeit und Ort: Mi 16 18 MZH 1460 Do 12 14 MZH 1460 Vortragender: Thomas Schneider Cartesium Raum 2.56 Tel. (218)-64432 ts@cs.uni-bremen.de

Mehr

Regeln. Wenn <Vorbedingung> dann <Aktion> Zwei Aktionstypen: Implikation (Deduktionen): Monotonie-Eigenschaft. Handlungen: keine Monotonie

Regeln. Wenn <Vorbedingung> dann <Aktion> Zwei Aktionstypen: Implikation (Deduktionen): Monotonie-Eigenschaft. Handlungen: keine Monotonie Regeln Wenn dann Zwei Aktionstypen: Implikation (Deduktionen): Monotonie-Eigenschaft Handlungen: keine Monotonie Beispiel für Implikationsregel: wenn (1) Nackensteife und (2) hohes

Mehr

Semantic Web. Ekaterina Timofeeva & Johannes Knopp Vorlesung Information Retrieval Dr. Karin Haenelt Universität Heidelberg WS2006/07

Semantic Web. Ekaterina Timofeeva & Johannes Knopp Vorlesung Information Retrieval Dr. Karin Haenelt Universität Heidelberg WS2006/07 Semantic Web Ekaterina Timofeeva & Johannes Knopp 29.01.2007 Vorlesung Information Retrieval Dr. Karin Haenelt Universität Heidelberg WS2006/07 Semantic Web - Übersicht Was ist Semantic Web? Idee Wie funktioniert

Mehr

4. Lernen von Entscheidungsbäumen

4. Lernen von Entscheidungsbäumen 4. Lernen von Entscheidungsbäumen Entscheidungsbäume 4. Lernen von Entscheidungsbäumen Gegeben sei eine Menge von Objekten, die durch Attribut/Wert- Paare beschrieben sind. Jedes Objekt kann einer Klasse

Mehr

Entwurf: Fortgeschrittene Konzepte

Entwurf: Fortgeschrittene Konzepte Bisher: Entwurf als grafisches Diagramm mit Entitätsmengen (auch weiche) Beziehungsmengen Attribute Assoziationstypen, Beziehungstypen und ausschließlich 2 stellige Beziehungen Extended / Enhanced (Erweitertes)

Mehr

KI: Wie testet man ein Hirn?

KI: Wie testet man ein Hirn? KI: Wie testet man ein Hirn? (Und warum?) Richard Jelinek PetaMem GmbH Nürnberg Richard Jelinek Künstliche Intelligenz 11. März 2016 1 / 15 Weltwissen & Repräsentation Weltwissen beschreibt das verfügbare

Mehr

1. Der Begriff Informatik 2. Syntax und Semantik von Programmiersprachen - 1 -

1. Der Begriff Informatik 2. Syntax und Semantik von Programmiersprachen - 1 - 1. Der Begriff Informatik 2. Syntax und Semantik von Programmiersprachen I.2. I.2. Grundlagen von von Programmiersprachen. - 1 - 1. Der Begriff Informatik "Informatik" = Kunstwort aus Information und Mathematik

Mehr

1. Der Begriff Informatik 2. Syntax und Semantik von Programmiersprachen - 1 -

1. Der Begriff Informatik 2. Syntax und Semantik von Programmiersprachen - 1 - 1. Der Begriff Informatik 2. Syntax und Semantik von Programmiersprachen I.2. I.2. Grundlagen von von Programmiersprachen. - 1 - 1. Der Begriff Informatik "Informatik" = Kunstwort aus Information und Mathematik

Mehr

Einführung in die Methoden der Künstlichen Intelligenz. Konzeptbeschreibungssprachen

Einführung in die Methoden der Künstlichen Intelligenz. Konzeptbeschreibungssprachen Einführung in die Methoden der Künstlichen Intelligenz Konzeptbeschreibungssprachen PD Dr. David Sabel SoSe 2014 Stand der Folien: 11. Juli 2014 Vorgänger Description Logic T-Box und A-Box Subsumtionsalgorithmen

Mehr

5. Beschreibungslogiken und Web-Ontologien. Eigenschaften von Beschreibungslogiken. Das Grundvokabular besteht aus

5. Beschreibungslogiken und Web-Ontologien. Eigenschaften von Beschreibungslogiken. Das Grundvokabular besteht aus 5. Beschreibungslogik und Web-Ontologien Einführung in Beschreibungslogiken 5. Beschreibungslogiken und Web-Ontologien 5. Beschreibungslogik und Web-Ontologien Einführung in Beschreibungslogiken Das Grundvokabular

Mehr

Google Knowledge Graph. Kursfolien Teil 2. Karin Haenelt

Google Knowledge Graph. Kursfolien Teil 2. Karin Haenelt Google Knowledge Graph Kursfolien Teil 2 Karin Haenelt 1.8.2015 Themen Systemübersicht Datengraph Aufbau Modellierung Auswertungen des Datengraphen Aufschlussreiche Beziehungen Retrievalbeispiele 2 Google

Mehr

9. Übung Künstliche Intelligenz

9. Übung Künstliche Intelligenz Prof. Dr. Gerd Stumme, Dominik Benz Fachgebiet Wissensverarbeitung 9. Übung Künstliche Intelligenz 21.01.2009 Wintersemester 2008/2009 1 Frames Betrachten Sie nochmals die beispielhafte Frame-Repräsentation

Mehr

Semantische Relationen in Dokumentationssprachen. vom Thesaurus zum semantischen Netz

Semantische Relationen in Dokumentationssprachen. vom Thesaurus zum semantischen Netz Semantische Relationen in Dokumentationssprachen vom Thesaurus zum semantischen Netz Felix Boteram RESEDA-Projekt Institut für Informationsmanagement (IIM) Fachhochschule Köln felix.boteram@fh-koeln.de

Mehr

Kapitel 8: Semantische Netze

Kapitel 8: Semantische Netze Kapitel 8: Semantische Netze Teil 1 (Dieser Foliensatz basiert auf Material von Mirjam Minor, Humboldt- Universität Berlin, WS 2000/01) Wozu brauchen wir Begriffe? Mit dieser Frage beginnt J. Hoffmann

Mehr

Programmiertechnik Objektorientierung

Programmiertechnik Objektorientierung Programmiertechnik Objektorientierung Prof. Dr. Oliver Haase Oliver Haase Hochschule Konstanz 1 Was ist Objekt-Orientierung? Objekt-Orientierung (OO) ist nicht völlig scharf definiert, d.h. es gibt unterschiedliche

Mehr

Andere Logiken. o Modallogik(en) o Temporallogik(en) o Beschreibungslogik(en) Konzepte und Rollen Fragen und Entscheidbarkeit. Andere Logiken 240

Andere Logiken. o Modallogik(en) o Temporallogik(en) o Beschreibungslogik(en) Konzepte und Rollen Fragen und Entscheidbarkeit. Andere Logiken 240 Andere Logiken 240 Andere Logiken o Modallogik(en) o Temporallogik(en) o Beschreibungslogik(en) Konzepte und Rollen Fragen und Entscheidbarkeit Andere Logiken 241 Beschreibungslogiken (BL, Description

Mehr

Beschreibungslogik und Ontologiesprachen. Vorlesung im Wintersemester 08/09

Beschreibungslogik und Ontologiesprachen. Vorlesung im Wintersemester 08/09 Beschreibungslogik und Ontologiesprachen Vorlesung im Wintersemester 08/09 Organisatorisches Zeit und Ort: Di 17-19 MZH7250 und Do 15-17 MZH5210 jedoch nicht diese Woche Donnerstag (23.10.) Vortragender:

Mehr

Darstellung von Wissen

Darstellung von Wissen KARL HEINZ WAGNER Darstellung von Wissen Definition 1. Wissensrepräsentation Wissensrepräsentation ist die symbolische Darstellung von Wissen über einen Gegenstandbereich. Wir können dazu verschiedene

Mehr

Gliederung. 1. Kurzeinstieg 2. Warum ist die Semantik so wichtig? 3. OWL 4. GO 5. Übersetzung 6. Zusammenfassung 7. Quellen

Gliederung. 1. Kurzeinstieg 2. Warum ist die Semantik so wichtig? 3. OWL 4. GO 5. Übersetzung 6. Zusammenfassung 7. Quellen Gliederung Gliederung 1. Kurzeinstieg 2. Warum ist die Semantik so wichtig? 3. OWL 4. GO 5. Übersetzung 6. Zusammenfassung 7. Quellen Marcus Lechner - Institut für Informatik Seite 1 Kurzeinstieg 1. Kurzeinstieg

Mehr

Prof. Dr. Oliver Haase Karl Martin Kern Achim Bitzer. Programmiertechnik Objektorientierung

Prof. Dr. Oliver Haase Karl Martin Kern Achim Bitzer. Programmiertechnik Objektorientierung Prof. Dr. Oliver Haase Karl Martin Kern Achim Bitzer Programmiertechnik Objektorientierung Was ist Objektorientierung Es einige Grundprinzipien, die (fast) allen Definitionen des Begriffs Objektorientierung

Mehr

Formale(Ontologien( G.(Görz,(FAU,(Informa>k,(AG(DH( 2(

Formale(Ontologien( G.(Görz,(FAU,(Informa>k,(AG(DH( 2( Formale(Ontologien( Ontologies(have(become(a(prominent(topic(in(Computer( Science(where(they(serve(as(explicit(conceptual(knowledge( models(that(make(domain(knowledge(available(to(informa>on( systems.(they(play(a(key(role(in(the(vision(of(the(seman>c(

Mehr

Softwaretechnik WS 16/17. Übungsblatt 01

Softwaretechnik WS 16/17. Übungsblatt 01 Softwaretechnik WS 16/17 Übungsblatt 01 Was ist eine Klasse? Definition der Object Management Group: A class describes a set of objects that share the same specifications of features, constraints, and

Mehr

Semantic Web. RDF, RDFS, OWL, and Ontology Engineering. F. Abel, N. Henze, and D. Krause 17.12.2009. IVS Semantic Web Group

Semantic Web. RDF, RDFS, OWL, and Ontology Engineering. F. Abel, N. Henze, and D. Krause 17.12.2009. IVS Semantic Web Group Semantic Web RDF, RDFS, OWL, and Ontology Engineering F. Abel, N. Henze, and D. Krause IVS Semantic Web Group 17.12.2009 Exercise 1: RDFS OWL Erstellen Sie mit Hilfe von RDF Schema und OWL eine Ontologie

Mehr

Einführung in die Methoden der Künstlichen Intelligenz. Konzeptbeschreibungssprachen

Einführung in die Methoden der Künstlichen Intelligenz. Konzeptbeschreibungssprachen Einführung in die Methoden der Künstlichen Intelligenz Konzeptbeschreibungssprachen Dr. David Sabel WS 2012/13 Stand der Folien: 11. Februar 2013 Vorgänger Description Logic T-Box und A-Box Subsumtionsalgorithmen

Mehr

5.2 Entity-Relationship-Modell

5.2 Entity-Relationship-Modell 5.2 Entity-Relationship-Modell Mod-5.8 Entity-Relationship-Modell, ER-Modell (P. Chen 1976): Kalkül zur Modellierung von Aufgabenbereichen mit ihren Objekten, Eigenschaften und Beziehungen. Weitergehende

Mehr

Modellierung mit UML

Modellierung mit UML Bernhard Rumpe Modellierung mit UML Sprache, Konzepte und Methodik Mit 210 Abbildungen und Tabellen Springer Inhaltsverzeichnis Einführung 1 1.1 Ziele dieses Buchs 2 1.2 Überblick 3 1.3 Notationelle Konventionen

Mehr

Grundbegriffe aus Logik und Mengenlehre. Prädikatenlogik

Grundbegriffe aus Logik und Mengenlehre. Prädikatenlogik Grundbegriffe aus Logik und Mengenlehre Prädikatenlogik wohlverstandene Grundlagen, eine formale Sprache zur Beschreibung statischer und dynamischer Gesichtspunkte eines Unternehmens syntaktisch und semantisch

Mehr

Programmierung WS12/13 Lösung - Präsenzübung M. Brockschmidt, F. Emmes, C. Otto, T. Ströder

Programmierung WS12/13 Lösung - Präsenzübung M. Brockschmidt, F. Emmes, C. Otto, T. Ströder Prof. aa Dr. J. Giesl M. Brockschmidt, F. Emmes, C. Otto, T. Ströder Aufgabe 1 (Programmanalyse): (9 + 1 = 10 Punkte) a) Geben Sie die Ausgabe des Programms für den Aufruf java M an. Tragen Sie hierzu

Mehr

IT I: Heute. abstrakte Methoden und Klassen. Interfaces. Interfaces List, Set und Collection IT I - VO 7 1

IT I: Heute. abstrakte Methoden und Klassen. Interfaces. Interfaces List, Set und Collection IT I - VO 7 1 IT I: Heute abstrakte Methoden und Klassen Interfaces Interfaces List, Set und Collection 22.11.2018 IT I - VO 7 1 Wissensüberprüfung Überschreiben von Methoden: Aufruf der Methode der Oberklasse ist oft

Mehr

Geoinformation I Datenmodellierung

Geoinformation I Datenmodellierung Seite 1 von 61 Geoinformation I Datenmodellierung Seite 2 von 61 Datenmodellierung Übersicht Datenverwaltung und Datenbanken objektorientierte Abbildung der Realität Grundlagen der Objektorientierung Darstellung

Mehr

1.3 Charakteristische Eigenschaften von objektorientierten Systemen

1.3 Charakteristische Eigenschaften von objektorientierten Systemen 1.3 Charakteristische Eigenschaften von objektorientierten Systemen Einkapselung (Encapsulation) Geheimhaltungsprinzip (Information / Implementation hiding) Persistenz (State retention) Objektidentität

Mehr

Spezielle Themen der KI Wissensrepräsentation und Lernen Einleitung

Spezielle Themen der KI Wissensrepräsentation und Lernen Einleitung Spezielle Themen der KI Wissensrepräsentation und Lernen Einleitung Marc Erich Latoschik AI & VR Lab, Faculty of Technology marcl@techfak.uni-bielefeld.de Übersicht der Vorlesung Ergänzung und Vertiefung

Mehr

Programmiermethodik 3. Klausur Lösung

Programmiermethodik 3. Klausur Lösung Programmiermethodik 3. Klausur Lösung 9. 1. 2014 Name Matrikelnummer Aufgabe mögliche Punkte erreichte Punkte 1 20 2 16 3 45 4 19 5 20 Gesamt 120 1 Seite 2 von 10 Aufgabe 1) Objekt-Orientierung und Vererbung

Mehr

Software Entwicklung 1

Software Entwicklung 1 Software Entwicklung 1 Annette Bieniusa / Arnd Poetzsch-Heffter AG Softech FB Informatik TU Kaiserslautern Fallstudie: Lauftagebuch Bieniusa/Poetzsch-Heffter Software Entwicklung 1 2/ 21 Erstellen einer

Mehr

Was bisher geschah Klassische Aussagenlogik zur Modellierung von Aussagen Syntax: Formeln

Was bisher geschah Klassische Aussagenlogik zur Modellierung von Aussagen Syntax: Formeln Was bisher geschah Klassische Aussagenlogik zur Modellierung von Aussagen Syntax: Formeln induktive Definition der Menge AL(P) (Baumstruktur) strukturelle Induktion (Funktionen, Nachweise) syntaktische

Mehr

Objektorientierung III

Objektorientierung III Lehrstuhl für Bioinformatik Einführung in die Programmierung für Bioinformatiker Prof. B. Rost, Dr. L. Richter Blatt 10 9.1.2017 Objektorientierung III Aufgabe 10.1. Wir sind doch alle gleich In der Vorlesung

Mehr

Unterschiede herausarbeiten durch Variation des Wesentlichen.

Unterschiede herausarbeiten durch Variation des Wesentlichen. Unterschiede herausarbeiten durch Variation des Wesentlichen. Gemeinsamkeiten herausarbeiten durch Varation des Unwesentlichen: Welches physikalische oder chemische Prinzip liegt hier zugrunde? Welches

Mehr

Dynamische Datentypen. Destruktor, Copy-Konstruktor, Zuweisungsoperator, Dynamischer Datentyp, Vektoren

Dynamische Datentypen. Destruktor, Copy-Konstruktor, Zuweisungsoperator, Dynamischer Datentyp, Vektoren Dynamische Datentypen Destruktor, Copy-Konstruktor, Zuweisungsoperator, Dynamischer Datentyp, Vektoren Probleme mit Feldern (variabler Länge) man kann sie nicht direkt kopieren und zuweisen Probleme mit

Mehr

Description Logics (Beschreibungslogiken)

Description Logics (Beschreibungslogiken) Description Logics (Beschreibungslogiken) Seminar Semantic Web Paulius Friedt Friedrich Schiller Universität Jena (Erasmus) Universität Vilnius, Litauen Überblick Einführung Wissensrepresentation Ontologien

Mehr

Vererbung P rogram m ieren 2 F örster/r iedham m er K apitel 11: V ererbung 1

Vererbung P rogram m ieren 2 F örster/r iedham m er K apitel 11: V ererbung 1 Vererbung 1 11.1 Motivation und Begriffsdefinitionen 11.2 Vorgehensweise und Implementierung 11.3 Arten von Vererbung 11.4 Konstruktoren 11.5 Abstrakte Klasse 11.6 Verschattung 11.7 Wurzelklasse Object

Mehr

Dabei handelt es sich um eine Tabelle, in der die Zeilen- und Spaltenüberschriften die Knotenbezeichner sind.

Dabei handelt es sich um eine Tabelle, in der die Zeilen- und Spaltenüberschriften die Knotenbezeichner sind. 3. Die Datenstruktur Graph 3.2 Repräsentation von Graphen Für die Darstellung eines Graphen eignet sich die sogenannte Adjazenzmatrix. Dabei handelt es sich um eine Tabelle, in der die Zeilen- und Spaltenüberschriften

Mehr

Kompendium semantische Netze

Kompendium semantische Netze Klaus Reichenberger Kompendium semantische Netze Konzepte, Technologie, Modellierung Inhaltsverzeichnis 1 Warum dieses Buch? 1 1.1 Was erwartet Sie in diesem Buch? I 2 Grundlagen semantischer Netze 3 2.1

Mehr

UML / Fujaba. Generierung von Java-Quellcode aus UML-Diagrammen. Marcel Friedrich

UML / Fujaba. Generierung von Java-Quellcode aus UML-Diagrammen. Marcel Friedrich UML / Fujaba Generierung von Java-Quellcode aus UML-Diagrammen Marcel Friedrich Agenda Einleitung Struktur Verhalten Klassendiagramme Storydiagramme Statecharts Action methods 2 Thema Codegenerierung mit

Mehr

Klassische Logik ist monoton: mehr Prämissen haben nie weniger Folgerungen Sei Th(T) = {p T = p}

Klassische Logik ist monoton: mehr Prämissen haben nie weniger Folgerungen Sei Th(T) = {p T = p} Nichtmonotones Schließen: Motivation 1. Beschreibung typischer Zusammenhänge Klassische Logik ist monoton: mehr Prämissen haben nie weniger Folgerungen Sei Th(T) = {p T = p} T 1 T 2 impliziert Th(T 1 )

Mehr

Merkmale und Vererbung in unifikationsbasierten Lexika

Merkmale und Vererbung in unifikationsbasierten Lexika Gerold Schneider: Lexikonaufbau und Morphologieanalyseverfahren Seite 1 Merkmale und Vererbung in unifikationsbasierten Lexika Morphologieanalyse und Lexikonaufbau (14. Vorlesung) Dozent: Gerold Schneider

Mehr

IT I: Heute. Klasse Object. equals, hashcode, tostring. HashSet IT I - VO 6 1

IT I: Heute. Klasse Object. equals, hashcode, tostring. HashSet IT I - VO 6 1 IT I: Heute Klasse Object equals, hashcode, tostring HashSet 14.11.2017 IT I - VO 6 1 Wissensüberprüfung Wie ruft man statische Methode auf? Gegeben Klasse Fix mit statischer Methode static boolean foxi(string

Mehr

a) Vergleiche HTML und XML. (3 Punkte)

a) Vergleiche HTML und XML. (3 Punkte) 1 Aufgabe 1 (XML) (6 Punkte) a) Vergleiche HTML und XML. (3 Punkte) b) Gib 3 Kriterien dafür an, dass eine XML-Datei wohlgeformt ist. (3 Punkte) (1) Σ: /6 1 / 10 2 Aufgabe 2 (RDF(S) Syntax und Semantik)

Mehr

Objektorientierte Programmierung mit CLOS

Objektorientierte Programmierung mit CLOS Objektorientierte Programmierung mit CLOS Konzeptuelle Grundlagen Die Ausführung eines Programms, das in einer objektorientierten Programmiersprache geschrieben wurde, kann als ein Kommunikationsprozess

Mehr

Verschlüsseln eines Bildes. Visuelle Kryptographie. Verschlüsseln eines Bildes. Verschlüsseln eines Bildes

Verschlüsseln eines Bildes. Visuelle Kryptographie. Verschlüsseln eines Bildes. Verschlüsseln eines Bildes Verschlüsseln eines Bildes Visuelle Kryptographie Anwendung von Zufallszahlen Wir wollen ein Bild an Alice und Bob schicken, so dass Alice allein keine Information über das Bild bekommt Bob allein keine

Mehr

3. Die Datenstruktur Graph

3. Die Datenstruktur Graph 3. Die Datenstruktur Graph 3.1 Einleitung: Das Königsberger Brückenproblem Das Königsberger Brückenproblem ist eine mathematische Fragestellung des frühen 18. Jahrhunderts, die anhand von sieben Brücken

Mehr

semantische Informationssysteme

semantische Informationssysteme "Finden" nicht "Suchen" Fakultät TI Department Informatik AW1, Master, SS 2008 Gliederung 1 Motivation 2 Semantic Web 3 Ontologien 4 Zusammenfassung Gliederung 1 Motivation die perfekte Informationsplattform

Mehr

Skriptum Bauinformatik SS 2013 (Vorlesung III)

Skriptum Bauinformatik SS 2013 (Vorlesung III) Skriptum Bauinformatik SS 2013 (Vorlesung III) Stand: 16.04.2013 Dr. Johannes Lange 2 Inhalt Grundlagen Programmierung... 2 Imperative Programmierung... 2 Objektorientierte Programmierung... 2 Objekte...

Mehr

Kognition, Sprache und Gedächtnis. Katharina Fischer und Anja Thonemann

Kognition, Sprache und Gedächtnis. Katharina Fischer und Anja Thonemann Kognition, Sprache und Gedächtnis Katharina Fischer und Anja Thonemann 1 Gedächtnisfunktionen und mentales Lexikon 2 Kognitive Einheiten und Strukturen im LZG 2.1 Konzepte und Wortbedeutungen 2.2 Komplexe

Mehr

Kapitel DB:IV (Fortsetzung)

Kapitel DB:IV (Fortsetzung) Kapitel DB:IV (Fortsetzung) IV. Logischer Datenbankentwurf mit dem relationalen Modell Das relationale Modell Integritätsbedingungen Umsetzung ER-Schema in relationales Schema DB:IV-46 Relational Design

Mehr

Softwarearchitektur, UML, Design Patterns und Unit Tests

Softwarearchitektur, UML, Design Patterns und Unit Tests Softwarearchitektur, UML, Design Patterns und Unit Tests Stefan Wehr Prof. Dr. Peter Thiemann 7. Dezember 2005 Übersicht Softwarearchitektur UML Design Pattern Unit Tests 2 / 34 Softwarearchitektur Softwarearchitektur

Mehr

Inhalt. " DiaGen Historie und Beschreibung. " Architektur eines DiaGen-Editors. " Hypergraphen. " DiaGen-Editoren Komponenten

Inhalt.  DiaGen Historie und Beschreibung.  Architektur eines DiaGen-Editors.  Hypergraphen.  DiaGen-Editoren Komponenten DIAGEN Sven Goeckels Seminar : Visuelle Sprachen Universität Bremen FB Informatik WS 2001/2002 Inhalt " DiaGen Historie und Beschreibung " " Hypergraphen " DiaGen-Editoren Komponenten? Modeler? Reducer?

Mehr

Darstellung von Ontologien im Semantic Web - RDFS-

Darstellung von Ontologien im Semantic Web - RDFS- Darstellung von Ontologien im Semantic Web - RDFS- Cristina Vertan Inhalt Was kann man mit RDF nicht ausdrücken? Was sind Ontologien? Wie entwirft man eine Ontologie? Wie beschreibt man eine Ontologie

Mehr

Modellierung CORBA-basierter Anwendungssysteme mit der UML

Modellierung CORBA-basierter Anwendungssysteme mit der UML Verteidigung der Diplomarbeit über das Thema: Modellierung CORBA-basierter Anwendungssysteme mit der UML Andreas Mucha Technische Universität Dresden Institut für Software- und Multimediatechnik Lehrstuhl

Mehr

Daten Bank. 2. Vorlesung. Dr. Karsten Tolle PRG2 SS 2014

Daten Bank. 2. Vorlesung. Dr. Karsten Tolle PRG2 SS 2014 Daten Bank 2. Vorlesung Dr. Karsten Tolle PRG2 SS 2014 Letzte Vorlesung Grundbegriffe SQL create table insert select Dr. Karsten Tolle PRG2 SS 2014 2 Heute Übersicht Modellierung (ER-Diagramme) Entitäten

Mehr

Programmierung im Grossen

Programmierung im Grossen 1 Letzte Aktualisierung: 16. April 2004 Programmierung im Grossen Bertrand Meyer 2 Vorlesung 4: Abstrakte Daten-Typen Übungen 3 Passe die vorhergehende Spezifikation von Stacks (LIFO, Last-In First-Out

Mehr

Modellierungskonzepte semantischer Datenmodelle. Semantische Datenmodelle. Das Entity-Relationship Modell

Modellierungskonzepte semantischer Datenmodelle. Semantische Datenmodelle. Das Entity-Relationship Modell DEVO. Semantische Datenmodelle DEVO.4 Modellierungskonzepte semantischer Datenmodelle Äquivalente Begriffe: Objekttypenebene = Objektklassenebene = Schema (Schema-level), Objektebene = Exemplarebene (Instance-level)

Mehr

Übersicht. 7. Prädikatenlogik 1. Stufe

Übersicht. 7. Prädikatenlogik 1. Stufe Übersicht I Künstliche Intelligenz II Problemlösen III Wissen und Schlußfolgern 6. Logisch schließende Agenten 7. Prädikatenlogik 1. Stufe 8. Entwicklung einer Wissensbasis 9. Schließen in der Prädikatenlogik

Mehr

Tutoraufgabe 1 (Implementierung eines ADTs):

Tutoraufgabe 1 (Implementierung eines ADTs): Prof. aa Dr. E. Ábrahám Datenstrukturen und Algorithmen SS Tutoriumslösung - Übung (Abgabe.05.0) F. Corzilius, S. Schupp, T. Ströder Tutoraufgabe (Implementierung eines ADTs): Wir spezifizieren den ADT

Mehr

Bio-Ontologien: Darstellung in GO und OWL

Bio-Ontologien: Darstellung in GO und OWL Bio-Ontologien: Darstellung in GO und OWL 1. Kurzeinstieg Ontologien: genau Begriffsdefinition ist schwierig Wissensrepräsentation eines formal definierten Systems von Begriffen und Relationen stellt Sein-Zusammenhänge

Mehr

Repräsentationssprachen für Ontologien

Repräsentationssprachen für Ontologien Repräsentationssprachen für Ontologien Kay Girmann Universität Leipzig 13. Januar 2009 Kay Girmann (IfI - Uni Lepzig) Repräsentationssprachen für Ontologien 13. Januar 2009 1 / 21 Gliederung Topic Maps

Mehr

Ansätze zur Erfassung von Faktoren durch Prüfungsaufgaben. (Diskussionen in Dagstuhl sowie mit Prof. Nickolaus, Technikpädagogik, U Stuttgart)

Ansätze zur Erfassung von Faktoren durch Prüfungsaufgaben. (Diskussionen in Dagstuhl sowie mit Prof. Nickolaus, Technikpädagogik, U Stuttgart) Taxonomie + Schwierigkeit Ansätze zur Erfassung von Faktoren durch Prüfungsaufgaben. (Diskussionen in Dagstuhl sowie mit Prof. Nickolaus, Technikpädagogik, U Stuttgart) Beurteilen Synthese Konstruktion

Mehr

WS 2009/10. Diskrete Strukturen

WS 2009/10. Diskrete Strukturen WS 2009/10 Diskrete Strukturen Prof. Dr. J. Esparza Lehrstuhl für Grundlagen der Softwarezuverlässigkeit und theoretische Informatik Fakultät für Informatik Technische Universität München http://www7.in.tum.de/um/courses/ds/ws0910

Mehr

Ontologies are us: A unified model of social networks and sema

Ontologies are us: A unified model of social networks and sema Ontologies are us: A unified model of social networks and semantics 30. Juni 2009 Inhaltsverzeichnis 1 Einführung Begriffsklärung 2 Folksonomien Anreicherung von Ontologien 3 Ontology emergence in del.icio.us

Mehr

5.8.2 Erweiterungen Dynamische Hash-Funktionen (mit variabler Tabellengröße)?

5.8.2 Erweiterungen Dynamische Hash-Funktionen (mit variabler Tabellengröße)? 5.8.2 Erweiterungen Dynamische Hash-Funktionen (mit variabler Tabellengröße)? Ladefaktor: α, n aktuelle Anzahl gespeicherter Werte m Tabellengröße. Einfacher Ansatz: rehash() a z c h s r b s h a z Wenn

Mehr

4. Logik und ihre Bedeutung für WBS

4. Logik und ihre Bedeutung für WBS 4. Logik und ihre Bedeutung für WBS WBS verwenden formale Sprache L um Wissen zu repräsentieren Grundidee: Problemlösen = Folgern aus in L dargestelltem Wissen Folgern = implizites Wissen explizit machen

Mehr

Programmierparadigmen

Programmierparadigmen Programmierparadigmen DEKLARATIV Funktional Logisch IMPERATIV Prozedural Objektorientiert Einsatz der Programmierparadigmen Systemkomplexität von der Komplexität der Algorithmen dominiert deklarativ oder

Mehr

IT I: Heute. Klasse Object. equals, hashcode, tostring. HashSet IT I - VO 6 1

IT I: Heute. Klasse Object. equals, hashcode, tostring. HashSet IT I - VO 6 1 IT I: Heute Klasse Object equals, hashcode, tostring HashSet 13.11.2018 IT I - VO 6 1 Organisatorisches Wissensüberprüfung gleich im Anschluss an die VO UE heute schon früher (ab 11:45) heute beide UE-Gruppen

Mehr

Diskrete Strukturen Kapitel 1: Einleitung

Diskrete Strukturen Kapitel 1: Einleitung WS 2015/16 Diskrete Strukturen Kapitel 1: Einleitung Hans-Joachim Bungartz Lehrstuhl für wissenschaftliches Rechnen Fakultät für Informatik Technische Universität München http://www5.in.tum.de/wiki/index.php/diskrete_strukturen_-_winter_15

Mehr

Übersicht. Softwarearchitektur. Softwarearchitektur, UML, Design Patterns und Unit Tests. Softwarearchitektur

Übersicht. Softwarearchitektur. Softwarearchitektur, UML, Design Patterns und Unit Tests. Softwarearchitektur Übersicht Object Oriented Organization Das System besteht aus Objekten, die mittels Methodenaufrufe (Nachrichten) miteinander kommunizieren. 2 / 34 4 / 34,, Design Patterns und Stefan Wehr Prof. Dr. Peter

Mehr

konzeptueller Entwurf mittels E/R-Modell einfache Funktionalitäten n-stellige Relationships (n>2) schwache Entities

konzeptueller Entwurf mittels E/R-Modell einfache Funktionalitäten n-stellige Relationships (n>2) schwache Entities Datenbankentwurf bisher: konzeptueller Entwurf mittels E/R-Modell einfache Funktionalitäten (min, max)-notation n-stellige Relationships (n>2) schwache Entities nun: Generalisierung, Aggregation, UML-Modell,

Mehr

Repetitive Strukturen

Repetitive Strukturen Repetitive Strukturen Andreas Liebig Philipp Muigg ökhan Ibis Repetitive Strukturen, (z.b. sich wiederholende Strings), haben eine große Bedeutung in verschiedenen Anwendungen, wie z.b. Molekularbiologie,

Mehr

Object-Oriented Analysis and Design Klausur Wintersemester 2006/2007

Object-Oriented Analysis and Design Klausur Wintersemester 2006/2007 Object-Oriented Analysis and Design Klausur Wintersemester 2006/2007 page 1 of 8 Object-Oriented Analysis and Design Klausur Wintersemester 2006/2007 21. Februar 2007 Prof. Dr. Ralf Möller Institut für

Mehr