Datenstrukturen DCG Grammatiken
|
|
- Kai Hoch
- vor 7 Jahren
- Abrufe
Transkript
1 Datenstrukturen DCG Grammatiken Tutorial II Leiss Skript Grammatiken S.65 - S.77 Operationen auf Datenstrukturen Bäume Nachtrag Sehr kurz Operationen auf Datenstrukturen III Graphen
2 Bäume Einfügung in einen Baum: add Relation in den leeren Baum: add(baum,x,neuerbaum) addleaf(nil,x,t(nil,x,nil)). %in den leeren baum addleaf(t(left,x,right),x,t(left,x,right)) %schon drin addleaf(t(left,root,right),x,t(left1,root,right)) :- gt(root,x), addleaf(left,x,left1). %in den linken Baum addleaf(t(left,root,right),x,t(left,root,right1)):- gt(x,root),addleaf(right,x,right1). %in den rechten Baum da X grösser Root
3 Bäume Löschen eines Knotens, nicht so einfach, da beim Löschen eines internen Knotens ein darunterliegender Teilbaum möglicherweise ind er Luft hängt.
4 Graphen Graphstrukturen werden in vielen Applikationen benutzt: zur Repräsentation von Relationen, Situationen und allgemeiner Problemen. Ein Graph ist durch eine Menge von Kanten und eine Menge von Knoten definiert. Sind Kanten durch geordnete Paare definiert: gerichteter Graph. Den Kanten beigeordnet können: Kosten, Namen oder alle Arten von Labels werden. Abhängig von der Applikation.
5 Graphen Beispiele für Graphen: s t u 2 2 v a b c d Es ergeben sich mehrere Möglichkeiten Graphen zu repräsentieren.
6 Graphen (1) Methode: jede Kante als eine Klausel arc(s,t,3). arc(t,v,1).... s t u 2 2 v
7 Graphen (2) Methode: repräsentiere den gesamten Graphen als ein Datenobjekt. G1= graph([a,b,c,d],[e(a,b),e(b,d),e(b,c),e(c,d)]). Falls jeder Knoten zumindest mit einem anderen verbunden ist, können wir die Liste der Knoten vermeiden: implizite Information. a b d c
8 Graphen (3) Methode: Knoten + Liste von verbundenen Knoten G1= [a->[b]], b->[a,c,d], c->[b,d], d->[b,c]] -> ist ein Infix Operator.
9 Graphen Einfache Beispiel-Operation auf Graphen: Finde einen Pfad zwischen zwei gegebenen Knoten. Sei G ein Graph, A und Z zwei Knoten in G und P ein azyklischer Pfad zwischen A und Z in G: P wird als Liste von Knoten auf dem Pfad zwischen A und Z repräsentiert. path(a,d,g,[a,b,d]). path(a,d,g,[a,b,c,d]). Azyklische Pfade dürfen jeden Knoten nur einmal enthalten!
10 Graphen Finde einen Pfad von A nach Z in G: Wenn A = Z: p=[a] sonst: Finde einen Pfad P1 von Y nach Z und dann von A nach Y ohne Knoten aus P1 zu verwenden: Brauchen eine Hilfsprozedur: finde einen Pfad unter der Restriktion eine Teilmenge von Knoten zu vermeiden! siehe Bratko: Hilfsprozedur ist dann von der Graphimplementation abhängig.
11 ELIZA, Partial Parsing Nach Piere Nugues, An Introduction to Language Processing with Perl and Prolog: Viele industrielle Applikationen verlassen sich nicht auf einen Parsebaum wie er im Kurs eingeführt worden ist. Der Grund ist, dass es schwierig ist eine Syntax mit grosser grammatischer Abdeckung zu programmieren. Einige Applikationen müssen lediglich wenige entscheidende Keywords haben um zu funktionieren: z. B. Dialogsysteme, wie die Bahnauskunft. Systeme mit shallow oder partial Parsing operieren oft auf Chunks
12 ELIZA Eliza simmuliert den Dialog zwischen einem Psychotherapeuten und seinem/ihrem Patienten (Weizenbaum 1966). Tatsächlich "versteht" Eliza gar nichts. Trotzdem scheint der Dialog sinnvoll zu sein (in jeder Emacs Implementation kann Eliza als "doctor" aufgerufen werden. Eliza verfolgt Pattern wie: yes, no, why, I'm afraid of X, I like X etc wobei X ein Name oder irgendeine Gruppe von Worten ist. Wenn ein template mit einer Benutzeräußerung matcht, kann ELIZA auf ein Menge von fertigen Antwort Strukturen zurückgreifen, deren Slots mit den relevanten Teilen der Benutzeräußerung gefüllt werden.
13 Eliza Falls kein Template matcht: ELIZA versucht zu raten, ob eine Äußerung ein Statement, eine Negation oder eine Frage ist. ELIZA verwendet dann Erwiederungen wie: in what way, can you think of a specific example, go on, etc. Beispielkonversation: User...I like X... Why do you like X?...I am Y... How long have you been X?...father... Tell me more about your father Die Worte mother und father haben eine spezielle Rolle im Dialog, dies gemäß der naiven Rezeption der psychoanalytischen Theorie durch die Informatik.
14 Eliza Word Spotting in Prolog: Ein Word-Spotting Programm kann mithilfe von DCG Regeln sehr leicht in Prolog geschrieben werden. Äusserungen werden als Phrasenstrukturregeln modelliert: sie bestehen aus einem Anfang, dem gesuchten Wort oder Pattern und einem Ende: utterance(u) --> beginning(b), [the_word], end(e). Jedes Prädikat hat eine Variable, die mit dem Teil der Äusserung unifiziert, die sie repräsentiert. U wird benutzt, um die Systemantwort zusammenzubauen.
15 Eliza Wir wissen schon: Prolog übersetzt intern die DCG Regeln in Klauseln. Jedem Prädikat werden zwei Argumente hinzugefügt: utterance(u,in,out) :- beginning(b,in,l2),c(l2,l3),end(e,l3,out).??? woher kommt c, bei Leiss Skript nachschauen! Wir hatten schon gesehen, dass eine Regel eine Wortsequenz abdeckt, die der Differenz zwischen Eingabe- und Ausgabeliste entspricht. Etwa In-L2 enspricht "beginning". Um nun B und E auszugeben müssen beginning/3 und end/3 als appendähnliche Prädikate definiert werden.
16 Eliza beginning(x,y,z) :- append(x,z,y). end(x,y,z) :- append(x,z,y). ELIZA ist dann eine Schleife, die User Input liest und versucht Äußerungen mit Templates zu matchen. Matcht ein Template wird die entsprechende Antwort gegeben. Siehe Programm.
Charts. Motivation. Grundfrage. Chart als Graph
Charts Motivation Übersicht Chart bzw. Well-Formed Substring Table (WFST) Als azyklischer Graph, Tabelle und Relation Kantenbeschriftungen Kategorien: WFST Regeln: Passive Charts Regelhyposen: Aktive Charts
Mehr3.4 Struktur von Programmen
3.4 Struktur von Programmen Programme sind hierarchisch aus Komponenten aufgebaut. Für jede Komponente geben wir Regeln an, wie sie aus anderen Komponenten zusammengesetzt sein können. program ::= decl*
MehrDatenstrukturen Teil 2. Bäume. Definition. Definition. Definition. Bäume sind verallgemeinerte Listen. Sie sind weiter spezielle Graphen
Bäume sind verallgemeinerte Listen Datenstrukturen Teil 2 Bäume Jeder Knoten kann mehrere Nachfolger haben Sie sind weiter spezielle Graphen Graphen bestehen aus Knoten und Kanten Kanten können gerichtet
MehrEinführung in die Computerlinguistik Einführung in Perl (2) reguläre Ausdrücke
Einführung in die Computerlinguistik Einführung in Perl (2) reguläre Ausdrücke Dozentin: Wiebke Petersen 31.5.2010 Wiebke Petersen Einführung CL (SoSe 2010) 1 Perl: In- und Output in Dateien Einlesen aus
MehrMit diesem Spiel können Redemittel für Diskussionen im Hinblick auf die mündliche A-Level-Prüfung eingeübt werden.
Debattenkartenspiel Mit diesem Spiel können Redemittel für Diskussionen im Hinblick auf die mündliche A-Level-Prüfung eingeübt werden. Material Liste mit verschiedenen Redemitteln (s.u.); Karteikarten,
MehrDatenstrukturen DCG Grammatiken. Tutorial I Operationen auf Datenstrukturen II Bäume DCGs und Semantik II
Datenstrukturen DCG Grammatiken Tutorial I Operationen auf Datenstrukturen II Bäume DCGs und Semantik II Bäume Repräsentation von Mengen durch binäre Bäume: Eine häufige Anwendung von Listen ist es Mengen
MehrEinführung in die Informatik 2
Einführung in die Informatik 2 Bäume & Graphen Sven Kosub AG Algorithmik/Theorie komplexer Systeme Universität Konstanz E 202 Sven.Kosub@uni-konstanz.de Sprechstunde: Freitag, 12:30-14:00 Uhr, o.n.v. Sommersemester
MehrGraphen und Bäume. A.1 Graphen
Algorithmen und Datenstrukturen 96 A Graphen und Bäume A.1 Graphen Ein gerichteter Graph (auch Digraph) G ist ein Paar (V, E), wobei V eine endliche Menge und E eine Relation auf V ist, d.h. E V V. V heißt
MehrLehrerplan Modul That s me SchuB 8 (ca Unterrichtsstunden)
Lehrerplan Modul That s me SchuB 8 (ca. 10-12 Unterrichtsstunden) A Aufgabenbeschreibung/ Aufgabenform Texterarbeitung That s me (Basics 7/8, S. 3) Now write about yourself (Basics, S. 3, Nr. 1) Likes
MehrNetzwerkfluß. Gegeben ist ein System von Wasserrohren: Die Kapazität jedes Rohres ist 3, 5 oder 8 l/s.
Netzwerkfluß (Folie, Seite 78 im Skript) Gegeben ist ein System von Wasserrohren: Quelle s t Senke Die Kapazität jedes Rohres ist, oder 8 l/s. Frage: Wieviel Wasser kann von der Quelle zur Senke fließen?
MehrJohn Prakesh Zusatzmaterial zum Arbeiten mir der Birkenbihl-Methode Englisch. I don t know how long it s been. You let me feel completely alive
John Prakesh HINWEIS: Dies ist nur ein Auszug. Das komplette Material für diesen einen Song beinhaltet 16 Seiten! Dekodierungs-Übung Need you Since I truly fell in love Can t describe my feelings It s
MehrVerkettete Datenstrukturen: Bäume
Verkettete Datenstrukturen: Bäume 1 Graphen Gerichteter Graph: Menge von Knoten (= Elementen) + Menge von Kanten. Kante: Verbindung zwischen zwei Knoten k 1 k 2 = Paar von Knoten (k 1, k 2 ). Menge aller
Mehr13.2) Implementieren Sie nun das Prädikat differenz/3 indem nur Elemente vorkommen die exklusiv in L1 vorkommen. L1=[1,2,3,4],L2=[3,4,5,6],L3=[1,2]
Aufgabenblatt 6: Einführung in das Symbolische Programmieren CIS, WS 2010 ===================================================================== Lösung Aufgabe 13 13.1) Gegeben seinen zwei Listen, L1 und
MehrQuestion words revision
A. Translate each German word into English. 1. Wer... 2. Wo... 3. Was... 4. Warum... 5. Wann... 6. Wie... 7. Welche/welcher/welchen... 8. Wie viel... 9. Wie viele... 10. Woher... 11. Wohin... 12. Wieso...
MehrMathematische Grundlagen der Computerlinguistik Bäume
Mathematische Grundlagen der Computerlinguistik Dozentin: Wiebke Petersen 6. Foliensatz (basierend auf Folien von Gerhard Jäger) Wiebke Petersen math. Grundlagen 1 Baumdiagramme Ein Baumdiagramm eines
MehrEnglish grammar BLOCK F:
Grammatik der englischen Sprache UNIT 24 2. Klasse Seite 1 von 13 English grammar BLOCK F: UNIT 21 Say it more politely Kennzeichen der Modalverben May and can Adverbs of manner Irregular adverbs Synonyms
MehrDCG II. Heute: DCGs mit extra Argumenten. DCGs mit Agreementmerkmalen. Parsebäume. Extra Tests. Programmierkurs Prolog p.1
DCG II Heute: DCGs mit extra Argumenten DCGs mit Agreementmerkmalen Parsebäume Extra Tests Programmierkurs Prolog p.1 Extra Argumente Beispiele: x - - y. s - - np, vp. x(foo, ba) - - y. s(f) - - np, vp.
MehrCan you tell me the way and a bit more? Zufällige Begegnungen sprachlich nutzen VORANSICHT. Das Wichtigste auf einen Blick.
I/B Communication Speaking 7 Can you tell me the way? (Kl. 6/7) 1 von 24 Can you tell me the way and a bit more? Zufällige Begegnungen sprachlich nutzen (Klassen 6 und 7) Ein Beitrag von Sylvia Schmidt,
MehrSoftware Entwicklung 1. Fallstudie: Arithmetische Ausdrücke. Rekursive Klassen. Überblick. Annette Bieniusa / Arnd Poetzsch-Heffter
Software Entwicklung 1 Annette Bieniusa / Arnd Poetzsch-Heffter Fallstudie: Arithmetische Ausdrücke AG Softech FB Informatik TU Kaiserslautern Bieniusa/Poetzsch-Heffter Software Entwicklung 1 2/ 33 Überblick
MehrKlausur zur Vorlesung Grundbegriffe der Informatik 14. September 2015
Klausur zur Vorlesung Grundbegriffe der Informatik 14. September 2015 Klausurnummer Nachname: Vorname: Matr.-Nr.: Diese Klausur ist mein 1. Versuch 2. Versuch in GBI Email-Adr.: nur falls 2. Versuch Aufgabe
MehrVIII. Anhang 1. Fragebogen für Gehörlose in Kalifornien
VIII. Anhang 1. Fragebogen für Gehörlose in Kalifornien Questionnaire Interpreters of Sign Language before - today From the view of deafs Questionnaire for the deaf: INFORMATION ABOUT THE PERSON: gender:
MehrTeil 4: Rekursion und Listen
Einführung in das Programmieren Prolog Sommersemester 2006 Teil 4: Rekursion und Listen Version 1.0 Gliederung der LV Teil 1: Ein motivierendes Beispiel Teil 2: Einführung und Grundkonzepte Syntax, Regeln,
MehrSoftware Entwicklung 1
Software Entwicklung 1 Annette Bieniusa / Arnd Poetzsch-Heffter AG Softech FB Informatik TU Kaiserslautern Fallstudie: Arithmetische Ausdrücke Bieniusa/Poetzsch-Heffter Software Entwicklung 1 2/ 33 Überblick
MehrUnterrichtsmaterialien in digitaler und in gedruckter Form. Auszug aus: Vertretungsstunde Englisch 6. Klasse: Grammatik
Unterrichtsmaterialien in digitaler und in gedruckter Form Auszug aus: Vertretungsstunde Englisch 6. Klasse: Grammatik Das komplette Material finden Sie hier: Download bei School-Scout.de a few a little
MehrStreetwalker (1) == Streetwalker == Why don't you give me some time? Won't you give me some...
Streetwalker (1) == Streetwalker == Why don't you give me some time? Pretty baby I gotta' kiss for your loving I really get it when you're Next to me, yeah, yeah I'm so excited how you Give me all your
MehrEinführung in das Programmieren Prolog Sommersemester 2006. Teil 2: Arithmetik. Version 1.0
Einführung in das Programmieren Prolog Sommersemester 2006 Teil 2: Arithmetik Version 1.0 Gliederung der LV Teil 1: Ein motivierendes Beispiel Teil 2: Einführung und Grundkonzepte Syntax, Regeln, Unifikation,
MehrRekursive Listenverarbeitung
Rekursive Listenverarbeitung Übersicht Rekursion ist die wichtigste Programmiertechnik in Prolog! Rekursive Datenstrukturen Einfache und rekursiv gebildete Strukturen Rekursive Datenstrukturen und rekursive
MehrHaskell, Typen, und Typberechnung. Grundlagen der Programmierung 3 A. Einige andere Programmiersprachen. Typisierung in Haskell
Haskell, Typen, und Typberechnung Grundlagen der Programmierung 3 A Typen, Typberechnung und Typcheck Prof. Dr. Manfred Schmidt-Schauß Ziele: Haskells Typisierung Typisierungs-Regeln Typ-Berechnung Milners
Mehrelementare Datenstrukturen
elementare Datenstrukturen Wie die Daten das Laufen lernten Andreas Ferber af@myipv6.de elementare Datenstrukturen p./40 KISS elementare Datenstrukturen p./40 KISS (Keep It Simple, Stupid) Immer die einfachste
MehrGERICHTETER GEWICHTETER GRAPH DESIGNDOKUMENT
User Requirements GERICHTETER GEWICHTETER GRAPH DESIGNDOKUMENT Softwareentwicklung Praktikum, Übungsbeispiel 1 Gruppe 18 Andreas Hechenblaickner [0430217] Daniela Kejzar [0310129] Andreas Maller [0431289]
MehrDatenstrukturen & Algorithmen
Datenstrukturen & Algorithmen Matthias Zwicker Universität Bern Frühling 2010 Übersicht Binäre Suchbäume Einführung und Begriffe Binäre Suchbäume 2 Binäre Suchbäume Datenstruktur für dynamische Mengen
MehrDie Geschichte der Sprachverarbeitung ist eine Geschichte voller Mißverständnisse WS 2011/2012
Die Geschichte der Sprachverarbeitung ist eine Geschichte voller Mißverständnisse WS 2011/2012 Christian Kölbl Universität Augsburg, Lehrprofessur für Informatik 25. Oktober 2011 HAL 9000 - Zukunftsmusik
MehrCOMPUTER: Mission Berlin. August 13, 1961, six fifteen pm. You've only got 40 minutes to solve the puzzle.
Episode 19 Liebe im Kalten Krieg Nur noch 40 Minuten: Anna und Paul entkommen der Frau in Rot und landen in West-Berlin. Paul macht die Situation noch komplizierter, indem er Anna eine Liebeserklärung
MehrGraphen. Definitionen
Graphen Graphen werden häufig als Modell für das Lösen eines Problems aus der Praxis verwendet, wie wir im Kapitel 1 gesehen haben. Der Schweizer Mathematiker Euler hat als erster Graphen verwendet, um
MehrRelevante(r) Deskriptor(en) Deskriptor 5: Kann einfachen Interviews, Berichten, Hörspielen und Sketches zu vertrauten Themen folgen.
RULES IN THE FAMILY Fertigkeit Hören Relevante(r) Deskriptor(en) Deskriptor 5: Kann einfachen Interviews, Berichten, Hörspielen und Sketches zu vertrauten Themen folgen. (B1) Themenbereich(e) Familie und
MehrADS: Algorithmen und Datenstrukturen 2
ADS: Algorithmen und Datenstrukturen 2 Teil 4 Prof. Dr. Gerhard Heyer Institut für Informatik Abteilung Automatische Sprachverarbeitung Universität Leipzig 24. April 2019 [Letzte Aktualisierung: 24/04/2019,
MehrMehr Listen und noch ein bisschen Arithmetik
Mehr Listen und noch ein bisschen Arithmetik append und was man damit machen kann Arithmetik in Prolog Restrekursive Prädikate Programmierkurs Prolog p.1 Listen konkatenieren?- append([1,2,3],[a,b,c],x).
MehrAlgorithmen für Ad-hoc- und Sensornetze Nachtrag zu VL 06 Doubling Dimensions
Algorithmen für Ad-hoc- und Sensornetze Nachtrag zu VL 06 Doubling Dimensions Dr. rer. nat. Bastian Katz 0. Juni 009 (Version vom. Juni 009) Von Kreisen, Kugeln und Bällen Definition In einem metrischen
Mehr15. Elementare Graphalgorithmen
Graphen sind eine der wichtigste Modellierungskonzepte der Informatik Graphalgorithmen bilden die Grundlage vieler Algorithmen in der Praxis Zunächst kurze Wiederholung von Graphen. Dann Darstellungen
MehrSpusiso Kindheit in Swasiland
Spusiso Kindheit in Swasiland 5 10 Der 14jährige Spusiso besucht die Enjabulweni Bridging School. Die Schule wird von Manzini Youth Care in Manzini unterhalten. Die Organisation wird von den Schüler der
MehrKünstliche Intelligenz Sprachverarbeitung mit Prolog
Künstliche Intelligenz Sprachverarbeitung mit Prolog Stephan Schwiebert WS 2009/2010 Sprachliche Informationsverarbeitung Institut für Linguistik Universität zu Köln Parsing mit Prolog Grammatik Wortartenklassifikation,
MehrMengenlehre. Spezielle Mengen
Mengenlehre Die Mengenlehre ist wie die Logik eine sehr wichtige mathematische Grundlage der Informatik und ist wie wir sehen werden auch eng verbunden mit dieser. Eine Menge ist eine Zusammenfassung von
MehrKlassenarbeit - Grammatik
Klassenarbeit - Grammatik 5. Klasse / Englisch / Monat März Kurzantworten; Dialoge; Fragen bilden; Sätze bilden; Personalpronomen Aufgabe 1 Do you know the word? 1. There are planes here: 2. It is a place
MehrKapitel 6: Graphalgorithmen Gliederung
Gliederung 1. Grundlagen 2. Zahlentheoretische Algorithmen 3. Sortierverfahren 4. Ausgewählte Datenstrukturen 5. Dynamisches Programmieren 6. Graphalgorithmen 7. String-Matching 8. Kombinatorische Algorithmen
MehrCOMPUTER: Mission Berlin. November 9, 2006, eleven am. You've got 60 minutes and no extra life left.
Episode 13 Göttliche Hilfe Die Kirche scheint der richtige Ort zu sein, um Informationen zu sammeln. Der Pastor erklärt Anna die Melodie und teilt ihr mit, dass sie der Schlüssel zu einer Zeitmaschine
MehrFakten, Regeln und Anfragen
Fakten, Regeln und Anfragen Prolog Grundkurs WS 99/00 Christof Rumpf rumpf@uni-duesseldorf.de 18.10.99 GK Prolog - Fakten, Regeln und Anfragen 1 Programmieren = Problemlösen Prolog ist eine deklarative
MehrCOMPUTER: Mission Berlin. November 9, 2006, eleven am. You've got 60 minutes and no extra life left.
13? D A C H F E G? Manuscript of the Episode INTRODUCTION. November 9, 2006, eleven am. You've got 60 minutes and no extra life left. Dieses Mal entkommst du mir nicht! Do you know what you are looking
MehrADS: Algorithmen und Datenstrukturen 2
ADS: Algorithmen und Datenstrukturen 2 Teil 6 Prof. Dr. Gerhard Heyer Institut für Informatik Abteilung Automatische Sprachverarbeitung Universität Leipzig 16. Mai 2018 [Letzte Aktualisierung: 18/05/2018,
MehrTravel General. General - Essentials. General - Conversation. Asking for help. Asking if a person speaks English
- Essentials Can you help me, please? Asking for help Do you speak? Asking if a person speaks Do you speak _[language]_? Asking if a person speaks a certain language I don't speak_[language]_. Clarifying
MehrTravel General. General - Essentials. General - Conversation. Asking for help. Asking if a person speaks English
- Essentials Can you help me, please? Asking for help Do you speak? Asking if a person speaks Do you speak _[language]_? Asking if a person speaks a certain language I don't speak_[language]_. Clarifying
MehrDatenstrukturen und Algorithmen 2. Klausur SS 2001
UNIVERSITÄT PADERBORN FACHBEREICH 7 (MATHEMATIK INFORMATIK) Datenstrukturen und Algorithmen 2. Klausur SS 200 Lösungsansätze Dienstag, 8. September 200 Name, Vorname:...................................................
MehrEinführung in Prolog. Literatur
Einführung in Prolog Literatur Clocksin/Mellish Programming in Prolog Skript aus dem Kurs Max Hadersbeck Skript aus dem Kurs Hans Leiss Bratko Prolog Programming for Artificial Intelligence Prolog Lexikon
MehrAlgorithmus: // Zähler für jede Regel. // Initialisierung. // Initialisierung von rhs } // 2 N result = ; // Ergebnis-Menge int count[p];
Algorithmus: 2 N result = ; // Ergebnis-Menge int count[p]; // Zähler für jede Regel 2 P rhs[n]; // VorkommeninrechtenSeiten forall (A N) rhs[a] = ; // Initialisierung forall ((A,i) P) { // count[(a,i)]
Mehr3.1 Reservierte Wörter
3.1 Reservierte Wörter int Bezeichner für Basis-Typen; if, else, while Schlüsselwörter aus Programm-Konstrukten; (,), ",, {,},,,; Sonderzeichen. 62 3.2 Was ist ein erlaubter Name? Schritt 1: Angabe der
MehrRelevante(r) Deskriptor(en) Deskriptor 6: Kann Wörter, die buchstabiert werden, sowie Zahlen und Mengenangaben, die diktiert werden, notieren.
LISTEN AND FILL IN! Fertigkeit Hören Relevante(r) Deskriptor(en) Deskriptor 6: Kann Wörter, die buchstabiert werden, sowie Zahlen und Mengenangaben, die diktiert werden, notieren. (A1) Themenbereich(e)
MehrEinführung in die Computerlinguistik Einführung in Python (3) Tokenizer und Textstatistik
Einführung in die Computerlinguistik Einführung in Python (3) Tokenizer und Textstatistik Dozentin: Wiebke Petersen 12. Foliensatz Wiebke Petersen Einführung CL 1 Kurzwiederholung der letzten Sitzung Dateien
MehrDatenstrukturen & Algorithmen
Datenstrukturen & Algorithmen Matthias Zwicker Universität Bern Frühling 2010 Übersicht Rot-schwarz Bäume Eigenschaften Rotationen Einfügen (Löschen) 2 Einführung Binäre Suchbäume Höhe h O(h) für Operationen
MehrAlgorithmen und Datenstrukturen Tutorium Übungsaufgaben
Algorithmen und Datenstrukturen Tutorium Übungsaufgaben AlgoDat - Übungsaufgaben 1 1 Landau-Notation Aufgabe Lösung 2 Rekurrenzen Aufgabe 3 Algorithmenentwurf und -analyse Aufgabe AlgoDat - Übungsaufgaben
MehrAlgorithmen und Datenstrukturen II
Algorithmen und Datenstrukturen II Algorithmen zur Textverarbeitung III: D. Rösner Institut für Wissens- und Sprachverarbeitung Fakultät für Informatik Otto-von-Guericke Universität Magdeburg Sommer 2009,
MehrÜBUNGSKLAUSUR Studienhalbjahr: 2. Semester. Datum: 20. Juli 2016 Bearbeitungszeit: 90 Minuten. Modul: T2INF Dozent: Stephan Schulz
Matrikelnummer: Fakultät Studiengang: Jahrgang / Kurs : Technik Angewandte Informatik 01 B/C/K ÜBUNGSKLAUSUR Studienhalbjahr:. Semester Datum: 0. Juli 01 Bearbeitungszeit: 90 Minuten Modul: TINF100.1 Dozent:
MehrStandardstufe 6: Interkulturelle kommunikative Kompetenz
Lernaufgabe Let s make our school nicer Your task: Let s make our school nicer Imagine the SMV wants to make our school nicer and has asked YOU for your help, because you have learnt a lot about British
Mehr(a, b)-bäume / 1. Datenmenge ist so groß, dass sie auf der Festplatte abgespeichert werden muss.
(a, b)-bäume / 1. Szenario: Datenmenge ist so groß, dass sie auf der Festplatte abgespeichert werden muss. Konsequenz: Kommunikation zwischen Hauptspeicher und Festplatte - geschieht nicht Byte für Byte,
MehrListen. bersicht. Zweck. Listen allgemein Listen in Prolog. Programmiertechniken mit Listen. Erstellen von Prolog-Programmen mit Listen
Listen bersicht Listen allgemein Listen in Prolog Schreibweise Listen als rekursive Datenstruktur Unifikation Programmiertechniken mit Listen Zweck rekursive Suche Abbilden Erstellen von Prolog-Programmen
Mehr1. Motivation / Grundlagen 2. Sortierverfahren 3. Elementare Datenstrukturen / Anwendungen 4. Bäume / Graphen 5. Hashing 6. Algorithmische Geometrie
Gliederung 1. Motivation / Grundlagen 2. Sortierverfahren 3. Elementare Datenstrukturen / Anwendungen 4. äume / Graphen. Hashing 6. Algorithmische Geometrie 4/6, Folie 1 2014 Prof. Steffen Lange - HDa/FbI
Mehr1. Hello, I m Francis Docherty. a. No, sorry. I m not. 2. I m sorry. What was your b. I don t think he
A1 Hello, I m Francis Docherty. Was passt zusammen? 1. Hello, I m Francis Docherty. a. No, sorry. I m not. 2. I m sorry. What was your b. I don t think he name again? is at the moment. 3. Excuse me. Are
MehrMagic Figures. We note that in the example magic square the numbers 1 9 are used. All three rows (columns) have equal sum, called the magic number.
Magic Figures Introduction: This lesson builds on ideas from Magic Squares. Students are introduced to a wider collection of Magic Figures and consider constraints on the Magic Number associated with such
MehrShe works with a computer. Does she work with a computer? He writes s. Does he write s? It sounds right. Does it sound right?
REPEAT Fragen stellen Im Deutschen durch Veränderung der Wortstellung Du sprichst Englisch. 2 1 3 Sprichst du Englisch? Asking questions Im Englischen mit do oder does und das s wandert vom Verb weg. You
MehrSS 2013 1.1-1 / 12
AMPELSTEUERUNG EINER KREUZUNG monika.heiner@informatik.tu-cottbus.de SS 2013 1.1-1 / 12 (A) PROBLEM D C E B A Ziel (1) Sicherheit: keine kollidierenden Wege gleichzeitig, z.b. EB und AD Ziel (2) Maximierung:
MehrStratego/XT und ASF+SDF Meta-Environment. Paul Weder Seminar Transformationen Datum:
Stratego/XT und ASF+SDF Meta-Environment Paul Weder Seminar Transformationen Datum: 20.01.2006 Gliederung Allgemeines ASF+SDF Meta-Environment Stratego/XT Zusammenfassung/Vergleich SDF (Syntax Definition
MehrVorlesung Informatik 2 Algorithmen und Datenstrukturen
Vorlesung Informatik 2 Algorithmen und Datenstrukturen (18 Bäume: Grundlagen und natürliche Suchbäume) Prof. Dr. Susanne Albers Bäume (1) Bäume sind verallgemeinerte Listen (jedes Knoten-Element kann mehr
MehrSelbstlernmodul bearbeitet von: begonnen: Inhaltsverzeichnis:
bearbeitet von: begonnen: Fach: Englisch Thema: The Future Deckblatt des Moduls 1 ''You will have to pay some money soon. That makes 4, please.'' ''Oh!'' Inhaltsverzeichnis: Inhalt bearbeitet am 2 Lerntagebuch
MehrEntscheidungsverfahren für die Software-Verifikation. 4 - BDDs
Entscheidungsverfahren für die Software-Verifikation 4 - BDDs Datenstruktur BDD 1986 von R. Bryant vorgeschlagen zur Darstellung von aussagenlogischen Formeln (genauer: Booleschen Funktionen) Boolesche
MehrGraphen KAPITEL 3. Dieses Problem wird durch folgenden Graph modelliert:
KAPITEL 3 Graphen Man kann als Ursprung der Graphentheorie ein Problem sehen, welches Euler 1736 von Studenten aus Königsberg gestellt bekam. Der Fluss Pregel wird von 7 Brücken überquert, und die Frage
MehrInformatik II - Übung 03
Informatik II - Übung 03 Katja Wolff katja.wolff@inf.ethz.ch 15.03.2014 Besprechung Übungsblatt 2 Informatik II - Übung 03 15.03.2017 2 U2.A1 S Klammerdarstellung und eingerückter Form R P V S(R(H(K)),P(A(N,O),Q,T),V(J,F(G)))
MehrLogik für Informatiker Logic for computer scientists
Logik für Informatiker Logic for computer scientists Till Mossakowski Wintersemester 2014/15 Till Mossakowski Logik 1/ 17 Beweismethoden für die Boolesche Logik Till Mossakowski Logik 2/ 17 Beweise Beweismethoden
MehrBest friends. Fertigkeit/en. Hören / Verstehen (HV) Lesen / Verstehen (LV) An Gesprächen teilnehmen (AGt) Relevante Grundkompetenz/en
Best friends ENGLISCH Fertigkeit/en Relevante Grundkompetenz/en Hören / Verstehen (HV) Lesen / Verstehen (LV) An Gesprächen teilnehmen (AGt) HV 1 e: Kann sehr einfache altersgemäße Gespräche bzw. Dialoge
Mehr1. Erläutern Sie die Aufgaben von Datentypen in der imperativen Programmierung.
1. Erläutern Sie die Aufgaben von Datentypen in der imperativen Programmierung. Beschreiben Sie ferner je einen frei gewählten Datentyp aus der Gruppe der skalaren und einen aus der Gruppe der strukturierten
MehrVorlesung Künstliche Intelligenz Alexander Manecke Oliver Schneider Andreas Stoffel 9. Mai 2006
Vorlesung Künstliche Intelligenz 9. Mai 2006 Aufgabe 1: Listen in Prolog a) Den Fall der leeren Liste müssen wir hier nicht betrachten, denn eine leere Liste besitzt kein Maximum. Also ist Standardantwort
MehrDiskrete Strukturen Kapitel 4: Graphentheorie (Bäume)
WS 2016/17 Diskrete Strukturen Kapitel 4: Graphentheorie (Bäume) Hans-Joachim Bungartz Lehrstuhl für wissenschaftliches Rechnen Fakultät für Informatik Technische Universität München http://www5.in.tum.de/wiki/index.php/diskrete_strukturen_-_winter_16
MehrGrammatiken und ANTLR
Grammatiken und ANTLR Zusatzfolien zu Algo Blatt 6 Author: Henry Schaefer http://www.majeeks.de/folien_blatt6.pdf Grammatik Definition: syntaktische Beschreibung einer Sprache (H.S.) Definiton Grammatik
MehrAlgorithmische Bioinformatik 1
Algorithmische Bioinformatik 1 Dr. Hanjo Täubig Lehrstuhl für Effiziente Algorithmen (Prof. Dr. Ernst W. Mayr) Institut für Informatik Technische Universität München Sommersemester 2009 Übersicht Algorithmen
MehrMengen, Logik. Jörn Loviscach. Versionsstand: 17. Oktober 2009, 17:42
Mengen, Logik Jörn Loviscach Versionsstand: 17. Oktober 2009, 17:42 1 Naive Mengenlehre Mengen sind die Grundlage fast aller mathematischen Objekte. Ob die Zahl 7, ein Kreis in der Ebene, die Relation
MehrTheoretische Informatik und Logik, VU 4.0 (Teil1: Berechenbarkeit, Formale Sprachen und Komplexitätstheorie)
185.278 Theoretische Informatik und Logik, VU 4.0 (Teil1: Berechenbarkeit, Formale Sprachen und Komplexitätstheorie) Marion OSWALD (marion@logic.at) unter Mitwirkung von Chris FERMÜLLER, Rudi FREUND, Alexander
MehrCycling and (or?) Trams
Cycling and (or?) Trams Can we support both? Experiences from Berne, Switzerland Roland Pfeiffer, Departement for cycling traffic, City of Bern Seite 1 A few words about Bern Seite 2 A few words about
MehrMission Berlin. Deutsch lernen und unterrichten Arbeitsmaterialien. Episode 24 Ticking Clock
Episode 24 Ticking Clock Anna retrieves the metal case hidden back in 1961 but can't open it because it's rusty. When she does manage to open it, she finds an old key. Is this the key to the mystery? Time
MehrEinführung in die Informatik 2
Einführung in die Informatik 2 Bäume & Graphen Sven Kosub AG Algorithmik/Theorie komplexer Systeme Universität Konstanz http://www.inf.uni-konstanz.de/algo/lehre/ss08/info2 Sommersemester 2008 Sven Kosub
MehrMission Berlin. Deutsch lernen und unterrichten Arbeitsmaterialien. Episode 24 Die Uhr tickt
Episode 24 Die Uhr tickt Anna findet das Metallkästchen wieder, das sie im Jahr 1961 versteckt hat, kann es aber nicht öffnen, weil es verrostet ist. Als es ihr doch gelingt, findet sie einen alten Schlüssel.
MehrLinux I II III Res WN/TT NLTK XML Weka E XML BNC XSLT BNC/XML 7 BNC/XML XML BNC XSLT. Ressourcen-Vorkurs
BNC/XML 7 BNC/XML XML BNC XSLT extensible Markup Language I XML erlaubt es, strukturierte Daten in Textdateien zu speichern. Zum Schreiben und Lesen von XML-Dateien genügen einfache Text-Editoren wie Emacs
MehrADS: Algorithmen und Datenstrukturen 1
ADS: Algorithmen und Datenstrukturen 1 Teil 13+ɛ Prof. Peter F. Stadler & Dr. Christian Höner zu Siederdissen Bioinformatik/IZBI Institut für Informatik & Interdisziplinäres Zentrum für Bioinformatik Universität
MehrÜbung zu Kognitive Systeme I
Übung zu Kognitive Systeme I Prolog Stephan Weller (Stephan.Weller@wiai.uni-bamberg.de) Kognitive Systeme / WIAI / Uni Bamberg 1. November 2006 Inhalt Intro Was ist Prolog? Wie funktioniert Prolog? Rekursion
MehrEINFÜHRUNG IN DIE PROGRAMMIERUNG
EINFÜHRUNG IN DIE PROGRAMMIERUNG GRUNDLAGEN Tobias Witt!! 24.03.2014 ORGANISATORISCHES 09:00-10:30! Täglich Übungen zur Vertiefung! Laptop hier nicht erforderlich! Linux, OS X! Freitag: http://hhu-fscs.de/linux-install-party/
MehrProgrammierkurs Python II
Programmierkurs Python II Michaela Regneri & Stefan Thater FR 4.7 Allgemeine Linguistik (Computerlinguistik) Universität des Saarlandes Sommersemester 2011 Prüfungsleistungen Klausur am Semesterende -
MehrAutoSPARQL. Let Users Query Your Knowledge Base
AutoSPARQL Let Users Query Your Knowledge Base Christian Olczak Seminar aus maschinellem Lernen WS 11/12 Fachgebiet Knowledge Engineering Dr. Heiko Paulheim / Frederik Janssen 07.02.2012 Fachbereich Informatik
MehrPROLOG Syntax. Einführung in PROLOG II. Atome. Variablen. Es gibt vier Arten von Termen: Atome. Zahlen. Variablen. Komplexe Terme
PROLOG Syntax Es gibt vier Arten von Termen: Atome Variablen Atome Zahlen Variablen Komplexe Terme 1. uni, uni_hannover 2. KI Kurs, $ % 45 3. @=, ====> 1. X, Y 2. Variable, Output 3. _tag, _head 4. X_256
MehrKünstliche Intelligenz Maschinelles Lernen
Künstliche Intelligenz Maschinelles Lernen Stephan Schwiebert Sommersemester 2009 Sprachliche Informationsverarbeitung Institut für Linguistik Universität zu Köln Maschinelles Lernen Überwachtes Lernen
Mehr9 Minimum Spanning Trees
Im Folgenden wollen wir uns genauer mit dem Minimum Spanning Tree -Problem auseinandersetzen. 9.1 MST-Problem Gegeben ein ungerichteter Graph G = (V,E) und eine Gewichtsfunktion w w : E R Man berechne
MehrWillst du jemandem einen Rat oder eine Anweisung geben, dann verwendest du den Imperativ: Hier nun ein paar Beispiele:
Aufgabe 1 verneinter Imperativ Willst du jemandem einen Rat oder eine Anweisung geben, dann verwendest du den Imperativ: Hier nun ein paar Beispiele: Gib mir bitte die Milch Please pass me the milk. Das
MehrTutoraufgabe 1 (Suchen in Graphen):
Prof. aa Dr. E. Ábrahám Datenstrukturen und Algorithmen SS14 F. Corzilius, S. Schupp, T. Ströder Tutoraufgabe 1 (Suchen in Graphen): a) Geben Sie die Reihenfolge an, in der die Knoten besucht werden, wenn
MehrInformatik Abitur Bayern 2017 / II - Lösung
Informatik Abitur Bayern 2017 / II - Lösung Autoren: Wolf (1) Wagner (2) Scharnagl (3-5) 1a 5 1b Diese Methode vergleicht den Namen des Interpreten eines jeden Elements der Liste mit dem gegebenen Namen.
Mehr