Künstliche Intelligenz Wenn Computer Probleme lösen
|
|
- Til Kaiser
- vor 7 Jahren
- Abrufe
Transkript
1 Künstliche Intelligenz Wenn omputer Probleme lösen Ute Schmid KI erforscht, wie man omputer Dinge machen lassen könnte, die Menschen im Moment noch besser erledigen. Elaine Rich
2 Ziele der KI Ingenieurswissenschaftlich: Methoden zur maschinellen Lösung von Problemen (Techniken der Wissensrepräsentation, Inferenz, Suchalgorithmen, Klassifikation, Lernen,...) Wissenschaftliche Erkenntnis: Objektivierung und Modellierung von kognitiven Prozessen (Wahrnehmung, Denken, Schlussfolgern, Sprachverstehen, Wissenserwerb,...) Formalwissenschaftlich: (Weiter-)Entwicklung von Formalismen zur eschreibung und ewertung von Problemen und lgorithmen (Logik-Kalküle, Graphtheorie, Lernbarkeitstheorie,...) KI ist notwendigerweise interdisziplinär! ++ Mathematik Informatik Neurobiologie Kognitive Psychologie Kognitive/formale Linguistik Philosophie der Erkenntnis ++++
3 Themengebiete der KI Problemlösen und Planen: Suchstrategien und Techniken der Problemreduktion (Teilzielbildung) nwendung: Formelmanipulation, Konfigurieren, blaufplanung, Spiele Inferenz: logische Deduktion, Theorembeweis, lltagsschliessen (unscharfes/statistisches Schliessen) nwendung: Frage-/ntwort-Systeme, Expertensysteme Wissensrepräsentation: Semantische Netze, Schemata, Graphen Grundlegend für alle KI-nwendungen, die auf Wissensbasen aufsetzen Maschinelles Lernen: egriffslernen, Entdeckungslernen, Regellernen nwendung: Objekterkennung, Klassifikation, data mining, Prozess-Steuerung utomatisches eweisen/programmieren: Generierung oder Überprüfung von eweisen/programmen nwendung: Verifikation von Programmen Problemlösen
4 Was ist ein Problem? Schaffe eine friedliche Welt Male ein schönes ild Löse die Mathe-Hausaufgabe Gehe auf kürzestem Weg von Zuhause zur Schule und kaufe unterwegs Pausenbrot Löse eine kryptoarithmetische ufgabe, DONLD GERLD ROERT
5 Definition: Problem Problem: nfangszustand, Zielzustand, Operatoren Offenes/Geschlossenes Problem: Sind nfangs- und Zielzustand nicht klar definiert, handelt es sich um ein offenes Problem, sonst um ein geschlossenes Problem. Sind die Operatoren klar definiert handelt es sich um ein Transformations-Problem, sonst um ein Synthese-Problem. Schaffe eine friedliche Welt (offenes Problem) Male ein schönes ild (offenes Problem) Löse die Mathe-Hausaufgabe (geschlossenes Problem, Synthese-Problem) Gehe auf kürzestem Weg von Zuhause zur Schule und kaufe unterwegs Pausenbrot (geschlossenes Problem, Transformations-Problem) Löse eine kryptoarithmetische ufgabe (geschlossenes Problem, Transformations-Problem)
6 Problemzustände nfangszustand: ffe steht links auf dem oden, Kiste steht rechts auf dem oden, anane hängt in der Mitte an der Decke Zielzustand: ffe hat die anane (Kiste steht in der Mitte, ffe steht auf der Kiste) Zwischenzustand: ffe steht rechts auf dem oden, Kiste steht rechts auf dem oden, anane hängt in der Mitte an der Decke Ein Zustand besteht aus einer Menge von Fakten. Es werden nur relevante spkete abgebildet (Farbe der Kiste ist irrelevant). bgeschlossenheits-nnahme: In einem Zustand nicht genannte Fakten werden als nicht gegeben angenommen (Im nfangszustand hat der ffe die anane nicht). Es kann mehrere Zielzustände geben: Zustände, in denen der ffe die ananne hat. pos(ffe, Rechts), aufoden, pos(kiste, Rechts), pos(anane, Mitte) ort(links), ort(mitte), ort(rechts)
7 llgemeine Form: WENN Problemlöse-Operatoren nwendungsbedingung: Fakten, die erfüllt sein müssen nwendungsbedingung DNN ktion: Handlung, die ausgeführt wird, definiert über ihre uswirkung ddiere neue Fakten, die nach ktion gelten, Lösche Fakten, die nach ktion nicht mehr gelten nmerkung: hier Operator-Schema mit Variablen (allgemeinste Form, um Operatoren zu repräsentieren) GeheVonNach(x,y): nwendungsbedingung: ort(x), ort(y), pos(ffe, x), auf-boden uswirkung: DD pos(ffe,y); DEL pos(ffe, x) ktion aktueller Zustand Operatoranwendung Folgezustand pos(ffe, Links) auf-boden pos(kiste, Rechts) pos(anane, Mitte) ort(links) ort(mitte) ort(rechts) gehevonnach(links, Rechts) pos(ffe, Links) auf-boden pos(kiste, Rechts) pos(anane, Mitte) pos(ffe, Rechts) ort(links) ort(mitte) ort(rechts)
8 Das ffe-anane Problem nfangszustand: pos(ffe,links), auf-boden, pos(kiste,rechts), pos(anane,mitte) Zielzustand: pos(ffe, Mitte), auf-kiste, pos(kiste, Mitte), hat-banane Raumpositionen: ort(links), ort(mitte), ort(rechts) [statisch] Operatoren: GeheVonNach(x,y): nwendungsbedingung: ort(x), ort(y), pos(ffe, x), auf-boden uswirkung: DD pos(ffe,y); DEL pos(ffe, x) SchiebeKiste(x,y): nwendungsbedingung: ort(x), ort(y), pos(ffe, x), pos(kiste, x), auf-boden uswirkung: DD pos(ffe, y), pos(kiste, y); DEL pos(ffe, x), pos(kiste, x) SteigeufKiste(x): nwendungsbedingung: ort(x), pos(ffe, x), pos(kiste, x), auf-boden uswirkung: DD auf-kiste; DEL auf-boden Greifeanane(x): nwendungsbedingung: ort(x), pos(ffe, x), pos(anane, x), auf-kiste uswirkung: DD hat-banane
9 Problemlösen Problemlösung: Folge von ktionen, um einen nfangszustand in einen Zielzustand zu transformieren. lternativ: Optimale Folge (möglichst wenig ktionen, möglichst billig bei ktionen mit unterschiedlichen Kosten) Problemlösen: Suche nach einer Folge von ktionen, um einen nfangszustand in einen Zielzustand zu transformieren. Wenn die Lösung bereits bekannt ist, ist Problemlösen unnötig. eispiel: rekursive erechnungsvorschrift für Turm von Hanoi Problemraum: lle möglichen Zustände eines Problems bilden einen Problemraum Graph mit Knoten als Zuständen und ktionen als Kanten. Ein Problemraum ist nicht explizit gegeben (weder beim menschlichen Problemlöser noch im Rechner): eim Problemlösen werden Teile des Problemraums in Form eines Suchbaums erzeugt.
10 Problemraum für das ffe-anane-problem GeheVonNach(Links,Mitte) GeheVonNach(Mitte,Links) GeheVonNach(Links,Rechts) GeheVonNach(Mitte,Rechts) GeheVonNach(Rechts,Links) GeheVonNach(Rechts,Mitte) Greifeanane(Mitte) SchiebeKiste(Rechts,Mitte) SteigeufKiste(Mitte) SchiebeKiste(Mitte,Rechts) SteigeufKiste(Rechts) SchiebeKiste(Rechts,Links) SchiebeKiste(Links,Rechts) SchiebeKiste(Mitte,Links) SchiebeKiste(Links,Mitte) SteigeufKiste(Links)
11 Uninformierte Suche Einfachste Strategie: Versuch-und-Irrtum (jeweils zufällig eine ktion ausführen). Systematische Strategien: Tiefensuche, reitensuche Grundidee des Tiefensuchalgorithmus: Gegeben ist eine Ordnung auf den Operatoren (Präferenz). Für den aktuellen Zustand wird diejenige ktion ausgewählt, die anwendbar ist und die höchste Präferenz besitzt. Der Folgezustand kann ein bereits besuchter Zustand sein (Zyklus): ffe könnte unendlich oft von Links zur Mitte und wieder zurück laufen. Zyklen müssen erkannt und vermieden werden. Der Folgezustand kann ein Zustand sein auf den keine weiteren ktionen annwendbar sind (Sackgasse): Die letzte ktion (die zur Sackgasse führte) muss zurückgenommen werden (backtracking).
12 Tiefensuch-lgorithmus 1. ktueller Zustand = nfangszustand 2. Solange ktueller Zustand Zustände vorhanden: Zielzustand Und noch unbesuchte (a) Wähle nächste anwendbare ktion aus. (b) Wenn keine ktion anwendbar ist, Dann nimm die letzte ktion zurück (markiere sie als bereits versucht) und setze ktueller Zustand auf den vorherigen Zustand, Sonst wende ktion an und setze ktueller Zustand auf den resultierenden Zustand. (c) Wenn ktueller Zustand bereits auf dem Lösungsweg liegt, Dann nimm die letzte ktion zurück (markiere sie als bereits versucht) und setze ktueller Zustand auf den vorherigen Zustand. 3. Wenn ktueller Zustand Zielzustand Dann Gib Lösung aus, Sonst Melde Problem nicht lösbar.
13 Tiefensuche beim ffe-anane Problem Ordnung auf den Operatoren: (1) Greifeanane, (2) SteigeufKiste, (3) SchiebeKiste, (4) GeheVonNach evorzugung von Orten: (1) Mitte, (2) Rechts, (3) Links backtracking GeheVonNach(Links,Mitte) (1) pos(ffe,mitte) auf-boden pos(kiste,rechts) pos(anane,mitte) GeheVonNach(Mitte,Rechts) (2) pos(ffe,rechts) auf-boden pos(kiste,rechts) pos(anane,mitte) SteigeufKiste(Rechts) pos(ffe,rechts) auf-kiste pos(kiste,rechts) pos(anane,mitte) (0) pos(ffe,links) auf-boden pos(kiste,rechts) pos(anane,mitte) SchiebeKiste(Rechts,Mitte) (3) (4) pos(ffe,mitte) auf-boden pos(kiste,mitte) pos(anane,mitte) Die statischen Prädikate ort(links), ort(mitte) und ort(rechts) werden bei den Zustandsbeschreibungen der Übersichtlichkeit halber weggelassen. Sackgasse SteigeufKiste(Mitte) pos(ffe,mitte) auf-kiste pos(kiste,mitte) pos(anane,mitte) Greifeanane(Mitte) pos(ffe,mitte) auf-kiste pos(kiste,mitte) pos(anane,mitte) hat-banane (5) (6)
14 Heuristische Suche Menschen suchen im llgemeinen nicht systematisch nach einer Problemlösung. Sie haben häufig Vorannahmen/Vermutungen, welche ktionen eher zum Erfolg führen als andere: Heuristik, Erfahrung, Hintergrundwissen,... In der Informatik gibt es eine grosse Klasse von Problemen, die nicht effizient mit systematischen Suchverfahren gelöst werden können (riesige Suchbäume, exponentieller ufwand). KI-lgorithmen: Verwendung von Heuristiken z.. Schachprogramme: Mass zur ewertung einer Spielstellung nach ihren hancen, zum Sieg zu führen Einfachste heuristische Strategie: Hill limbing Idee der Unterschiedsreduktion: Wähle jeweils die ktion, die den Unterschied zwischen dem aktuellen Zustand und dem Zielzustand am stärksten verringert. Problem bei heuristischen Strategien: Wenn man Pech hat, findet man die Lösung nicht (man verrennt sich ). Problem der lokalen Maxima: Ziel
15 Heuristiken Das ufstellen einer Heuristik bedarf einer Problemanalyse. Naive ewertungsfunktionen: ffe-anane Problem: ein Punkt für ffe bei der Kiste, zwei Punkt für Kiste in Mitte, drei Punkte für ffe und Kiste in Mitte, vier Punkte für ffe auf der Kiste in der Mitte. Hobbits & Orcs: Zahl der Personen auf dem Zielufer (Problem: Es müssen einmal zwei Personen zurück transportiert werden, um das Problem zu lösenn) chter-puzzle: Zahl der korrekt platzierten Plättchen (korrekte Sequenz ist wichtiger) Es ist nicht einfach, sinnvolle Heuristiken zu entwickeln! möglicher nfangszustand Zielzustand Operator: Verschiebe das leere (schwarze) Feld um eine Position nach links, rechts, oben oder unten
16 Das Hobbits & Orcs Problem Lösungsweg: (1) b H H H O O O (2) H H O O b H O nfangszustand: Drei Hobbits (H) und drei Orcs (O) befinden sich am linken Ufer eines Flusses. Zielzustand: lle sechs befinden sich am rechten Ufer des Flusses. Operator: Mit einem oot (b) können mindestens ein und maximal zwei Passagiere gleichzeitig von einem Ufer zum anderen transportiert werden. nwendungsbedingung: n keinem Ufer dürfen mehr Orcs als Hobbits sein (da die Orcs sonst die Hobbits auffressen). (3) b H H H O O (4) H H H O b O O O (5) b H H H O (6) H O O O b H H O O (7) b H H O O (8) O O H O b H H H O (9) b O O O (10) O H H H b H H H O O (11) b O O (12) H H H O b H H H O O O
17 nmerkungen: ester heuristischer lgorithmus: (Nils Nilsson) Nur wenn die heuristische Funktion die tatsächliche Distanz zum Ziel unterschätzt sind solche lgorithmen effizient (mathematisch beweisbar). KI-Planung: llgemeine Sprache zur Repräsentation von Problemen, effiziente lgorithmen (Graphplan, HSP,...) Zweijährlicher Wettbewerb von Planern: ktuelle Forschungsbereiche: Fallbasierte Strategien (npassung von Lösungen bekannnter Probleme), Lernen aus Problemlöseerfahrung Und was hat das mit KI zu tun? Was, KI ist so langweilig? Programmieren von Suchalgorithmen soll intelligentes Verhalten abbilden? KI befasst sich damit, Probleme auf omputern lösbar zu machen, die bislang nicht autmatisch gelöst werden können. Teilgebiet der KI: Kognitive Modellierung Versuch der eschreibung menschlichen Problemlöseverhaltens basierend auf empirischen Ergebnissen der kognitiven Psychologie. Häufig führt die erfolgreiche Konstruktion von lgorithmen zur Demystifizierung eines Problembereichs!
18 Die Türme von Hanoi Der Legende nach sind die Mönche von Hanoi seit Jahrhunderten damit beschäftigt, einen Turm aus 64 Scheiben von einer Position auf eine andere zu versetzen. Nach Meinung der Mönche soll die Welt untergehen, wenn der Turm komplett versetzt ist. Es gibt drei Stäbe. Ursprünglich steht der Turm auf einem dieser Stäbe. Ziel ist es, den Turm auf einem anderen Stab zu haben. Der dritte Stab darf als Zwischenablage genutzt werden. Jede Scheibe hat eine unterschiedliche Grösse. Eine Scheibe darf nur auf eine grössere Scheibe oder auf einen leeren Stab gelegt werden. Das 3-Scheiben Problem: 1 2 3
19 Problemanalyse für die Türme von Hanoi nzahl der Zustände: bei drei Stäben und Scheiben (Wahrscheinlichkeitstheoretisches Gesetz der Variation) Minimale nzahl von ktionen zur Lösung des -Scheiben Problems: -Scheiben Problem: eine ewegung -Scheiben Problem: eine ewegung für die grosse, zwei ewegungen für die kleine Scheibe -Scheiben Problem: eine ewegung für die grosse, zwei für die mittlere, vier für die kleine Scheiben Problem: fünf Trillionen Jahre, wenn alle 10 Sekunden eine Scheibe bewegt wird. 2 x Exponentielles Wachstum x Scheiben Zustände ktionen
20 Problemraum für das 3-Scheiben Problem (ewegungen von gepunktet, ewegungen von gestrichelt, ewegungen von durchgezogen)
21 ... Die Türme von Hanoi das Türme von Hanoi-Problem ist nicht mit systematischer Suche lösbar: exponentielles Wachstum! Heuristische Suchverfahren sind notwendig. lternativ: Identifizieren eines speziellen Lösungsalgorithmus (Psychologische Studien zeigen, dass vor allem mathematisch begabte Schüler dazu in der Lage sind.) Das Türme von Hanoi Problem hat eine sehr regelmässige Struktur: Problemraum als ineinander verschachtelte Dreiecke. Rekursive erechnungsvorschrift hanoi(n, von, via, nach) = WENN DNN tue nichts SONST hanoi(n-1, von, nach, via) bewegescheibe(von, nach) hanoi(n-1, via, von, nach).
22 Rekursive Probleme Rekursion meint Selbstbezüglichkeit, also die Definition eines Problems unter ezug auf sich selbst. Die wohl bekannteste rekursive Definition einer mathematischen Funktion ist die der Fakultät: Die Fakultät einer natürlichen Zahl berechnet sich durch Multiplikation von mit der Fakultät der Zahl. eispielsweise gilt:. Um also die Fakultät der Zahl 4 auszurechnen, muss man auf das Ergebnis faku(3) zurückgreifen. Ist dieses Ergebnis nicht bekannt, so muss nun zunächst faku(3) berechnet werden, etc. Für faku(0) ist das Ergebnis direkt definiert. Das Ergebnis 1 kann an die wartende Funktion faku(1) zurückgegeben werden, die nun berechnet werden kann und ihr Ergebnis an faku(2) weitergibt, etc. Es ist wichtig, dass es einen Fall gibt, für den das Ergebnis direkt ermittelt werden kann. nsonsten würde man bei der erechnung endlos in die Tiefe steigen (Nicht-Termination).
23 barbeitung der rekursiven Funktion hanoi von Scheibe nach via hanoi(3, 1, 2, 3) hanoi(2, 1, 3, 2) hanoi(2, 2, 1, 3) hanoi(1, 1, 2, 3) hanoi(1,3, 1, 2) hanoi(1, 2, 3, 1) hanoi(1, 1, 2, 3) bewegescheibe(1,3) bewegescheibe(1,2) bewegescheibe(3,2) bewegescheibe(1,3) bewegescheibe(2,1) bewegescheibe(2,3) bewegescheibe(1,3) Scheibe Scheibe Scheibe Scheibe Scheibe Scheibe Scheibe
24 Literatur für den Einstieg R. Kurzweil: Das Zeitalter der Künstlichen Intelligenz. Hanser. (schöner ildband, deckt alle ereiche der KI anschaulich ab) P. Winston. Künstliche Intelligenz. ddison-wesley. (alle Suchalgorithmen in einfacher Form; klassisches KI-Lehrbuch) U. Schmid. omputermodelle des Problemlösens. In J. Müsseler und W. Prinz (Hrsg.), Lehrbuch llgemeine Psychologie, Spektrum Verlag. (2003, siehe U. Schmid, U. & M. Kindsmüller. Kognitive Modellierung: Eine Einführung in die logischen und algorithmischen Grundlagen. Spektrum Verlag. (einfacher Einstieg in KI-Formalismen)
Grundlagen der Kognitiven Informatik
Grundlagen der Kognitiven Informatik Problemlösen Ute Schmid unterstützt von Michael Siebers Kognitive Systeme, Angewandte Informatik, Universität Bamberg letzte Änderung: 27. Oktober 2010 U. Schmid (CogSys)
MehrSeminar: Denken und Problemlösen Dozent: Prof. Dr. Joachim Funke. Referent: Philip Furley
Seminar: Denken und Problemlösen Dozent: Prof. Dr. Joachim Funke Referent: Philip Furley Gliederung Einleitung Ziel: Gemeinsamkeiten und Unterschiede der Sichtweisen der Künstlichen Intelligenz und der
MehrEinführung in die Angewandte Informatik
II: Problemlösen und Planen Fakultät WII, Otto-Friedrich Universität amberg ngewandte Informatik/Kognitive Systeme Letzte Änderung 23. pril 2012 Problemlösen Erreichen von Zielen eseitigung von Hindernissen,
MehrComputermodelle des Denkens und Problemlösens
Computermodelle des Denkens und Problemlösens Ute Schmid 3. März 2005 1 Einleitung Der folgende Beitrag hat das Ziel, grundlegende Ansätze und Techniken des Problemlösens und Schlußfolgerns zu vermittlen,
MehrEinführung in die Angewandte Informatik
II: Problemlösen und Planen Fakultät WII, Otto-Friedrich Universität amberg ngewandte Informatik/Kognitive Systeme Letzte Änderung 21. pril 2015 Problemlösen Erreichen von Zielen eseitigung von Hindernissen,
MehrGrundlagen der Kognitiven Informatik
Grundlagen der Kognitiven Informatik Mittel-Ziel-nalyse, Turm von Hanoi, Rekursive Probleme Ute Schmid unterstützt von Michael Siebers Kognitive Systeme, ngewandte Informatik, Universität amberg letzte
Mehr11. Rekursion, Komplexität von Algorithmen
nwendung der Rekursion 11. Rekursion, Komplexität von lgorithmen Teil 2 Java-eispiele: Power1.java Hanoi.java Rekursiv definierte Funktionen - Fibonacci-Funktion - Fakultät, Potenz -... Rekursiver ufbau
MehrKI erforscht, wie man Computer Dinge machen lassen könnte, die Menschen im Moment noch besser erledigen.
Künstliche Intelligenz und Maschinelles Lernen KI erforscht, wie man Computer Dinge machen lassen könnte, die Menschen im Moment noch besser erledigen. Elaine Rich Künstliche Intelligenz (KI) Artificial
MehrEinführung in die AI
1 Einführung in die AI Prof. Georg Gottlob Institut für Informationssysteme Technische Universität Wien Folien zur Vorlesung Konzepte der Artificial Intelligence 3 Zum Begriff Artificial Intelligence AI:
MehrTeil VIII. Weiterführende Veranstaltungen im FG Wissensverarbeitung
Teil VIII Weiterführende Veranstaltungen im FG Wissensverarbeitung Überblick 1 Zusammenfassung AlgoDS 2 Datenbanken 3 Internet-Suchmaschinen 4 Knowledge Discovery 5 Künstliche Intelligenz 6 Seminare &
Mehr1 Einführung. 2 Grundlagen von Algorithmen. 3 Grundlagen von Datenstrukturen. 4 Grundlagen der Korrektheit von Algorithmen
Programm heute lgorithmen und atenstrukturen (für T/IT) Sommersemester 0 r. Tobias Lasser omputer ided Medical Procedures Technische Universität München inführung rundlagen von lgorithmen rundlagen von
MehrWissensbasierte Systeme. Kombinatorische Explosion und die Notwendigkeit Heuristischer Suche. Heuristiken und ihre Eigenschaften
1 Michael Beetz Technische Universität München Wintersemester 2004/05 Kombinatorische Explosion und die Notwendigkeit Heuristischer Suche 2 3 der Eigenschaften der 4 : 8-Puzzle 5 Heuristiken und ihre Eigenschaften
MehrKünstliche Intelligenz
George F. Luger 2008 AGI-Information Management Consultants May be used for personal purporses only or by libraries associated to dandelon.com network. Künstliche Intelligenz Strategien zur Lösung komplexer
MehrInduktion und Rekursion
Induktion und Rekursion Induktion und Rekursion Sommersemester 2018 Ronja Düffel 16. März 2018 Induktion und Rekursion > Mathematische Beweistechniken > Vollständige Induktion Der kleine Gauß Induktion
MehrProgrammieren 1 C Überblick
Programmieren 1 C Überblick 1. Einleitung 2. Graphische Darstellung von Algorithmen 3. Syntax und Semantik 4. Einstieg in C: Einfache Sprachkonstrukte und allgemeiner Programmaufbau 5. Skalare Standarddatentypen
MehrGrundlagen der Kognitiven Informatik
Grundlagen der Kognitiven Informatik KI Planung, Produktionssysteme Ute Schmid unterstützt von Michael Siebers Kognitive Systeme, Angewandte Informatik, Universität Bamberg letzte Änderung: 25. November
Mehr10.1 Blinde Suche Blinde Suche. Grundlagen der Künstlichen Intelligenz Breitensuche: Einführung BFS-Tree. 10.
Grundlagen der Künstlichen Intelligenz 13. März 2015 10. Klassische Suche: Grundlagen der Künstlichen Intelligenz 10. Klassische Suche: Malte Helmert Universität asel 13. März 2015 10.1 linde Suche 10.2
MehrALPII Objektorientierte Programmierung
LPII Objektorientierte Programmierung für das 5. Übungsblatt 0 Prof. Dr. Margarita Esponda Sieb des Eratosthenes. Jahrhundert v. hr. Das Sieb des Eratosthenes ist ein sehr bekannter lgorithmus, der für
MehrSeminar Künstliche Intelligenz Wintersemester 2013/14
Seminar Künstliche Intelligenz Wintersemester 2013/14 Martin Hacker Richard Schaller Künstliche Intelligenz Department Informatik FAU Erlangen-Nürnberg 31.10.2013 2 / 13 Überblick Teilgebiete der KI Problemlösen,
MehrUninformierte Suche in Java Informierte Suchverfahren
Uninformierte Suche in Java Informierte Suchverfahren Stephan Schwiebert WS 2008/2009 Sprachliche Informationsverarbeitung Institut für Linguistik Universität zu Köln 8-Damen-Problem Gegeben: Schachbrett
MehrSTRIPS. Hauptseminar: Kognitive Systeme. Stefanie Sieber Norbert Wächtler
STRIPS Hauptseminar: Kognitive Systeme Stefanie Sieber Norbert Wächtler Was ist STRIPS? STanford Research Institute Problem Solver Formalismus zur Beschreibung von Planungsproblemen Kernidee: Weltzustand
MehrAlgorithmen. Von Hammurapi bis Gödel. von Jochen Ziegenbalg, Oliver Ziegenbalg, Bernd Ziegenbalg. überarbeitet
Algorithmen Von Hammurapi bis Gödel von Jochen Ziegenbalg, Oliver Ziegenbalg, Bernd Ziegenbalg überarbeitet Algorithmen Ziegenbalg / Ziegenbalg / Ziegenbalg schnell und portofrei erhältlich bei beck-shop.de
MehrTechnische Universität Berlin Fakultät IV - Elektrotechnik und Informatik. Schriftlicher Test - Teilklausur
Klausur Künstliche Intelligenz: Grundlagen und Anwendungen, WiSe 2009 Seite 2 von 16 Technische Universität Berlin Fakultät IV - Elektrotechnik und Informatik Künstliche Intelligenz: Grundlagen und Anwendungen
MehrEinführung in die Methoden der Künstlichen Intelligenz. Suchverfahren / Uninformierte Suche
Einführung in die Methoden der Künstlichen Intelligenz Suchverfahren / Uninformierte Suche Prof. Dr. Manfred Schmidt-Schauß SoSe 08 Stand der Folien: 9. pril 08 Einführung Blind Search n-damen Missionare
MehrKognitive Systeme 1. Uninformierte Suche. Dr.-Ing. Bernd Ludwig
Kognitive Systeme 1 Uninformierte Suche Dr.-Ing. Bernd Ludwig Lehrstuhl für Künstliche Intelligenz Friedrich-Alexander-Universität Erlangen-Nürnberg 04.11.2009 Dr.-Ing. Bernd Ludwig (Lehrstuhl KI) Kognitive
MehrVorkurs Informatik WiSe 17/18
Java Rekursion Dr. Werner Struckmann / Stephan Mielke, Nicole Naczk, 10.10.2017 Technische Universität Braunschweig, IPS Überblick Einleitung Türme von Hanoi Rekursion Beispiele 10.10.2017 Dr. Werner Struckmann
MehrInhalt. Kognitive Systeme 1. Expansion eines impliziten Suchraums Netz aller möglichen Schritte. Impliziter Suchraum. Uninformierte Suche
Inhalt Uninformierte Suche Dr.-Ing. Bernd Ludwig Lehrstuhl für Künstliche Intelligenz Friedrich-Alexander-Universität Erlangen-Nürnberg 04.11.2009 1 Implizite Suchgraphen 2 Tiefensuche 3 Breitensuche 4
MehrZusammenfassung KI (von Marco Piroth)
Zusammenfassung KI (von Marco Piroth) Definition: KI ist das Teilgebiet der Informatik, das sich damit beschäftigt, menschliche, intelligente Verhaltensweisen auf einer Maschine nachzuvollziehen. Softwaretechnische
MehrAlgorithmen und Datenstrukturen (für ET/IT)
Algorithmen und Datenstrukturen (für ET/IT) Sommersemester 05 Dr. Tobias Lasser Computer Aided Medical Procedures Technische Universität München Programm heute Einführung Grundlagen von Algorithmen Grundlagen
Mehr12. Graphen Programmieren / Algorithmen und Datenstrukturen 2 Prof. Dr. Bernhard Humm FB Informatik, Hochschule Darmstadt Wintersemester 2012 / 2013
12. Graphen Programmieren / Algorithmen und Datenstrukturen 2 Prof. Dr. Bernhard Humm FB Informatik, Hochschule Darmstadt Wintersemester 2012 / 2013 1 Agenda Kontrollfragen Graphen Graphenalgorithmen 2
MehrKasparov versus Deep Blue. Till Tantau. Institut für Theoretische Informatik Universität zu Lübeck
Kasparov versus Deep Blue Institut für Theoretische Informatik Universität zu Lübeck 18. Vorlesung zu Informatik A für MLS 14. Dezember 2006 Die Lernziele der heutigen Vorlesung und der Übungen. 1 Das
Mehr9.1 Tiefensuche. Grundlagen der Künstlichen Intelligenz. 9.1 Tiefensuche. 9.2 Iterative Tiefensuche. 9.3 Blinde Suche: Zusammenfassung
Grundlagen der Künstlichen Intelligenz 21. März 2014 9. Klassische Suche: Tiefensuche und iterative Tiefensuche Grundlagen der Künstlichen Intelligenz 9. Klassische Suche: Tiefensuche und iterative Tiefensuche
MehrKünstliche Intelligenz
Künstliche Intelligenz Übungsblatt #1 Modellierung & Suche Prof. Dr. J. Fürnkranz, Dr. G. Grieser Aufgabe 1.1 Wir betrachten folgende Welt: Welt: Die Welt der Staubsauger-Akteure besteht aus Räumen, die
MehrKlausur Grundlagen der Künstlichen Intelligenz
Klausur Grundlagen der Künstlichen Intelligenz 19.04.2007 Name, Vorname: Studiengang: Hinweise: Überprüfen Sie bitte, ob Sie alle 16 Seiten der Klausur erhalten haben. Bitte versehen Sie vor Bearbeitung
MehrAlgorithmen und Datenstrukturen (für ET/IT)
Algorithmen und Datenstrukturen (für ET/IT) Sommersemester 07 Dr. Stefanie Demirci Computer Aided Medical Procedures Technische Universität München Programm heute Einführung Grundlagen von Algorithmen
Mehr1 Einführung. 2 Grundlagen von Algorithmen. 3 Grundlagen von Datenstrukturen. 4 Grundlagen der Korrektheit von Algorithmen
Programm heute Algorithmen und Datenstrukturen (für ET/IT) Sommersemester 0 Dr. Stefanie Demirci Computer Aided Medical Procedures Technische Universität München Einführung Grundlagen von Algorithmen Grundlagen
MehrTechnische Universität Berlin Fakultät IV - Elektrotechnik und Informatik. Schriftlicher Test - Teilklausur 1
Technische Universität Berlin Fakultät IV - Elektrotechnik und Informatik Künstliche Intelligenz: Grundlagen und Anwendungen WS 2012/2013 Albayrak, Fricke (AOT) Opper, Ruttor (KI) Schriftlicher Test -
MehrGrundlagen der Künstlichen Intelligenz
Grundlagen der Künstlichen Intelligenz 9. Klassische Suche: Tiefensuche und iterative Tiefensuche Malte Helmert Universität asel 21. März 2014 Tiefensuche Iterative Tiefensuche linde Suche: Zusammenfassung
MehrVorkurs Informatik WiSe 16/17
Java Rekursion Dr. Werner Struckmann / Stephan Mielke, Jakob Garbe, 11.10.2016 Technische Universität Braunschweig, IPS Überblick Einleitung Beispiele 11.10.2016 Dr. Werner Struckmann / Stephan Mielke,
MehrTeil 14: Rekursive Programmierung. Prof. Dr. Herbert Fischer Fachhochschule Deggendorf Prof. Dr. Manfred Beham Fachhochschule Amberg-Weiden
Teil 14: Rekursive Programmierung Prof. Dr. Herbert Fischer Fachhochschule Deggendorf Prof. Dr. Manfred Beham Fachhochschule Amberg-Weiden Inhaltsverzeichnis 14 Rekursive Programmierung... 3 14.1 Die Fakultätsfunktion...
MehrInduktion und Rekursion
Mathematische Beweistechniken Vorkurs Informatik SoSe13 10. April 013 Mathematische Beweistechniken Ziel Mathematische Beweistechniken Ziel beweise, dass eine Aussage A(n) für alle n N gilt. Beispiel Für
MehrIntelligente Systeme
Intelligente Systeme Heuristische Suchalgorithmen Prof. Dr. R. Kruse. raune. Doell {kruse,cbraune,doell}@iws.cs.uni-magdeburg.de Institut für Wissens- und Sprachverarbeitung Fakultät für Informatik Otto-von-Guericke
MehrIntelligente Systeme
Intelligente Systeme Heuristische Suchalgorithmen Prof. Dr. R. Kruse C. Braune {rudolf.kruse,christian.braune}@ovgu.de Institut für Intelligente Kooperierende Systeme Fakultät für Informatik Otto-von-Guericke-Universität
MehrWoher Methoden der KI stammen Gebiete der Künstlichen Intelligenz wissensbasierte Systeme
Woher Methoden der KI stammen Gebiete der Künstlichen Intelligenz (induktives) Lernen Aus einer anwendungsorientierten Sicht spielen in der Künstlichen Intelligenz insbesondere folgende Gebiete eine Rolle:
Mehr2 Problemlösen und Suche
Universität Bielefeld Was ist Problemlösen? Problemlösen und Suche. Vorlesung: Suchprobleme und Suchalgorithmen; heuristische Suche Methoden der Künstlichen Intelligenz Ipke Wachsmuth WS 003/00 Unter Problemlösen
MehrGrundlagen der Künstlichen Intelligenz
Grundlagen der Künstlichen Intelligenz 28. Aussagenlogik: DPLL-Algorithmus Malte Helmert Universität Basel 2. Mai 2014 Aussagenlogik: Überblick Kapitelüberblick Aussagenlogik: 26. Grundlagen 27. Logisches
MehrBeim rekursiven Aufruf einer Funktion wird jeweils ein Duplikat der gesamten Funktion im Speicher abgelegt.
Rekursion Unter Rekusion verstehen wir eine Funktion, die sich selbst aufruft. Da sie das nicht immerzu tun kann (das Programm würde ewig laufen) benötigt jeder rekursive Aufruf eine Abbruchbedingung!
MehrTechnische Universität München WS 2007/08 Informatik / Lehrstuhl 7 Übungsblatt 5 Esparza/Schwoon 16. November Übung zu Logik
Technische Universität München WS 27/8 Informatik / Lehrstuhl 7 Übungsblatt 5 sparza/schwoon 6. November 27 Übung zu Logik earbeiten Sie diese ufgaben bis zur nächsten Übung am Freitag, 23. November, um
MehrJochen Ziegenbalg Oliver Ziegenbalg Bemd Ziegenbalg. Algorithmen. von Hammurapi bis Gödel. 2., verbesserte Auflage Verlag g;> Harri Deutsch
Jochen Ziegenbalg Oliver Ziegenbalg Bemd Ziegenbalg Algorithmen von Hammurapi bis Gödel 2., verbesserte Auflage 2007 Verlag g;> Harri Deutsch Inhalt Einleitung 1 Vorbemerkungen: Stellenwert des Themas,
MehrMotivation für Suchverfahren. Einführung in die Methoden der Künstlichen Intelligenz. Suchverfahren / Uninformierte Suche
Motivation für Suchverfahren Einführung in die Methoden der Künstlichen Intelligenz Suchverfahren / Uninformierte Suche Prof. Dr. Manfred Schmidt-Schauß SoSe 06 Beispiele: Spiele: Suche nach dem besten
MehrVorlesung: Künstliche Intelligenz
Vorlesung: Künstliche Intelligenz - KI heute, KI morgen, KI übermorgen- D P LS G ML ES S ST SA NN ME O EA SV Künstliche Intelligenz Miao Wang 1 Inhaltliche Planung für die Vorlesung 1) Definition und Geschichte
MehrGlobalübungsaufgabe1 (All Pair Shortest Path):
Prof. aa r. Ir. G. Woeginger atenstrukturen und lgorithmen SS7 Tutoriumslösung - Übung 0 (bgabe 2.07.207) T. Hartmann,. Korzeniewski,. Tauer Globalübungsaufgabe (ll Pair Shortest Path): etrachten Sie den
MehrZustandsraumsuche: Blinde und Heuristische Suche. Blinde und Heuristische Suche
Zustandsraumsuche: Blinde und Heuristische Suche Einführung in die KI Übungsstunde am 01.11.04 Benmin Altmeyer 1 Heute im Angebot Was ist Suche? Suche als Probemlösung Zustandsraumsuche Vollständigkeit
MehrBacktracking mit Heuristiken
Backtracking mit Heuristiken Thomas Dübendorfer thomas@duebendorfer.ch 14. September 2000 Inhalt und Ablauf 1. Einführendes Beispiel (4 min) 2. Konzepte zu Backtracking (8 min) 3. Eingesperrt im Labyrinth
Mehr2 Problemlösen und Suche
2 Problemlösen und Suche 5. Vorlesung: Means-Ends-Analysis, Diskriminationsnetze; Goal Trees Methoden der Künstlichen Intelligenz Ipke Wachsmuth WS 2011/2012 Problemlösestrategien 5. Vorlesung Methoden
MehrAlgorithmen. Von Labyrinthen zu. Gerald Futschek
Von Labyrinthen zu Algorithmen Gerald Futschek Wie kommt man aus einem Labyrinth (griechisch: Haus der Doppelaxt, wahrscheinlich Knossos auf Kreta) Labyrinth heraus? Labrys Grundriss des Palastes von Knossos
Mehr2. Algorithmische Methoden 2.1 Rekursion. 18. April 2017
2. Algorithmische Methoden 2.1 Rekursion 18. April 2017 Rekursiver Algorithmus Ein rekursiver Algorithmus löst ein Problem, indem er eine oder mehrere kleinere Instanzen des gleichen Problems löst. Beispiel
MehrMethoden der KI in der Biomedizin Logische Agenten 2
ethoden der KI in der iomedizin ogische genten 2 Karl D. Fritscher Übersicht Wissensbasierte genten Wumpus Welt ogik allgemein ussagenlogik Syntax, Semantik Äquivalenz, llgemeingültigkeit und Erfüllbarkeit
Mehr2 Problemlösen und Suche
2 Problemlösen und Suche 4. Vorlesung: Suchprobleme und Suchalgorithmen; heuristische Suche Methoden der Künstlichen Intelligenz Ipke Wachsmuth WS 2008/2009 Kernfragen der Vorlesung 1. Wie lässt sich Wissen
MehrBeispiele. mit. Beispiel 2.3. Suche einen Weg von nach. Tiefensuche bzw. Breitensuche.
2. Suchverfahren Uninformierte Suchverfahren Beispiel 2.4. Ein Weinhändler hat drei Krüge, einen von 9 Liter, einen von 7 Liter und einen von 4 Liter Inhalt. Auf den Krügen sind keine Litermarkierungen
MehrKapitel MK:II. II. Wissensrepräsentation
Kapitel MK:II II. Wissensrepräsentation Wissensrepräsentation in der Klassifikation Symbolisch versus subsymbolisch Problemlösungswissen Kennzeichen von Problemlösungswissen Prinzipien wissensbasierter
Mehrpropositionales bildhaftes motorisches
Kapitel 8 Denken Denken als sprachlicher Gedankenstrom; Sprache des Geistes propositionales (bedeutungsbezogenes) Denken Denken als bildhafter Gedankenstrom; im Geiste sehen bildhaftes Denken Denken als
MehrA O T. Grundlagen der Künstlichen Intelligenz
Grundlagen der Künstlichen Intelligenz Problemlösen und Suche 27.10.2005 rijnesh J Jain bjj@dai-labor.de Agententechnologien in betrieblichen Anwendungen und der Telekommunikation Lernziele: Wir diskutieren,
MehrDynamische Programmierung. Problemlösungsstrategie der Informatik
als Problemlösungsstrategie der Informatik und ihre Anwedung in der Diskreten Mathematik und Graphentheorie Fabian Cordt Enisa Metovic Wissenschaftliche Arbeiten und Präsentationen, WS 2010/2011 Gliederung
MehrKünstliche Intelligenz
Künstliche Intelligenz Prolog - Rekursion, Backtracking Claes Neuefeind Sprachliche Informationsverarbeitung Universität zu Köln 14. Dezember 2011 Wiederholung Backtracking Praxis Hausaufgaben & Seminarplan
MehrCase-Based Reasoning und anderen Inferenzmechanismen
Case-Based Reasoning und anderen Inferenzmechanismen Daniel Müller 21 April 2006 DM () CBR und Inferenz 21 April 2006 1 / 31 Contents 1 Einleitung 2 Inferenzmechanismen Statistische Verfahren Data Mining
MehrAnt Colony Optimization (ACO)
Ant Colony Optimization (ACO) Daniel Blum 24.4.2003 Projektgruppe 431 Metaheuristiken Lehrstuhl 11, Fachbereich Informatik, Universität Dortmund 1 Übersicht Vorbild Natur Übertragung der Ideen Beispiele
MehrTechnische Universität Berlin Fakultät IV - Elektrotechnik und Informatik. Schriftlicher Test - Teilklausur 1
1. Teilklausur GKI Seite 1 von 5 Technische Universität Berlin Fakultät IV - Elektrotechnik und Informatik Künstliche Intelligenz: Grundlagen und Anwendungen WS 2014/2015 Albayrak, Fricke (AOT) Opper,
MehrEinführung in die Methoden der Künstlichen Intelligenz. Suchverfahren / Uninformierte Suche
Einführung in die Methoden der Künstlichen Intelligenz Suchverfahren / Uninformierte Suche PD Dr. David Sabel SoSe 0 Stand der Folien:. pril 0 Einführung Blind Search n-damen Missionare & Kannibalen Modellierung
MehrAlgorithmen. Von Labyrinthen zu. Gerald Futschek
Von Labyrinthen zu Algorithmen Gerald Futschek Wie kommt man aus einem Labyrinth (griechisch: Haus der Doppelaxt, wahrscheinlich Knossos auf Kreta) Labyrinth heraus? Labrys Grundriss des Palastes von Knossos
MehrPraktische Grenzen der Berechenbarkeit
Arno Schwarz Praktische Grenzen der Berechenbarkeit Während es im ersten Abschnitt um prinzipiell unlösbare Probleme ging, wenden wir uns nun Aufgaben zu, deren Lösbarkeit praktische Grenzen gesetzt sind.
MehrRationale Agenten Rationalität
Rationale Agenten Rationalität des Agentenverhaltens hängt ab von Performanzmaß (auf dem Ergebnis der Agentenfunktion) vorgegebenem Wissen des Agenten über die Umgebung ausführbaren Aktionen aktueller
MehrPro Informatik 2009: Objektorientierte Programmierung Tag 18. Marco Block-Berlitz, Miao Wang Freie Universität Berlin, Institut für Informatik
Tag 18 Marco Block-Berlitz, Miao Wang Freie Universität Berlin, Institut für Informatik 09.09.2009 Agenda Tag 16 Datenstrukturen Abstrakte Datentypen, ADT Folge: Stack, Queue, Liste, ADT Menge: Bäume:
MehrKünstliche Intelligenz
Künstliche Intelligenz Bearbeitet von Uwe Lämmel, Jürgen Cleve 4., aktualisierte Auflage 2012. Buch. 336 S. ISBN 978 3 446 42758 7 Format (B x L): 18 x 24,5 cm Gewicht: 717 g Weitere Fachgebiete > EDV,
MehrAufgabe 1 (Allgemeines)
Klausur... Einführung in die Künstliche Intelligenz 1SS08 Aufgabe 1 (Allgemeines) (4 Punkte) a) In der Künstlichen Intelligenz unterscheidet man symbolische und subsymbolische Verfahren. Beschreibe diese
Mehr40. Algorithmus der Woche Das Travelling Salesman Problem oder die optimale Tour für den Nikolaus
40. lgorithmus der Woche as Travelling Salesman Problem oder die optimale Tour für den Nikolaus utor Stefan Näher, Universität Trier as Problem des Handlungsreisenden as Travelling Salesman Problem (TSP)
MehrDie Ausgangsposition. Der aus drei Scheiben bestehende Turm steht auf Platz 1.
Der Turm von Hanoi 1. Schritt Die Ausgangsposition. Der aus drei Scheiben bestehende Turm steht auf Platz 1. Im ersten Schritt legen wir die oberste Scheibe auf Platz 3. Nun legen wir die mittlere Scheibe
MehrGrundlagen der Künstlichen Intelligenz
Grundlagen der Künstlichen Intelligenz 6. Klassische Suche: Datenstrukturen für Suchalgorithmen Malte Helmert Universität Basel 7. März 2014 Klassische Suche: Überblick Kapitelüberblick klassische Suche:
MehrHeuristische Suchverfahren
Heuristische Suchverfahren Suchprozesse sind ein wichtiger Bestandteil unterschiedlicher Problemlöseverfahren z.b. Bestimmung der Konfliktmenge in Produktionssystemen Suche nach resolvierbaren Klauseln
MehrGraphentheorie. Vorkurs Informatik WS 2016/2017. Dennis Aumiller
Vorkurs Informatik WS 2016/2017 Dennis Aumiller Aumiller@stud.uni-heidelberg.de 14.10.2016 Über das Thema Wo alles begann Leider keine gesonderte Vorlesung dafür oft als Teilthema in anderen Vorlesungen
MehrDivide and Conquer. Teile-und-herrsche. Ferd van Odenhoven. 7. Oktober 2010
7. Oktober 2010 eile und Herrsche eile-und-herrsche (Divide-and-conquer) Divide and Conquer Ferd van Odenhoven Fontys Hogeschool voor echniek en ogistiek Venlo Software ngineering 7. Oktober 2010 OD/FHB
MehrMathematisch-algorithmische Grundlagen für Big Data
Mathematisch-algorithmische Grundlagen für Big Data Numerische Algorithmen für Datenanalyse und Optimierung Prof. Dr. Peter Becker Fachbereich Informatik Hochschule Bonn-Rhein-Sieg Sommersemester 2017
MehrDas Problem des Handlungsreisenden
Seite 1 Das Problem des Handlungsreisenden Abbildung 1: Alle möglichen Rundreisen für 4 Städte Das TSP-Problem tritt in der Praxis in vielen Anwendungen als Teilproblem auf. Hierzu gehören z.b. Optimierungsprobleme
MehrOrganisatorisches. Zeit und Ort: Di 8 10 MZH 1090 Mi MZH 1110
Logik Organisatorisches Zeit und Ort: Di 8 10 MZH 1090 Mi 16 18 MZH 1110 Prof. Thomas Schneider Raum Cartesium 2.56 Tel. (218)-64432 ts@informatik.uni-bremen.de Position im Curriculum: Wahlbereich Bachelor-Basis
MehrÜbersicht. Künstliche Intelligenz: 3. Problemlösen durch Suche Frank Puppe 1
Übersicht I Künstliche Intelligenz II Problemlösen 3. Problemlösen durch Suche 4. Informierte Suchmethoden 5. Constraint-Probleme 6. Spiele III Wissen und Schlußfolgern IV Logisch Handeln V Unsicheres
MehrEinstieg in die Informatik mit Java
1 / 20 Einstieg in die Informatik mit Java Rekursion Gerd Bohlender Institut für Angewandte und Numerische Mathematik Gliederung 2 / 20 1 Überblick 2 Rekursion 3 Rekursive Sortieralgorithmen 4 Backtracking
MehrInhalt. 7 Rekursionen Eine unendliche Geschichte Fakultät Türme von Hanoi Dr.
Inhalt 7 Rekursionen... 7-2 7.1 Eine unendliche Geschichte... 7-2 7.2 Fakultät... 7-3 7.3 Türme von Hanoi... 7-5 Propädeutikum 7-1/6 7 Rekursionen 7.1 Eine unendliche Geschichte >> Es war einmal ein Mann,
MehrSuchen und Sortieren
Ideen und Konzepte der Informatik Suchen und Sortieren Ordnung ist das halbe Leben Antonios Antoniadis (Basierend auf Folien von Kurt Mehlhorn und Konstantinos Panagiotou) 6. November 2017 6. November
MehrKonstruktion von Common Sense-Ontologien durch Analyse natürlicher Sprache
Konstruktion von Common Sense-Ontologien durch Analyse natürlicher Sprache Bachelor of Science Abschlussarbeit Ruth Janning FernUniversität in Hagen Fakultät für Mathematik und Informatik, Lehrgebiet Wissensbasierte
MehrLösungsvorschläge zur Hauptklausur 1661 Datenstrukturen I
Lösungsvorschläge zur Hauptklausur 1 atenstrukturen I 7.. ernuniversität in Hagen lle Rechte vorbehalten Seite 2 Lösungsvorschläge zur Klausur vom 7.. Kurs 1 atenstrukturen I ufgabe 1 (a) algebra sorts
MehrDenken und Problemlösen: Einsicht und Umstrukturierung beim Problemlösen. Vanessa Mayer
Denken und Problemlösen: Einsicht und Umstrukturierung beim Problemlösen 25. 11. 2004 Vanessa Mayer I. Einsicht und Umstrukturierung beim Problemlösen Einsicht als plötzlicher Geistesblitz Vier-Phasen
MehrBackus-Notation und Syntaxanalyse
Einführung zur Aufgabengruppe 3 Rekursionen Backus-Notation und Syntaxanalyse Programmierpraktikum 1/5 Rekursionen Beispiel: Eine unendliche Geschichte >> Es war einmal ein Mann, der hatte sieben Söhne.
MehrAlgorithmen. Von Labyrinthen zu. Gerald Futschek
Von Labyrinthen zu Algorithmen Gerald Futschek Wie kommt man aus einem Labyrinth heraus? Labyrinth (griechisch: Haus der Doppelaxt, wahrscheinlich Knossos auf Kreta) Labrys Grundriss des Palastes von Knossos
MehrLogik für Informatiker
Logik für Informatiker Vorlesung 5: Normalformen Babeş-Bolyai Universität, Department für Informatik, Cluj-Napoca csacarea@cs.ubbcluj.ro 2. November 2017 1/37 MOTIVATION FÜR AUSSAGENLOGIK Aussagenlogik
MehrUninformierte Suche in Java Informierte Suchverfahren
Uninformierte Suche in Java Informierte Suchverfahren Stephan Schwiebert WS 2009/2010 Sprachliche Informationsverarbeitung Institut für Linguistik Universität zu Köln Suchprobleme bestehen aus Zuständen
MehrEinführung in die Informatik I
Einführung in die Informatik I LOOP Programme, rekursive Funktionen und der Turm von Hanoi Prof. Dr. Nikolaus Wulff Berechenbarkeit Mitte des 20. Jahrhunderts beantworteten Pioniere, wie Alan M. Turing
MehrLogik. Vorlesung im Wintersemester 2010
Logik Vorlesung im Wintersemester 2010 Organisatorisches Zeit und Ort: Di 14-16 MZH 5210 Do 16-18 MZH 5210 Prof. Carsten Lutz Raum MZH 3090 Tel. (218)-64431 clu@uni-bremen.de Position im Curriculum: Modulbereich
MehrKünstliche Intelligenz
Künstliche Intelligenz Vorlesung 4: Suchverfahren Informierte Suche 1/132 INFORMIERTE SUCHSTRATEGIEN (ISS) Benutzt neben der Definition des Problems auch problemspezifisches Wissen. Findet Lösungen effizienter
MehrKünstliche Intelligenz für Ingenieure
Künstliche Intelligenz für Ingenieure von Prof. Dr.-Ing. Jan Lunze 2., völlig überarbeitete Auflage Oldenbourg Verlag München Verzeichnis der Anwendungsbeispiele Hinweise zum Gebrauch des Buches xvii xxiii
Mehr