Identifizierbarkeit von Sprachen
|
|
- Erica Kerner
- vor 8 Jahren
- Abrufe
Transkript
1 FRIEDRICH SCHILLER UNIVERSITÄT JENA Fkultät für Mthemtik und Informtik INSTITUT für INFORMATIK VORLESUNG IM WINTERSEMESTER STOCHASTISCHE GRAMMATIKMODELLE Ernst Günter Schukt-Tlmzzini 06. Quelle: /home/schukt/ltex/folien/sprchmodelle-00/ssm-06.tex 30. Septemer 2013 Identifizierrkeit von Sprchen 1 Identifizierrkeit von Sprchen Positiveispielsequenz O + = (w t + t IN) wt + L Negtiveispielsequenz O = (w t t IN) wt L Beispielsequenz O = ((w t +,w t ) t IN) w t +,w t wie oen O + vollständig zgl. L, flls lle w L in O + enthlten sind. O vollständig zgl. L, flls lle w L in O + enthlten sind und lle w L in O enthlten sind. O + strukturell vollständig zgl. G, flls jede Produktion von G zur Aleitung mindestens eines w O + enötigt wird. Positivstichproe / Stichproe: O τ + = (w t + t τ) zw. O τ = ((w t +,w t ) t τ) Grmmtik G τ komptiel mit O τ, flls für lle t τ gilt: Identifizierrkeit von Sprchen Knonisch-definite Grmmtiken Quotientenildung Formle Differentition k-rest-äquivlenz Lernen im Vernd mit Orkel Lernen von CFGs mit strukturierten Beispielen Beispiel: Chromosomenkonturen w t + L(G τ ) und w t L(G τ ) Die Klsse G von Grmmtiken heißt zulässig, flls G zählr ist und die Aussge w L(G) für lle w VT, G G entscheidr ist. Identifizierrkeit von Sprchen 2 DEFINITION: G heißt schließlich identifizierr (identifile in the limit), flls es ein Lernverfhren A git, so dß für lle G G und lle zgl. L(G) vollständigen Beispielsequenzen O gilt: Es git ein τ IN mit G t = G τ für lle t τ L(G τ ) = L(G) woei G t = A(O t,g) die im t-ten Schritt us O gelernte Grmmtik ist. DEFINITION: Ein Lernverfhren A pproximiert die Grmmtik G, flls gilt: Für lle w L(G) ex. τ IN mit t τ = w L(G t ) Für lle G mit L(G )\L(G) ex. τ IN mit BEMERKUNGEN: t τ = G t G 1. A ist u.u. ußerstnde, ei G τ zu hlten! 2. A pproximiert L ˆ= A weist schließlich lle nichtkomptilen G zurück Identifizierrkeit von Sprchen 3 Lnguge Identifiction in the Limit (Gold 1967) zählre Klsse G von Grmmtiken inkrementelle Beispielpräsenttion für G G je ein positives & ein negtives Beispiel für L(G) nur ein positives Beispiel für L(G) grmmtisches Lernverfhren A wählt einen Kndidten G t G uf Grundlge der isherigen Lerneispiele SATZ 1: Sei G eine zulässige Klsse von Grmmtiken. Es git ein Lernverfhren A, so dß jede Sprche L(G), G G schließlich identifizierr ist ufgrund einer vollständigen Sequenz positiver und negtiver Beispiele. SATZ 2: Enthlte G Grmmtiken für lle endlichen Sprchen sowie mindestens eine unendliche Sprche L. Dnn ist L nicht schließlich identifizierr llein ufgrund positiver Beispiele. Korollr: Die Klsse G der regulären Sprchen ist nicht schließlich identifizierr llein ufgrund positiver Beispiele. SATZ 3: Sei G eine zulässige Klsse von Grmmtiken. Dnn git es ein Lernverfhren A, so dß lle G G ufgrund einer vollständigen Sequenz positiver Beispiele pproximiert werden können.
2 Knonisch-definite Grmmtiken 4 GRUNDANNAHMEN: die gesuchte Grmmtik G ist regulär O = (O +,O ) ist eine endliche Beispielmenge O + ist ezüglich G strukturell vollständig O + ist mit der Quellgrmmtik G komptiel Knonisch-definite Grmmtik G K für O + : G = (V N,V T,R,S) V T = {v v kommt in einer Kette w O + vor} Für jedes w O +, w = w 1,...,w n erweitere R um S w1 Zw,1 Zw,1 w2 Zw,2 Zw,2 w3 Zw, Zw,n 2 wn 1 Zw,n 1 Zw,n 1 wn S Zw,1 Zw,2 Zw,n 2 Zw,n 1 w1 w2 wn V N = {S} {Z w,i w O + und 1 i < w } Die knonisch-definite Grmmtik ist komptiel: L(G K ) = O + und L(G K ) O PROBLEM: umfngreiche Lerndten gewltiger Zustndsrum Quotientenildung 5 Quotientenildung Knonisch-definite Grmmtik G K mit V N = {S,Z 1,...,Z n } Prtition {B 0,B 1,...,B r } =: V N der Nichtterminle us V N Der Quotient von G K nch {B 0,B 1,...,B r }: G Q = (V N,V T,R Q,B 0 ) Strtsymol ist o.b.d.a. B 0 mit S B 0 Es ist B i B j R Q flls ex. Z,Z V N mit Z Z und Z B i, Z B j Es ist B i R Q flls ex. Z, V N mit Z und Z B i Sei O + strukturell vollständige Menge von Positiveispielen für L(G) und G K die knonisch-definite Grmmtik für O +. Dnn git es eine Prtition V N der G K-Nichtterminle, so dß für den Quotienten G Q von G K nch V N gilt: L(G Q ) = L(G) Sei G Q ein elieiger Quotient der knonisch-definiten Grmmtik G K von O +. Dnn gilt L(G Q ) O + Quotientenildung 6 Kndidtenmenge ˆ= lle Quotienten von G K G K = {G 1,G 2,...,G η(k) = G K } Aufsteigende Ordnung nch der Anzhl der Nichtterminle von G i G K = η(k) = endlich; dei ist k := #(Nichtterminle von GK) n ( ) n η(0) = 1 und η(n+1) = η(j) j Mindestens ein G G K erfüllt die Komptiilitätsedingung O + L(G) j=0 O L(G) Sei O = (O +, ). Alle Grmmtiken in G K sind potentielle Lösungen des Lernprolems. Sei O = (O +,O ). Die potentiellen Lösungen des Lernprolems ilden eine nichtleere Teilmenge G G K der Klsse ller G K -Quotienten. PROBLEM: G K wächst exponentiell mit G K, d.h. mit O +! Formle Differentition 7 Formle Differentition Sei M ein Menge von Zeichenketten üer V T und V T M = M BEISPIEL: M = {01, 100, 111, 0010} = {w w M} 0 M = {1,010} 1 M = {00,11} Zweite & höhere Aleitungen: M = ( M) und 1... n M = n ( 1... n 1 M) Knonische Aleitungsgrmmtik von O + G A = (V N,V T,R,S) V T = Menge ller Zeichen in O + V N = {U 1,...,U r } = Menge ller O + -Aleitungen ( ) S = U 1 = $ O + U i U j R flls U i = U j U i R flls $ U i
3 Formle Differentition 8 Formle Differentition 9 Sei G eine reguläre Grmmtik und O = (O +,O ) komptiel zu G sowie O + strukturell vollständig zgl. G. Sei ferner G A die knonische Aleitungsgrmmtik für O + und G A die Menge ller Quotientengrmmtiken von G A. Dnn gilt für lle G G A BEISPIEL (Fortsetzung I): Knonisch-definite Grmmtik GK: S 1 A A 0 A A 1 S 1 B B 1 B B 1 L(G ) O + und für wenigstens ein G G A uch L(G ) O Quotientengrmmtik G zur Prtition S = {{S},{A,A },{B,B }} = {S,A,B}: S 1 A A 0 A A 1 S 1 B B 1 B B 1 Ds ergit G = G mit L(G ) = L(G) = 1(0 1 )1. BEMERKUNGEN: G A ist i.. weniger umfngreich ls G K. Es gilt nicht notwendigerweise G G A! Quotientengrmmtik G zur Prtition S = {{S},{A,B },{A,B }} = {S,S,S }: S 1 S S 0 S S 1 (S 1 S ) S 1 S (S 1) Es gilt L(G ) = 1(0 1)1 = O+. BEISPIEL: Grmmtik G 2 mit V N = {S,A,B} und V T = {0,1} und den PS-Regeln S 1 A 1 B A 0 A 1 B 1 B 1 und den Positiveispielen O + = {101,111}. Wie sehen G K, G A und G A us? Quotientengrmmtik G zur Prtition S = {{S,A,B },{A,B }} = {S,S }: S 1 S S 0 S S 1 (S 1 S) S 1 S (S 1) Es gilt L(G ) = 1 (0 1)1. Quotientengrmmtik G zur Prtition S = {{S},{A,B,A,B }} = {S,S }: S 1 S S 0 S S 1 (S 1 S ) S 1 S (S 1) Es gilt L(G ) = 1{0,1} 1. Formle Differentition 10 BEISPIEL (Fortsetzung II): Aleitungen: Knonische Aleitungsgrmmtik GA: Es gilt L(GA) = 1(0 1)1 L(G). Quotientenildung: S = U$ = = {101,111} U0 = 0O+ = A = U1 = 1O+ = {01,11} B = U10 = 0U1 = {1} U11 = 1U1 = {1} C = U111 = 1U11 = {$} S 1 A 1S = A, 0S = A 0 B 0A = B A 1 B 1A = B (B 1 C) 0B =, 1B = C B 1 1B = C, $ C {S,A} {S,B} {A,B} {S,A,B} S 1 S S 1 A S 1 A S 1 S S 0 B A 0 S A 0 A S 0 S S 1 B A 1 S A 1 A S 1 S B 1 S 1 A 1 S 1 1 (0 1)1 (1{0,1}) 1 1{0,1} 1 {0,1} 1 unvergleichr unvergleichr L(G) L(G) 1101? 10101? 1011? 01? 1001! 1001! Nur die Grmmtik GA selst ist komptiel mit (O+, L(G)). k-rest-äquivlenz 11 k-reste Für M VT, z V T und k IN definiere den k-rest k-reste-äquivlenz k zm = {w V T zw M und w k} Seien U w = w O + und U v = v O + zwei Zustände der knonischen Aleitungsgrmmtik G A von O +. Die eiden Zustände heißen k-rest-äquivlent, flls gilt: BEMERKUNG: k wo + = k vo + Der Quotient von G A zgl. dieser Äquivlenzreltion heißt G R ; G R G A Die Menge ller Quotienten von G R enthält u.u. keine komptilen Grmmtiken! BEISPIEL: O + = {01,100,111,0010} w k 4 k = 3 k = 2 k = 1 U0 $ O+ {01, 100, 111} {01} U1 0 {1, 010} {1, 010} {1} {1} U2 1 {00, 11} {00, 11} {00, 11} U3 00 {10} {10} {10} U4 01 {$} {$} {$} {$} U5 10 {0} {0} {0} {0} U6 11 {1} {1} {1} {1}
4 Lernen im Vernd mit Orkel 12 Lernen mit Orkel Der Quotientenvernd einer Grmmtik Sei O + Menge positiver Lerneispiele für die reguläre Quellgrmmtik G und G K die Menge der Quotienten von G K (O + ). Definiere die Reltion G 1 G 2 gdw. (Prtition von G1 ist feiner ls Prtition von G2) Dnn ist eine Hlordnung und (G K, ) ildet einen Vernd. Es gilt G 1 G 2 = L(G 1 ) L(G 2 ) Po s Lernverfhren: (1) Wähle zwei -minimle Grmmtiken G 1, G 2. (ENDE, flls Vernd nur noch einen Kndidten enthält) (2) Teste die Äquivlenz L(G 1 ) = L(G 2 ) Flls JA, eliminiere G 1 und gehe nch (1). (3) Konstruiere die Differenz G 12 = G 1 G 2, welche Ketten us L(G 1 )\L(G 2 ) erzeugt. Wähle ein w L(G 12 ) und efrge ds Orkel nch w L(G). Flls JA, eliminiere G 2, sonst eliminiere G 1. Gehe nch (1). Sei G eine Klsse regulärer Grmmtiken. Jedes G G ist schließlich identifizierr durch eine strukturell vollständige Menge O + positiver Lerndten, wenn ein Orkel verfügr ist. Lernen von CFGs mit strukturierten Beispielen 13 Lernen kontextfreier Grmmtiken Die CFG G heißt vollständig reduziert, wenn gilt: R enthält keine Regeln A $ mit A S R enthält keine Regeln A B mit A,B V N Für jedes α (V N V T ) mit S α existiert ein w V T mit α w Jede Regel us R wird von mindestens einem w L(G) genutzt Die Klmmergrmmtik [G] zu G Erweitere V T um die (neuen) Symole [ und ]. Ersetze jede Regel A α durch A [α]. Strukturierte positive Beispielsequenzen: (nlog: O, vollständige Sequenzen,...) O + = (w t w t L([G]) und t IN) Menge der Links- und Rechtsterminle von η zgl. G L t (η) = { V T η α oder (η Aβ mit L t (β))} R t (η) = { V T η α oder (η βa mit R t (β))} (d.h. Lt(η) flls in einer Stzform einer Aleitung us η ds m weitesten links stehende Terminlsymol ist; η,α,β (VN VT) ) Lernen von CFGs mit strukturierten Beispielen 14 Algorithmus von CRESPI-REGHIZZI BEISPIEL: Arithmetische Ausdrücke üer V T = {,+,(,)} (0) Beispiele O 1 + = {w 1 } mit w 1 = [[]+[[]+[]]] (1) Loklisiere erstes inneres Klmmerpr; erzeuge Produktion N (2) Nmensgeung für ds neue Nichtterminl: N L t (α) R t (α) (3) Sustituiere neues Nichtterminl in ds Lerneispiel (1 ) Erzeuge N + (2 ) Benenne N + + w 1 = [ +[ + ]] (3 ) Sustituiere w 1 = [ ] (1 ) Erzeuge N (2 ) Benenne N + + Es ergit sich nch Umtufen die Grmmtik G 1 : S B B A+A B A+B A B + + A Es ist L(G 1 ) = {++,+++,...} und O 1 + L(G 1 ) Lernen von CFGs mit strukturierten Beispielen 15 Zweites Lerneispiel, O+ 2 = {w 1,w 2 } w 2 = [[([[]+[]])]+[]] Folgende Produktionsregel werden generiert (G 2 ): S D D +( + D C +A C ( ) C (B) B + + B A+A A A Dnn gilt die Komptiilität {w 2 } L(G 2) und für die Vereinigungsgrmmtik gilt L(G 2 ) = L(G 1 G 2) L(G 1 ) L(G 2) Mit den zusätzlichen Beispielen w3 = ((++))++(+) w7 = (+)+(+)+ w4 = (+(+)+) w8 = ++(+) w5 = ((+)+((+)+)) w9 = (+(+)) w6 = +((+)+) w10 = +(+)+(+)+(+) ergit sich Grmmtik G 10, die lle* rithmet. Ausdrücke enthält: S B C D E F F C +E C +C C +F F +( +) E A+C A+E A+F E + + D C +A C +B C +D D +( + C (B) (C) (E) (F) C ( ) B A+A A+B A+D B + + A A (*) die Ausdrücke, (), (()) etc. lssen sich durch die Beispiele w11 =, w12 = () nlernen
5 Lernen von CFGs mit strukturierten Beispielen 16 Der Crespi-Reghizzi-Algorithmus erzeugt freie Opertorvorrnggrmmtiken Alle rechten Seiten von Produktionen sind verschieden. Alle rechten Seiten eines Nichtterminls esitzen dieselen Rechts- und Linksterminle. Zwei verschiedene Nichtterminle esitzen nicht dssele L t R t -Pr. Der Crespi-Reghizzi-Algorithmus erzeugt eine minimle hinsichtlich der Anzhl der Nichtterminle und Produktionsregeln freie Opertorvorrnggrmmtik, die mit der gegeenen (positiven) Beispielmenge verträglich ist. Beispiel: Chromosomenkonturen 17 Beispiel: Chromosomenkonturen Formkodierung der Kontursegmente Außenogen c Innenogen (eng) d Innenogen (weit) gerdes Segment Kerngrmmtik für die Kontureschreiung c d d c S BB zwei Symmetriehälften B c ARM d ARM je zwei Chromosomenrme ARM??? us den Dten lernen!!! Strukturierte Beispiele für Chromosomenrme w 1 w 2 w 3 w 4 Gelernte Grmmtik = [[[[]]]] = [[[[]]]] = [[[[[]]]]] = [[[]]] ARM G G G F H F E F H E E
Automaten und Formale Sprachen alias Theoretische Informatik. Sommersemester 2012. Sprachen. Grammatiken (Einführung)
Wörter, Grmmtiken und die Chomsky-Hierrchie Sprchen und Grmmtiken Wörter Automten und Formle Sprchen lis Theoretische Informtik Sommersemester 2012 Dr. Snder Bruggink Üungsleitung: Jn Stückrth Alphet Ein
MehrVorlesung. Einführung in die mathematische Sprache und naive Mengenlehre
Vorlesung Einführung in die mthemtische Sprche und nive Mengenlehre 1 Allgemeines RUD26 Erwin-Schrödinger-Zentrum (ESZ) RUD25 Johnn-von-Neumnn-Hus Fchschft Menge ller Studenten eines Institutes Fchschftsrt
MehrHausaufgabe 2 (Induktionsbeweis):
Prof. Dr. J. Giesl Formle Sprhen, Automten, Prozesse SS 2010 Üung 3 (Age is 12.05.2010) M. Brokshmidt, F. Emmes, C. Fuhs, C. Otto, T. Ströder Hinweise: Die Husufgen sollen in Gruppen von je 2 Studierenden
MehrDie Regelungen zu den Einsendeaufgaben (Einsendeschluss, Klausurzulassung) finden Sie in den Studien- und Prüfungsinformationen Heft Nr. 1.
Modul : Grundlgen der Wirtschftsmthemtik und Sttistik Kurs 46, Einheit, Einsendeufge Die Regelungen zu den Einsendeufgen (Einsendeschluss, Klusurzulssung) finden Sie in den Studien- und Prüfungsinformtionen
MehrDomäne und Bereich. Relationen zwischen Mengen/auf einer Menge. Anmerkungen zur Terminologie. r Relationen auf/in einer Menge.
Reltionen zwischen Mengen/uf einer Menge! Eine Reltion R A B (mit A B) ist eine Reltion zwischen der Menge A und der Menge B, oder uch: von A nch B. Drstellung: c A! Wenn A = B, d.h. R A A, heißt R eine
MehrTheoretische Informatik 2 (WS 2006/07) Automatentheorie und Formale Sprachen 19
Inhalt 1 inführung 2 Automatentheorie und ormale prachen Grammatiken Reguläre prachen und endliche Automaten Kontextfreie prachen und Kellerautomaten Kontextsensitive und yp 0-prachen 3 Berechenbarkeitstheorie
MehrÜbungsblatt Gleichungssysteme Klasse 8
Üungsltt Gleichungsssteme Klsse 8 Auge : Berechne die Lösungen des Gleichungspres: I II 7 Kontrolliere durch Einseten. Auge : Löse dem Additionsverhren: I 7-6 II 9 Auge : Gegeen ist olgendes linere Gleichungssstem
MehrTeil III. Grammatische Inferenz STOCHASTISCHE GRAMMATIKMODELLE. Grammatikinduktion Maschinelles Lernen einer Grammatik aus Beispielsätzen
STOCHASTISCHE GRAMMATIKMODELLE Vorlesung im Sommersemester 2017 Teil III Grammatische Inferenz Prof. E.G. Schukat-Talamazzini Stand: 6. März 2017 Grammatikinduktion Maschinelles Lernen einer Grammatik
MehrGrundbegriffe der Informatik Aufgabenblatt 5
Grundegriffe der Informtik Aufgenltt 5 Mtr.nr.: Nchnme: Vornme: Tutorium: Nr. Nme des Tutors: Ausge: 20. Novemer 2013 Age: 29. Novemer 2013, 12:30 Uhr im GBI-Briefksten im Untergeschoss von Geäude 50.34
MehrTheoretische Grundlagen der Informatik
Theoretische Grundlagen der Informatik Vorlesung am 12.01.2012 INSTITUT FÜR THEORETISCHE 0 KIT 12.01.2012 Universität des Dorothea Landes Baden-Württemberg Wagner - Theoretische und Grundlagen der Informatik
MehrFunktionen und Mächtigkeiten
Vorlesung Funktionen und Mähtigkeiten. Etws Mengenlehre In der Folge reiten wir intuitiv mit Mengen. Eine Menge ist eine Zusmmenfssung von Elementen. Zum Beispiel ist A = {,,,,5} eine endlihe Menge mit
MehrProgrammiersprachen und Übersetzer
Programmiersprachen und Übersetzer Sommersemester 2010 19. April 2010 Theoretische Grundlagen Problem Wie kann man eine unendliche Menge von (syntaktisch) korrekten Programmen definieren? Lösung Wie auch
MehrTheorie der Informatik
Theorie der Informatik 6. Formale Sprachen und Grammatiken Malte Helmert Gabriele Röger Universität Basel 17. März 2014 Einführung Beispiel: Aussagenlogische Formeln Aus dem Logikteil: Definition (Syntax
MehrFormale Sprachen. Der Unterschied zwischen Grammatiken und Sprachen. Rudolf Freund, Marian Kogler
Formale Sprachen Der Unterschied zwischen Grammatiken und Sprachen Rudolf Freund, Marian Kogler Es gibt reguläre Sprachen, die nicht von einer nichtregulären kontextfreien Grammatik erzeugt werden können.
MehrDef.: Sei Σ eine Menge von Zeichen. Die Menge Σ* aller Zeichenketten (Wörter) über Σ ist die kleinste Menge, für die gilt:
8. Grundlgen der Informtionstheorie 8.1 Informtionsgehlt, Entropie, Redundnz Def.: Sei Σ eine Menge von Zeichen. Die Menge Σ* ller Zeichenketten (Wörter) über Σ ist die kleinste Menge, für die gilt: 1.
MehrAufgaben zur Vorlesung Analysis II Prof. Dr. Holger Dette SS 2012 Lösungen zu Blatt 6
Aufgben zur Vorlesung Anlysis II Prof. Dr. Holger Dette SS 0 Lösungen zu Bltt 6 Aufgbe. Die Funktion f : [, ) R sei in jedem endlichen Teilintervll von [, ) Riemnnintegrierbr. Für n N sei I n := f() d.
MehrAutomaten und Formale Sprachen alias Theoretische Informatik. Sommersemester 2011
Automten und Formle Sprchen lis Theoretische Informtik Sommersemester 011 Dr. Snder Bruggink Üungsleitung: Jn Stückrth Snder Bruggink Automten und Formle Sprchen 1 Reguläre Sprchen Wir eschäftigen uns
MehrLösung zur Klausur. Grundlagen der Theoretischen Informatik. 1. Zeigen Sie, dass die folgende Sprache regulär ist: w {a, b} w a w b 0 (mod 3) }.
Lösung zur Klusur Grundlgen der Theoretischen Informtik 1. Zeigen Sie, dss die folgende Sprche regulär ist: { w {, } w w 0 (mod 3) }. Lösung: Wir nennen die Sprche L. Eine Sprche ist genu dnn regulär,
MehrMotivation. Formale Grundlagen der Informatik 1 Kapitel 5 Kontextfreie Sprachen. Informales Beispiel. Informales Beispiel.
Kontextfreie Kontextfreie Motivation Formale rundlagen der Informatik 1 Kapitel 5 Kontextfreie Sprachen Bisher hatten wir Automaten, die Wörter akzeptieren Frank Heitmann heitmann@informatik.uni-hamburg.de
MehrTechnische Informatik 2
TiEl-F Sommersemester 24 Technische Informtik 2 (Vorlesungsnummer 2625) 23--- TiEl-F Prof. Dr.-Ing. Jürgen Doneit Zimmer E29 Tel.:73 54 455 doneit@fh-heilronn.de 23--- TiEl-F35 Digitltechnik 23--3- . Digitlschltungen,
MehrMathe Warm-Up, Teil 1 1 2
Mthe Wrm-Up, Teil 1 1 2 HEUTE: 1. Elementre Rechenopertionen: Brüche, Potenzen, Logrithmus, Wurzeln 2. Summen- und Produktzeichen 3. Gleichungen/Ungleichungen 1 orientiert sich n den Kpiteln 3,4,6,8 des
MehrWas bisher geschah: Formale Sprachen
Was isher geschah: Formale Sprachen Alphaet, Wort, Sprache Operationen und Relationen auf Wörtern und Sprachen reguläre Ausdrücke: Syntax, Semantik, Äquivalenz Wortersetzungssysteme Wortersetzungsregeln
MehrStreuungsmaße. Grundbegriffe
Grundbegriffe Untersuchungseinheiten U,...,U n Merkml X Urliste x,...,x n geordnete Urliste x (),...,x (n) Es gilt i.llg.: xi x() i, i, Κ, n In einer westdeutschen Großstdt gibt es insgesmt drei Träger
MehrLogarithmus - Übungsaufgaben. I. Allgemeines
Eie Gleichug höhere Grdes wie z. B. Gymsium / Relschule Logrithmus - Üugsufge Klsse 0 I. Allgemeies k ch ufgelöst werde, idem m die Wurzel zieht. Tritt die Uekte jedoch im Epoete eier Potez uf, spricht
MehrVorlesung 24: Topological Sort 1: Hintergrund. Einführung in die Programmierung. Bertrand Meyer. Topological sort
Einführung in ie Progrmmierung Vorlesung 4: Topologil Sort : Hintergrun Bertrn Meer Letzte Üerreitung 3. Jnur 4 3 Topologil sort 4 Prouziere eine zu einer gegeenen Prtiellen Ornung komptile Vollstänige
MehrWürfelt man dabei je genau 10 - mal eine 1, 2, 3, 4, 5 und 6, so beträgt die Anzahl. der verschiedenen Reihenfolgen, in denen man dies tun kann, 60!.
040304 Übung 9a Analysis, Abschnitt 4, Folie 8 Die Wahrscheinlichkeit, dass bei n - maliger Durchführung eines Zufallexperiments ein Ereignis A ( mit Wahrscheinlichkeit p p ( A ) ) für eine beliebige Anzahl
MehrAlgorithmen II Vorlesung am 15.11.2012
Algorithmen II Vorlesung am 15.11.2012 Kreisbasen, Matroide & Algorithmen INSTITUT FÜR THEORETISCHE INFORMATIK PROF. DR. DOROTHEA WAGNER KIT Universität des Landes Baden-Württemberg und Algorithmen nationales
MehrMathematische Grundlagen der Informatik 2
Zusammenfassung Math2I Mathematische Grundlagen der Informatik 2 Emanuel Duss emanuel.duss@gmail.com 12. April 2013 1 Zusammenfassung Math2I Mathematische Grundlagen der Informatik 2 Dieses Dokument basiert
MehrGrundbegriffe der Informatik
Grundbegriffe der Informatik Einheit 15: Reguläre Ausdrücke und rechtslineare Grammatiken Thomas Worsch Universität Karlsruhe, Fakultät für Informatik Wintersemester 2008/2009 1/25 Was kann man mit endlichen
MehrTeil V: Formale Sprachen
Formle Sprchen Teil V: Formle Sprchen 1. Sprchen und Grmmtiken 2. Endliche Automten Frnz-Josef Rdermcher & Uwe Schöning, Fkultät für Ingeneurwissenschften und Informtik, Universität Ulm, 2008/09 Formle
Mehr7 Rechnen mit Polynomen
7 Rechnen mit Polynomen Zu Polynomfunktionen Satz. Zwei Polynomfunktionen und f : R R, x a n x n + a n 1 x n 1 + a 1 x + a 0 g : R R, x b n x n + b n 1 x n 1 + b 1 x + b 0 sind genau dann gleich, wenn
MehrGrundlagen der Künstlichen Intelligenz
Grundlagen der Künstlichen Intelligenz 27. Aussagenlogik: Logisches Schliessen und Resolution Malte Helmert Universität Basel 28. April 2014 Aussagenlogik: Überblick Kapitelüberblick Aussagenlogik: 26.
MehrThema 13 Integrale, die von einem Parameter abhängen, Integrale von Funktionen auf Teilmengen von R n
Them 13 Integrle, die von einem Prmeter bhängen, Integrle von Funktionen uf Teilmengen von R n Wir erinnern drn, dß eine Funktion h : [, b] R eine Treppenfunktion ist, flls es eine Unterteilung x < x 1
MehrSeminar Analyse von Petrinetz-Modellen
Seminar Analyse von Petrinetz-Modellen Vortrag: "Deadlocks und Fallen" II Steve Reich 26.11.2007 Wiederholung Falle Deadlock 1 Wiederholung Deadlock und Falle Nur Deadlock Nur Falle 2 Satz zur strukturellen
MehrMinimalautomat. Wir stellen uns die Frage nach dem. kleinsten DFA für eine reguläre Sprache L, d.h. nach einem DFA mit möglichst wenigen Zuständen.
Rechtslinere Sprchen Minimlutomt Es git lso sehr verschiedene endliche Beschreiungen einer regulären Sprche (DFA, NFA, rechtslinere Grmmtiken, reguläre Ausdrücke). Diese können ineinnder üersetzt werden.
MehrIn Fachwerken gibt es demnach nur konstante Normalkräfte. Die Fachwerksknoten sind zentrale Kraftsysteme.
Großüung cwerke cwerke d Ssteme von gerden Stäen, die geenkig (und reiungsfrei) in sog. Knoten(punkten) miteinnder verunden d und nur durc Einzekräfte in den Knotenpunkten estet werden. In cwerken git
MehrGrundbegriffe der Informatik
Grundbegriffe der Informatik Tutorium 27 29..24 FAKULTÄT FÜR INFORMATIK KIT Universität des Landes Baden-Württemberg und nationales Forschungszentrum in der Helmholtz-Gemeinschaft www.kit.edu Definition
MehrSatz. Für jede Herbrand-Struktur A für F und alle t D(F ) gilt offensichtlich
Herbrand-Strukturen und Herbrand-Modelle Sei F eine Aussage in Skolemform. Dann heißt jede zu F passende Struktur A =(U A, I A )eineherbrand-struktur für F, falls folgendes gilt: 1 U A = D(F ), 2 für jedes
Mehr15.3 Bedingte Wahrscheinlichkeit und Unabhängigkeit
5.3 Bedingte Wahrscheinlichkeit und Unabhängigkeit Einführendes Beispiel ( Erhöhung der Sicherheit bei Flugreisen ) Die statistische Wahrscheinlichkeit, dass während eines Fluges ein Sprengsatz an Bord
MehrEndliche Automaten. S. Kuske: Endliche Automaten; 6.Novenber 2006
1 Endliche Automten Einfches Modellierungswekzeug (z.b. UML-Sttechrts) Verrbeiten Wörter/Ereignisfolgen Erkennen Sprchen Erluben schnelle Sprcherkennung Anwendungsbereiche: Objektorientierte Modellierung,
MehrLUDWIG-MAXIMILIANS-UNIVERSITÄT MÜNCHEN. 7. Übung/Lösung Mathematik für Studierende der Biologie 25.11.2015
LUDWIG-MAXIMILIANS-UNIVERSITÄT MÜNCHEN FAKULTÄT FÜR BIOLOGIE Prof. Anres Herz, Dr. Stefn Häusler emil: heusler@biologie.uni-muenchen.e Deprtment Biologie II Telefon: 089-280-74800 Großhernerstr. 2 Fx:
MehrAutomaten und Formale Sprachen alias Theoretische Informatik. Sommersemester Kurzer Einschub: das Schubfachprinzip.
Reguläre Sprchen Automten und Formle Sprchen lis Theoretische Informtik Sommersemester 0 Ds Pumping-Lemm Wir hen is jetzt vier Formlismen kennengelernt, mit denen wir eine reguläre Sprche ngeen können:
MehrGroßübung zu Kräften, Momenten, Äquivalenz und Gleichgewicht
Großübung u Kräften, omenten, Äuivlen und Gleichgewicht Der Körper Ein mterielles Teilgebiet des Universums beeichnet mn ls Körper. Im llgemeinen sind Körper deformierbr. Sonderfll strrer Körper (odellvorstellung)
Mehr4.9 Deterministische Kellerautomaten Wir haben bereits definiert: Ein PDA heißt deterministisch (DPDA), falls
4.9 Deterministische Kellerautomaten Wir haben bereits definiert: Ein PDA heißt deterministisch (DPDA), falls δ(q, a, Z) + δ(q, ɛ, Z) 1 (q, a, Z) Q Σ. Die von einem DPDA, der mit leerem Keller akzeptiert,
MehrGrundlagen der Theoretischen Informatik, SoSe 2008
1. Aufgabenblatt zur Vorlesung Grundlagen der Theoretischen Informatik, SoSe 2008 (Dr. Frank Hoffmann) Lösung von Manuel Jain und Benjamin Bortfeldt Aufgabe 2 Zustandsdiagramme (6 Punkte, wird korrigiert)
MehrMathematik schriftlich
WS KV Chur Abschlussprüfungen 00 für die Berufsmtur kufmännische Richtung Mthemtik schriftlich LÖSUNGEN Kndidtennummer Nme Vornme Dtum der Prüfung Bewertung mögliche erteilte Punkte Punkte. Aufgbe 0. Aufgbe
MehrGrundbegriffe der Informatik
Grundbegriffe der Informatik Tutorium 4 26..25 INSTITUT FÜR THEORETISCHE INFORMATIK KIT Universität des Landes Baden-Württemberg und nationales Forschungszentrum in der Helmholtz-Gemeinschaft www.kit.edu
MehrSchritte international im Beruf
1 Ws mchen die Leute uf dem Foto? Kreuzen Sie n. Die Leute sind ei der Berufsertung. mchen zusmmen ein Seminr. hen gerde Puse. pnthermedi / Werner H. Wer sind die Leute? Ergänzen Sie. die Referentin /
MehrDefinition Suffixbaum
Suffix-Bäume Definition Suche nch einer Menge von Mustern Längste gemeinsme Zeichenkette Pltzreduktion Suffixbäume für Muster Alle Pre Suffix-Präfix Übereinstimmung Sich wiederholende Strukturen Definition
MehrKlausur zur Vorlesung Stochastische Modelle in Produktion und Logistik im SS 2010
Leibniz Universität Hannover Wirtschaftswissenschaftliche Fakultät Institut für Produktionswirtschaft Prof. Dr. Stefan Helber Klausur zur Vorlesung Stochastische Modelle in Produktion und Logistik im SS
MehrZwei unbekannte Zahlen und alle vier Rechenarten
Zwei unekannte Zahlen und alle vier Rechenarten HELMUT MALLAS Online-Ergänzung MNU 8/1 (15.1.015) Seiten 1, ISSN 005-58, Verlag Klaus Seeerger, Neuss 1 HELMUT MALLAS Zwei unekannte Zahlen und alle vier
MehrPrimzahlen und RSA-Verschlüsselung
Primzahlen und RSA-Verschlüsselung Michael Fütterer und Jonathan Zachhuber 1 Einiges zu Primzahlen Ein paar Definitionen: Wir bezeichnen mit Z die Menge der positiven und negativen ganzen Zahlen, also
MehrLehrgang: Digitaltechnik 1 ( Grundlagen ) - Im Lehrgang verwendete Gatter ( Übersicht ) Seite 3
Lehrgng: Digitltechnik ( Grundlgen ) Dtum: Nme: Seite: Inhltsverzeichnis: Im Lehrgng verwendete Gtter ( Üersicht ) Seite 3 Aufu von Zhlensystemen deziml, dul ( Infoseite ) Seite 4 ( Areitsltt ) Seite 5
MehrMathematik. Name, Vorname:
Kntonsschule Zürich Birch Fchmittelschule Aufnhmeprüfung 2007 Nme, Vornme: Nr.: Zeit: 90 Minuten erlubte Hilfsmittel: Tschenrechner us der Sekundrschule, lso weder progrmmierbr noch grfik- oder lgebrfähig
Mehr6.2 Scan-Konvertierung (Scan Conversion)
6.2 Scan-Konvertierung (Scan Conversion) Scan-Konvertierung ist die Rasterung von einfachen Objekten (Geraden, Kreisen, Kurven). Als Ausgabemedium dient meist der Bildschirm, der aus einem Pixelraster
MehrKapitel 2: Formale Sprachen Kontextfreie Sprachen. reguläre Grammatiken/Sprachen. kontextfreie Grammatiken/Sprachen
reguläre Grammatiken/prachen Beschreibung für Bezeichner in Programmiersprachen Beschreibung für wild cards in kriptsprachen (/* reguläre Ausdrücke */)?; [a-z]; * kontextfreie Grammatiken/prachen Beschreibung
MehrTherapiebegleiter Kopfschmerztagebuch
Vornme & Nchnme Therpieegleiter Kopfschmerztgeuch Liee Ptientin, lieer Ptient, Wie Können sie helfen? Bitte führen Sie regelmäßig euch m esten täglich. Trgen Sie in die Splten die jeweiligen Informtionen
MehrEinführung in die Algebra
Prof. Dr. H. Brenner Osnabrück SS 2009 Einführung in die Algebra Vorlesung 13 Einheiten Definition 13.1. Ein Element u in einem Ring R heißt Einheit, wenn es ein Element v R gibt mit uv = vu = 1. DasElementv
MehrGrundlagen Theoretischer Informatik I SoSe 2011 in Trier. Henning Fernau Universität Trier fernau@uni-trier.de
Grundlagen Theoretischer Informatik I SoSe 2011 in Trier Henning Fernau Universität Trier fernau@uni-trier.de 1 Grundlagen Theoretischer Informatik I Gesamtübersicht Organisatorisches; Einführung Logik
MehrLösungen zu Kapitel 7
Lösungen zu Kapitel 7 Lösung zu Aufgabe 1: Nach Definition 7.1 ist eine Verknüpfung auf der Menge H durch eine Abbildung : H H H definiert. Gilt H = {a 1,..., a m }, so wird eine Verknüpfung auch vollständig
MehrGrundlagen der Informatik II. Teil I: Formale Modelle der Informatik
Grundlagen der Informatik II Teil I: Formale Modelle der Informatik 1 Einführung GdInfoII 1-2 Ziele/Fragestellungen der Theoretischen Informatik 1. Einführung abstrakter Modelle für informationsverarbeitende
MehrDie Komplexitätsklassen P und NP
Die Komplexitätsklassen P und NP Prof. Dr. Berthold Vöcking Lehrstuhl Informatik 1 Algorithmen und Komplexität RWTH Aachen 3. Dezember 2009 Berthold Vöcking, Informatik 1 () Vorlesung Berechenbarkeit und
Mehrt r Lineare Codierung von Binärbbäumen (Wörter über dem Alphabet {, }) Beispiel code( ) = code(, t l, t r ) = code(t l ) code(t r )
Definition B : Menge der binären Bäume, rekursiv definiert durch die Regeln: ist ein binärer Baum sind t l, t r binäre Bäume, so ist auch t =, t l, t r ein binärer Baum nur das, was durch die beiden vorigen
MehrTerme stehen für Namen von Objekten des Diskursbereichs (Subjekte, Objekte des natürlichsprachlichen Satzes)
Prädikatenlogik Man kann den natürlichsprachlichen Satz Die Sonne scheint. in der Prädikatenlogik beispielsweise als logisches Atom scheint(sonne) darstellen. In der Sprache der Prädikatenlogik werden
MehrÜbungsblatt 1 zum Propädeutikum
Üungsltt zum Propädeutium. Gegeen seien die Mengen A = {,,,}, B = {,,} und C = {,,,}. Bilden Sie die Mengen A B, A C, (A B) C, (A C) B und geen Sie diese in ufzählender Form n.. Geen Sie lle Teilmengen
MehrAlgorithmen und Datenstrukturen 2
Algorithmen und Datenstrukturen 2 Sommersemester 2006 3. Vorlesung Peter F. Stadler Universität Leipzig Institut für Informatik studla@bioinf.uni-leipzig.de Algorithmen für Graphen Fragestellungen: Suche
MehrEinführung in die Theoretische Informatik
Technische Universität München Fkultät für Informtik Prof. Tois Nipkow, Ph.D. Ssch Böhme, Lrs Noschinski Sommersemester 2011 Lösungsltt 4 20. Juni 2011 Einführung in die Theoretische Informtik Hinweis:
Mehr04.12.15. 2. Rahmen und Bogen
Gekrümmte Blken werden ls Bogen bezeichnet. Rhmen sind Trgwerke, die us strr verbundenen gerden Blken oder Bogen zusmmengesetzt sind. Die Schnittlsten können wie bei gerden Blken us Gleichgewichtsbetrchtungen
MehrKriterien für die Auszeichnung einer Abbaustelle
Stnd Mi 2015 Kriterien Seite 1/2 Kriterien für die Auszeichnung einer Abbustelle GRUNDSATZ Mit dem Zertifikt werden Abbustellen usgezeichnet, die durch ihre besondere ökologische Qulität einen wichtigen
MehrR. Brinkmann http://brinkmann-du.de Seite 1 30.11.2013 Schriftliche Übung Mathematik Stochastik II (Nachschreiber) Jan. 2007
R. Brinkmann http://brinkmann-du.de Seite 1 30.11.2013 Schriftliche Übung Mathematik Stochastik II (Nachschreiber) Jan. 2007 SG15/25D NAME: Lösungen 1. In einer Packung sind Glühbirnen, davon sind zwei
MehrRelationen: Äquivalenzrelationen, Ordnungsrelationen
TH Mittelhessen, Sommersemester 202 Lösungen zu Üungsltt 9 Fchereich MNI, Diskrete Mthemtik 2. Juni 202 Prof. Dr. Hns-Rudolf Metz Reltionen: Äquivlenzreltionen, Ordnungsreltionen Aufge. Welche der folgenden
MehrLineare Gleichungssysteme
Brückenkurs Mathematik TU Dresden 2015 Lineare Gleichungssysteme Schwerpunkte: Modellbildung geometrische Interpretation Lösungsmethoden Prof. Dr. F. Schuricht TU Dresden, Fachbereich Mathematik auf der
MehrRabatt und Skonto. Rechnung Computersystem. Bruttopreis Rabatt Nettopreis Skonto Zahlung. 2'950.00 Fr. 2'457.35 Fr.
Ratt und Skonto Rechnung Computersystem Computer P7 '650.00 Fr. Drucker XX 300.00 Fr. Total '950.00 Fr. 15% 44.50 Fr. '507.50 Fr. % 50.15 Fr. '457.35 Fr. Bruttopreis Ratt Nettopreis Skonto Zahlung Worterklärungen
MehrGrammatiken. Einführung
Einführung Beispiel: Die arithmetischen Ausdrücke über der Variablen a und den Operationen + und können wie folgt definiert werden: a, a + a und a a sind arithmetische Ausdrücke Wenn A und B arithmetische
MehrInformatik I WS 07/08 Tutorium 24
Info I Tutorium 24 Informatik I WS 07/08 Tutorium 24 3.2.07 astian Molkenthin E-Mail: infotut@sunshine2k.de Web: http://infotut.sunshine2k.de Organisatorisches / Review is zum 2.2 müssen alle Praxisaufgaben
MehrGrundbegriffe der Informatik
Grundbegriffe der Informatik Kapitel 6: Induktives Vorgehen Thomas Worsch KIT, Institut für Theoretische Informatik Wintersemester 2015/2016 GBI Grundbegriffe der Informatik KIT, Institut für Theoretische
MehrUniversität Koblenz-Landau, Abteilung Koblenz FB 4 Informatik. Seminar Entscheidungsverfahren für logische Theorien. Endliche Modelle.
Universität Koblenz-Landau, Abteilung Koblenz FB 4 Informatik Seminar Entscheidungsverfahren für logische Theorien Tobias Hebel Koblenz, am 18.02.2005 Inhaltsverzeichnis 1 Einleitung... 3 2 Grundlagen...
MehrÜbung Theoretische Grundlagen Nachtrag zur Vorlesung Dirk Achenbach 21.11.2013
Übung Theoretische Grundlagen Nachtrag zur Vorlesung Dirk Achenbach 21.11.2013 INSTITUT FÜR KRYPTOGRAPHIE UND SICHERHEIT KIT University of the State of Baden-Wuerttemberg and National Laboratory of the
MehrAutomaten und formale Sprachen Notizen zu den Folien
3 Endliche Automten Automten und formle Sprchen Notizen zu den Folien Üerführungsfunction eines DFA (Folie 92) Wie sieht die Üerführungfunktion us? δ : Z Σ Z Ds heißt: Ein Pr us Zustnd und Alphetsymol
MehrAlgorithmentheorie. 13 - Maximale Flüsse
Algorithmentheorie 3 - Maximale Flüsse Prof. Dr. S. Albers Prof. Dr. Th. Ottmann . Maximale Flüsse in Netzwerken 5 3 4 7 s 0 5 9 5 9 4 3 4 5 0 3 5 5 t 8 8 Netzwerke und Flüsse N = (V,E,c) gerichtetes Netzwerk
MehrKevin Caldwell. 18.April 2012
im Rahmen des Proseminars Numerische Lineare Algebra von Prof.Dr.Sven Beuchler 18.April 2012 Gliederung 1 2 3 Mathematische Beschreibung von naturwissenschaftlich-technischen Problemstellungen führt häufig
MehrAutomaten und formale Sprachen Notizen zu den Folien
3 Endliche Automten Automten und formle Sprchen Notizen zu den Folien DFA Reguläre Grmmtik (Folie 89) Stz. Jede von einem endlichen Automten kzeptierte Sprche ist regulär. Beweis. Nch Definition, ist eine
MehrÜbungskomplex Felder (1) Eindimensionale Felder Mehrdimensionale Felder
Übungskomplex Felder (1) Eindimensionale Felder Mehrdimensionale Felder Hinweise zur Übung Benötigter Vorlesungsstoff Ab diesem Übungskomplex wird die Kenntnis und praktische Beherrschung der Konzepte
MehrLiteratur. Dominating Set (DS) Dominating Sets in Sensornetzen. Problem Minimum Dominating Set (MDS)
Dominating Set 59 Literatur Dominating Set Grundlagen 60 Dominating Set (DS) M. V. Marathe, H. Breu, H.B. Hunt III, S. S. Ravi, and D. J. Rosenkrantz: Simple Heuristics for Unit Disk Graphs. Networks 25,
Mehr2.11 Kontextfreie Grammatiken und Parsebäume
2.11 Kontextfreie Grammatiken und Parsebäume Beispiel: Beispiel (Teil 3): Beweis für L(G) L: Alle Strings aus L der Länge 0 und 2 sind auch in L(G). Als Induktionsannahme gehen wir davon aus, dass alle
MehrInhalt. Endliche Automaten. Automaten und Formale Sprachen. Franz Binder. Endliche Automaten. Deterministische Automaten
Formle Inhlt Reguläre Reguläre Formle Zustndsdigrmm Reguläre δ: Σ (Q Q Ω) Beispiel δ 0 δ 0 1 2 1 2 0 1 2 δ Formle Automt Reguläre Definition Ein nicht-deterministischer, endlicher Automt esteht us einer
MehrWie ist das Wissen von Jugendlichen über Verhütungsmethoden?
Forschungsfragen zu Verhütung 1 Forschungsfragen zu Verhütung Wie ist das Wissen von Jugendlichen über Verhütungsmethoden? Wie viel Information über Verhütung ist enthalten? Wie wird das Thema erklärt?
MehrMathematik Thema Vielecke
Them Vielecke Im Jnur 2006 Florin Vetter, Klsse 8, Riegelhof Relschule Seite 1 von 15 INHALTSVERZEICHNES 1. EINLEITUNG 3 2. ARTEN VON VIELECKEN 4 2.1. DREIECK 4 2.2. VIERECK 4 2.2.1. RECHTECK 4 2.2.2.
MehrD a s P r i n z i p V o r s p r u n g. Anleitung. E-Mail- & SMS-Versand mit SSL (ab CHARLY 8.11 Windows)
D a s P r i n z i p V o r s p r u n g Anleitung E-Mail- & SMS-Versand mit SSL (ab CHARLY 8.11 Windows) 2 Inhalt Inhalt 1. E-Mail-Einrichtung 3 1.1 E-Mail-Einrichtung in Windows 3 2. SMS-Einrichtung 5 2.1
MehrWirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA)
Wirtschftsmthemtik für Interntionl Mngement (BA) und Betriebswirtschft (BA) Wintersemester 2013/14 Stefn Etschberger Hochschule Augsburg Mthemtik: Gliederung 1 Aussgenlogik 2 Linere Algebr 3 Linere
MehrDefinition 3.1: Ein Differentialgleichungssystem 1. Ordnung
Kapitel 3 Dynamische Systeme Definition 31: Ein Differentialgleichungssystem 1 Ordnung = f(t, y) ; y R N ; f : R R N R N heißt namisches System auf dem Phasenraum R N Der Parameter t wird die Zeit genannt
MehrGrundlagen des Maschinellen Lernens Kap. 4: Lernmodelle Teil II
1. Motivation 2. Lernmodelle Teil I 2.1. Lernen im Limes 2.2. Fallstudie: Lernen von Patternsprachen 3. Lernverfahren in anderen Domänen 3.1. Automatensynthese 3.2. Entscheidungsbäume 3.3. Entscheidungsbäume
MehrBasis und Dimension. Als nächstes wollen wir die wichtigen Begriffe Erzeugendensystem und Basis eines Vektorraums definieren.
Basis und Dimension Als nächstes wollen wir die wichtigen Begriffe Erzeugendensystem und Basis eines Vektorraums definieren. Definition. Sei V ein K-Vektorraum und (v i ) i I eine Familie von Vektoren
MehrSerienbrief mit Works 7.0
Serienbrief mit Works 7.0 Wie Sie die Kundendaten aus der JS Software exportieren können, ist in der Anleitungen Datenexport aus JS-Software beschrieben. Wir gehen davon aus, dass Sie im Programm Etikettendruck
MehrFormale Systeme, WS 2012/2013 Lösungen zu Übungsblatt 4
Karlsruher Institut für Technologie Institut für Theoretische Informatik Prof. Dr. Peter H. Schmitt David Farago, Christoph Scheben, Mattias Ulbrich Formale Systeme, WS 2012/2013 Lösungen zu Übungsblatt
MehrFrohe Weihnachten und ein gutes neues Jahr!
Frohe Weihnachten und ein gutes neues Jahr! Die mit dem Stern * gekennzeichneten Übungen sind nicht verpflichtend, aber sie liefern zusätzliche Punkte. Unten wird immer mit I das reelle Intervall [0, 1]
Mehrteischl.com Software Design & Services e.u. office@teischl.com www.teischl.com/booknkeep www.facebook.com/booknkeep
teischl.com Software Design & Services e.u. office@teischl.com www.teischl.com/booknkeep www.facebook.com/booknkeep 1. Erstellen Sie ein neues Rechnungsformular Mit book n keep können Sie nun Ihre eigenen
MehrTheoretische Informatik I
Theoretische Informatik I Einheit 2.4 Grammatiken 1. Arbeitsweise 2. Klassifizierung 3. Beziehung zu Automaten Beschreibungsformen für Sprachen Mathematische Mengennotation Prädikate beschreiben Eigenschaften
MehrFranz Binder. Vorlesung im 2006W
Formle Reguläre und Formle Institut für Alger Johnnes Kepler Universität Linz Vorlesung im 2006W http://www.lger.uni-linz.c.t/students/win/ml Formle Inhlt Reguläre Reguläre Formle Zustndsdigrmm δ: Σ (Q
MehrFormale Systeme, Automaten, Prozesse SS 2010 Musterlösung - Übung 2 M. Brockschmidt, F. Emmes, C. Fuhs, C. Otto, T. Ströder
Prof Dr J Giesl Formle Systeme, Automten, Prozesse SS 2010 Musterlösung - Üung 2 M Brockschmidt, F Emmes, C Fuhs, C Otto, T Ströder Hinweise: Die Husufgen sollen in Gruppen von je 2 Studierenden us dem
Mehr