Wissensmanagement WS 2011/2012
|
|
- Martin Weber
- vor 7 Jahren
- Abrufe
Transkript
1 Wissensmanagement Sibylle Schwarz Westsächsische Hochschule Zwickau Dr. Friedrichs-Ring 2a, RII WS 2011/2012
2 Motivation Wie wird Wissen repräsentiert? verarbeitet? erworben? ausgetauscht? Wissen über Eigenschaften und Beziehungen von Objekten und Gruppen von Objekten Aktionsmöglichkeiten und deren Folgen Nutzung von Wissen zum Lösen von Problemen Planen von Handlungen gemeinsamen Handeln
3 Einordnung in die Informatik Informatik Lehre von Darstellung und Verarbeitung von Information Information (neue) Auskunft über ein Ereignis, einen Tatbestand oder einen Sachverhalt, Beseitigung von Ungewissheit Einordnung in die Teilgebiete der Informatik: theoretische Informatik: Grundlagen formale Sprachen, klassische Logiken technische Informatik: Anwendung technische Diagnose, z.b. Hardware praktische Informatik: Grundlagen Algorithmen für Suche, Planen, Regelauswertung angewandte Informatik: Grundlagen und Anwendung nichtklassische Logiken, Wissensverarbeitende Systeme
4 Inhalt der Lehrveranstaltung Vorlesung: Teilmenge der Themen Daten, Information, Wissen intelligente Agenten Wissensrepräsentation und -verarbeitung Wiederholung klassische Aussagen- und Prädikatenlogik Unvollständiges Wissen nichtmonotones Schließen Modale Logiken Temporallogiken, Beschreibungslogik Ontologien Formale Begriffsanalyse Handlungsplanung Koordination gemeinsamen Wissens und Handelns, Multi-Agenten-Systeme Themen zum Selbstudium (Seminar als Vorleistung) Anwendung in Robotik insbesondere Bilderkennung (für Robotstadium)
5 Literatur Folien zur aktuellen Vorlesung unter http: //wwwstud.fh-zwickau.de/~sibsc/lehre/ws11/wms/ Bücher zu wissensbasierten Systemen: Stuart Russell, Peter Norvig: Künstliche Intelligenz (Pearson 2004) Ingo Boersch, Jochen Heinsohn, Rolf Socher: Wissensverarbeitung (Spektrum, 2007) Ronald Brachman, Hector Levesque: Knowledge Representation and Reasoning (Morgan Kaufmann 2004) George Luger: Künstliche Intelligenz (Pearson 2001)
6 Seminar-Themen (Bildverarbeitung Robotstadium) Kooperative Pfadplanung für Multi-Robotersysteme in dynamischen Umgebungen Opfer-Bachelor-Planning.pdf Adaptive path planner for highly dynamic environments http: //citeseerx.ist.psu.edu/viewdoc/download?doi= &rep=rep1&type=pdf Robot Recognition and Modeling in the RoboCup Standard Platform League http: // Hindernis- und Spielererkennung für Humanoidroboter beim RoboCup Zielgerichtete Kollisionsvermeidung für mobile Roboter in dynamischen Umgebungen Selbstlokalisation Tracking (Ball, andere Spieler)
7 Agenten Agent: selbständig handelnde Einheit Funktionen: Wahrnehmung der Umwelt Reaktion auf Umwelt Anpassung, Lernen Kommunikation mit anderen Agenten Beispiele: z.b. Spieler Mensch Roboter Computer Software
8 Agent und Umgebung Wahrnehmung Sensoren Agent Steuerung Umgebung Aktoren Aktion Mögliche Interaktion abhängig von vorhandenen Sensoren z.b. Sinnesorgane, Kamera, Thermometer, Aktoren z.b. Hand, Motor, Regler Steuerung z.b. Planung, Reaktion auf Störungen
9 Intelligente Agenten Eigenschaften: reaktiv: regelmäßige Wahrnehmung der Umweltsignale, jede Aktionen abhängig vom Weltzustand aktiv: handelt zielgerichtet sozial: Interaktion mit anderen Agenten Agent hat und verwendet Wissen über aktuellen Weltzustand von eigenen Aktionen unabhängige Änderungen des Weltzustandes (z.b. Nachts wird es dunkel.) von eigenen Aktionen abhängige Änderungen des Weltzustandes (z.b. Ein von einer Stelle weggenommener Gegenstand befindet sich nicht mehr dort.)
10 Typische Anwendungen künstlicher Agenten Spiele (z.b. Schachprogramm) autonome Steuerung (z.b. autonome Fahrzeuge, Autopilot) autonome Planung (z.b. Zeitpläne) Diagnose (z.b. Anlagenüberwachung) Entscheidungsunterstützung (z.b. Konfigurationen) Robotik (z.b. Reinigungsroboter, Roboterfußball)
11 Roboter als Agenten Industrieroboter: Einsatz in der industrielle Fertigung (z.b. Automobilbau) meist stationäre Modelle (Roboterarm) Sensoren zur Überwachung Reaktionsmuster für Abweichungen, Fehlerkorrektur meist keine eigene Handlungsplanung Autonome mobile Roboter: Sensoren zur Wahrnehmung von Umwelt (z.b. Berührung, Kamera) Interpretation der Wahrnehmungen autonome Handlungsplanung Wissensrepräsentation (z.b. Position, Handlungsziel) (Kommunikation mit Umwelt und anderen Agenten)
12 Einsatz autonomer mobiler Roboter aktuelle und potentielle Einsatzfelder: Dienstleistungen z.b. Hausarbeiten (Reinigung, Rasenmähen) Gesundheitswesen und Pflege Einsatz und Assisenz bei Operationen Dienstleistungen (Lieferung, Datenaufnahme) körperlich schwere Pflegemaßnahmen (Umlagern) Katastrophengebiete z.b. Sondierung, Rettung, Räumung Luft- und Raumfahrt Unterhaltung z.b. Haustier-Ersatz, Roboter-Fußball Überblick über aktuellen Stand der zivilen Forschung bieten Robotik-Wettbewerbe, z.b. Robocup
13 Was ist (künstliche) Intelligenz? Turing-Test (1950): eine Person A, 2 verschlossene Räume R1 und R2, in einem Raum befindet sich ein Mensch B, im andern eine Maschine C Kommunikation über neutrales Medium A stellt Fragen, B und C antworten Maschine besteht Turing-Test (ist intelligent), wenn A durch Fragen nicht herausfinden kann, in welchem Raum sich die Maschine befindet These: Intelligenz = intelligentes Verhalten Chinese-Room-Test (Searle 1980): eine (nicht chinesisch verstehende) Person B in einem Zimmer mit einem (riesigen) Regelbuch mit chinesischen Fragen und passenden Antworten. A stellt Fragen, B antwortet. B antwortet immer passend, ohne die Frage verstanden zu haben. These: (anscheinend) intelligentes Verhalten ist noch keine Intelligenz, wenn Verständnis fehlt. Beispiel: Psychotherapeutin Eliza
14 Ansätze zur Modellierung von Wissen / Intelligenz verschiedene Abstraktionsstufen: Modellierung der menschlichen Reizaufnahme und -verarbeitung und des menschlichen Verstehens (kognitive Methoden) Modellierung des menschlichen Handelns Turing Test Modellierung des rationalen Denkens (abstrahiert von biologischem Vorbild) Regelsysteme, Logiken
15 Ziele wissensverarbeitender Systeme Simulation menschlichen Verhaltens (Verständnis und eigenes Denken nicht notwendig) schwache künstliche Intelligenz Simulation des menschlichen Denkens (Verständnis und eigenes Denken notwendig) starke künstliche Intelligenz
16 Wissen, Information, Daten Umwelt Eindrücke, Reize System Wahrnehmen, Beobachten Daten Erkennen, Verstehen Anwenden, Können Lernen, Reflektieren Information Wissen Intelligenz
17 Wissen, Information, Daten Daten Darstellungsform (Syntax) Zeichenketten, Symbole, Ton,... Information Bedeutung der Daten (Semantik) in einem bestimmten Kontext Wissen Information mit einem Nutzen trägt zur Lösung eines Problemes bei
18 Wissen zur Problemlösung Beispiele: Daten: 39.7 Information: Körpertemperatur= 39.7 Kontextwissen: Körpertemperatur> 39.0 ist Fieber Wissen: Fieber Problemlösung: Fieberbehandlung Daten: FRUEFPUJRERFCEBOYRZ Information: FRUEFPUJRERFCEBOYRZ ist eine unverständliche, also wahrscheinlich verschlüsselte Nachricht Kontextwissen: verschiedene Chiffrierverfahren, Buchstabenhäufigkeiten Wissen: FRUEFPUJRERFCEBOYRZ ist eine mit dem?-verfahren und den Schüssel? verschlüsselte Nachricht Problemlösung:?
19 Arten von Wissen Faktenwissen: Fakten, Aussagen, Zusammenhänge, z.b. Fliegenpilze sind ungenießbar. Es existieren gerade Primzahlen. Eine Liste (x 1,..., x n ) ist genau dann aufsteigend sortiert, wenn sie leer ist oder (x 1 x 2 und (x 2,..., x n ) aufsteigend sortiert ist). prozedurales Wissen: Regeln, Algorithmen, Funktionen, z.b. Kochrezept Euklidischer Algorithmus aussagenlogisches Resolutionsverfahren Sortierverfahren Ist die folgende Aussage deklarativ? Jedes Kind eines Kindes einer Person X ist ein Enkel von X. Also: Repräsentationen von Regeln, Algorithmen und Funktionen lassen sich auch als deklarativ auffassen. (deklarative Programmierung)
20 Explizites und implizites Wissen implizit unbewusst angewendtes Wissen z.b. Bewegungsabläufe, Erkennen von Personen (Objekten), Reflexe explizit kommunizierbares Wissen oft formale Darstellung z.b. Personendaten, Gebrauchsanweisung, Spielregeln Lernvorgänge sind oft Transformationen explizites implizites Wissen z.b. Autofahren, Grammatik in Fremdsprachen zur maschinellen Wissensverarbeitung ist explizites Wissen notwendig Transformation notwendig: implizites explizites Wissen anspruchsvoll, nicht immer möglich
21 Programmierung und Wissensrepräsentation Programmierung Entwurf eines Algorithmus zur Lösung des Problemes Identifikation des zur Lösung des Problemes relevanten Wissens Implementierung in einer geeigneten Programmiersprache Problemlösung durch Ausführung des Programmes Wissensrepräsentation Darstellung des relevanten Wissens in einer geeigneten Repräsentationssprache Problemlösung durch Anwendung eines Standardverfahrens
22 Beispiel: n-damen-problem Aufgabe: Setze n Damen ohne gegenseitige Bedrohungen auf ein n n-spielfeld Programmierung Wissensrepräsentation Entwurf geigneter Datenstrukturen und eines Algorithmus zur Lösungssuche Identifikation der Bedingungen an Aufgabe und Lösung Implementierung Repräsentation von Spielfeld und Bedingungen an eine Lösung als logische Formeln (z.b. CNF) Problemlösung durch Ausführung des Programmes Problemlösung durch logisches Inferenzverfahren (z.b. Resolution, SAT-Solver, Prolog)
23 Programmierung und Wissensrepräsentation Programmieren Wissensrepräsentation Erklärung der Lösung: Verfolgen der Zustandsänderung bei Programmausführung (Debugging) vom Inferenzverfahren verwendete Voraussetzungen Fehlerbehandlung: Debugging Codeänderung fehlendes Wissen einfügen falsches Wissen löschen Wissenserweiterung: neuer Entwurf, Neuimplementierung neues Wissen in Wissensbasis einfügen
24 Darstellung von Wissen formale Repräsentation des Wissens in einer Wissensbasis: spezielle Form der Daten in der Wissensbasis abhängig von Problembereich geplante Verwendung Wissen in Wissensbasis ist immer Abstraktion, beschreibt Modelle der Realität Auswahl von (für den Anwendungsbereich) wichtigem Wissen Vernachlässigung unwichtiger Details Beispiele: Liniennetzplan Grundriss Stundenplan Kostenplan
25 Wissensverarbeitung Problemlösen algorithmische Suche in Zustandsräumen logisches Schließen Beispiel: n-damen-problem, kürzeste Wege in Graphen Planen Finden einer Folge von Aktionen zum Erreichen eines Zieles Beispiel: früh Anziehen, Fertigungsroboter Klassifikation Finden von Klassen (Diagnosen) anhand der Merkmalswerte (Symptome) Beispiel: Fahrzeuge, Fehlfunktionen teilweise bekannt aus den Lehrveranstaltungen Grundlagen der Wissensverarbeitung Wissensbasierte Diagnosesysteme (Fuzzy Logik und künstliche neuronale Netze)
26 Wissensrepräsentation und Problemlösen Modellierung des Problems Zustandsübergangssystem Menge logischer Formeln Datenmenge (Training) Verfahren zur Lösung Suche (vollständig oder heuristisch) logisches Schließen Training eines KNN
27 Wissensrepräsentation durch Zustandsübergangssysteme (Wiederholung) Beispiele: Finden von Wegen in einem Graphen Aufgabe: gegeben: Graph G (Tafel) gesucht: Weg (Pfad) in G von Knoten u zu Knoten v Lösungsidee: Wege als Knoten eines Suchbaumes 3 Krüge Aufgabe: gegeben: 3 volle Krüge mit verschiedenem Volumen: 4l, 7l, 9l, gesucht: genau 6l in einem der 3 Krüge Lösungsidee: Zustände als Knoten eines Suchbaumes Missionare + Kannibalen Schiebefax
28 Darstellung von Problem und Lösung Problem: gegeben: gesucht: Menge V von Zuständen (evtl. unendlich) Startzustand s V Menge Z V von Zielzuständen (oder formale Beschreibung der Zielzustände) mögliche Übergänge zwischen Zuständen Weg von einem Start- zu einem Zielzustand Lösung: Folge von Zuständen (Mitunter interessiert nur der erreichte Endzustand.) Repräsentation als Graph G = (V, E) (Zustandsübergangssystem): Knotenmenge V : Zustände (gerichtete) Kanten: Zustandsübergänge Entfaltung des Graphen zu einem Baum: Pfade im Graphen = Knoten im Baum
Wissensmanagement WS 2010/2011
Wissensmanagement Sibylle Schwarz Westsächsische Hochschule Zwickau Dr. Friedrichs-Ring 2a, RII 263 http://wwwstud.fh-zwickau.de/~sibsc/ sibylle.schwarz@fh-zwickau.de WS 2010/2011 Motivation Wie wird Wissen
MehrKünstliche Intelligenz
Künstliche Intelligenz Prof. Dr. Sibylle Schwarz HTWK Leipzig, Fakultät IMN Gustav-Freytag-Str. 42a, 04277 Leipzig Zimmer Z 411 (Zuse-Bau) http://www.imn.htwk-leipzig.de/~schwarz sibylle.schwarz@htwk-leipzig.de
MehrWissensbasierte Diagnosesysteme
Wissensbasierte Diagnosesysteme Prof. Dr. Sibylle Schwarz Westsächsische Hochschule Zwickau Dr. Friedrichs-Ring 2a, RII 263 http://www.fh-zwickau.de/~sibsc/ sibylle.schwarz@fh-zwickau.de WS 2012/2013 Motivation
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,
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:
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
MehrModellierung. Wintersemester 2018/19
Modellierung Prof. Dr. Sibylle Schwarz HTWK Leipzig, Fakultät IMN Gustav-Freytag-Str. 42a, 04277 Leipzig Zimmer Z 411 (Zuse-Bau) https://informatik.htwk-leipzig.de/schwarz sibylle.schwarz@htwk-leipzig.de
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
MehrGrundlagen der Künstlichen Intelligenz
Grundlagen der Künstlichen Intelligenz 4. Einführung: Umgebungen und Problemlösungsverfahren Malte Helmert Universität Basel 2. März 2015 Einführung: Überblick Kapitelüberblick Einführung: 1. Was ist Künstliche
MehrSchlussregeln aus anderen Kalkülen
Was bisher geschah Klassische Aussagenlogik: Syntax Semantik semantische Äquivalenz und Folgern syntaktisches Ableiten (Resolution) Modellierung in Aussagenlogik: Wissensrepräsentation, Schaltungslogik,
MehrMotivation und Geschichte. Geschichte der Logik Logik und Informatik
Motivation und Geschichte Geschichte der Logik Logik und Informatik Theoretische Informatik: Logik, M. Lange, FB16, Uni Kassel: 2.1 Motivation und Geschichte Geschichte der Logik 13 Aufgaben der Logik
Mehr- Soccer Simulation - Dietmar Lammers / Hochschultag. Institut für Informatik Universität Münster. Agenten und Roboter.
Agenten Agenten und - Soccer Simulation - Institut für Informatik Universität Münster 2008-11-06 / Hochschultag Gliederung Agenten 1 Agenten 2 3 4 2006 2007 5 Agenten - Agenten Autonom agierende Programme
MehrWissensrepräsentation
Wissensrepräsentation Vorlesung Sommersemester 2008 12. Sitzung Dozent Nino Simunic M.A. Computerlinguistik, Campus DU Übersicht Rückblick, Zusammenhänge Mysterien 2 Inhalte im abstrakten Überblick Künstliche
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
MehrWas bisher geschah. Aufgaben: Diagnose, Entscheidungsunterstützung Aufbau Komponenten und Funktion
Was bisher geschah Daten, Information, Wissen explizites und implizites Wissen Wissensrepräsentation und -verarbeitung: Wissensbasis Kontextwissen Problemdarstellung fallspezifisches Wissen repräsentiert
MehrWas ist mathematische Logik?
Was ist mathematische Logik? Logik untersucht allgemeine Prinzipien korrekten Schließens Mathematische Logik stellt zu diesem Zweck formale Kalküle bereit und analysiert die Beziehung zwischen Syntax und
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:
MehrInformatik Lehre von der Darstellung und Verarbeitung von Information durch Algorithmen Teilgebiete der Informatik: theoretisch
Logik Prof. Dr. Sibylle Schwarz Westsächsische Hochschule Zwickau Dr. Friedrichs-Ring 2a, RII 263 http://www.fh-zwickau.de/~sibsc/ sibylle.schwarz@fh-zwickau.de WS 2012/2013 1 Informatik Informatik Lehre
MehrComputergestützte Modellierung und Verifikation
Computergestützte Modellierung und Verifikation Vorlesung mit Übungen SS 2007 Prof. F. von Henke mit Dr. H. Pfeifer Inst. für Künstliche Intelligenz Organisatorisches Vorlesung: Mi 14 16 Raum 3211 Do 14
MehrKünstliche Intelligenz für Ingenieure
Künstliche Intelligenz für Ingenieure von Prof. Dr.-lng.Jan Lunze 2., völlig überarbeitete Auflage OldenbourgVerlag München Inhaltsverzeichnis Verzeichnis der Anwendungsbeispiele Hinweise zum Gebrauch
MehrModellierungsbeispiel Geräte
Was bisher geschah Modellierung von Aussagen in (klassischer) Aussagenlogik Syntax: Aussagenvariablen sind Atome Junktoren,,,, induktive Definition: Baumstruktur der Formeln strukturelle Induktion äquivalente
MehrSimulation als epistemologische Grundlage für intelligente Roboter
1 Simulation als epistemologische Grundlage für intelligente Roboter Andreas Tolk The MITRE Corporation Umut Durak Deutsches Zentrum für Luft- und Raumfahrt e.v. (DLR) Public Release No. 17-0085 2017 The
MehrHandbuch Wissensmanagement
Matthias Haun Handbuch Wissensmanagement Grundlagen und Umsetzung, Systeme und Praxisbeispiele Mit 75 Abbildungen ÄJ Springer 1 Einleitung 1 1.1 Motivation 1 1.2 Ziel 1 1.3 Wissenschaftstheoretische Grundlage
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,
MehrTheoretische Informatik
Theoretische Informatik Sibylle Schwarz Westsächsische Hochschule Zwickau Dr. Friedrichs-Ring 2a, RII 263 http://wwwstud.fh-zwickau.de/~sibsc/ sibylle.schwarz@fh-zwickau.de SS 2011 1 Einordnung der Theoretischen
MehrModellierung verteilter Systeme Grundlagen der Programm und Systementwicklung
Modellierung verteilter Systeme Grundlagen der Programm und Systementwicklung Sommersemester 2012 Prof. Dr. Dr. h.c. Manfred Broy Unter Mitarbeit von Dr. M. Spichkova, J. Mund, P. Neubeck Lehrstuhl Software
MehrWissensrepräsentation und -verarbeitung
Wissensrepräsentation und -verarbeitung Prof. Dr. Sibylle Schwarz HTWK Leipzig, Fakultät IMN Gustav-Freytag-Str. 42a, 04277 Leipzig Zimmer Z 411 (Zuse-Bau) http://www.imn.htwk-leipzig.de/~schwarz sibylle.schwarz@htwk-leipzig.de
MehrProgrammierung Paradigmen und Konzepte
Programmierung Paradigmen und Konzepte Mit 79 Bildern, 85 Beispielen, 130 Aufgaben und Kontrollfragen und 19 Referatsthemen Fachbuchverlag Leipzig im Carl Hanser Verlag 1 Einführung und Überblick 11 1.1
MehrSeminar Künstliche Intelligenz Wintersemester 2014/15
Seminar Künstliche Intelligenz Wintersemester 2014/15 Martin Hacker Richard Schaller Künstliche Intelligenz Department Informatik FAU Erlangen-Nürnberg 15.10.2014 2 / 14 Überblick Teilgebiete der KI Problemlösen,
MehrÜbersicht. Prädikatenlogik höherer Stufe. Syntax der Prädikatenlogik 1. Stufe (mit Gleichheit)
Übersicht I Künstliche Intelligenz II Problemlösen III Wissen und Schlussfolgern 7. Logische Agenten 8. Prädikatenlogik 1. Stufe 9. Schließen in der Prädikatenlogik 1. Stufe 10. Wissensrepräsentation IV
MehrLogik für Informatiker
Vorlesung Logik für Informatiker 1. Einführung Bernhard Beckert Universität Koblenz-Landau Sommersemester 2006 Logik für Informatiker, SS 06 p.1 Formale Logik Ziel Formalisierung und Automatisierung rationalen
MehrMütze und Handschuhe trägt er nie zusammen. Handschuhe und Schal trägt er immer zugleich. (h s) Modellierung als Klauselmenge
Was bisher geschah Klassische Aussagenlogik: Syntax Semantik semantische Äquivalenz und Folgern syntaktisches Ableiten (Resolution) Modellierung in Aussagenlogik: Wissensrepräsentation, Schaltungslogik,
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
MehrWS 2009/10. Diskrete Strukturen
WS 2009/10 Diskrete Strukturen Prof. Dr. J. Esparza Lehrstuhl für Grundlagen der Softwarezuverlässigkeit und theoretische Informatik Fakultät für Informatik Technische Universität München http://www7.in.tum.de/um/courses/ds/ws0910
MehrSuche in Spielbäumen Projektvorschläge
Suche in Spielbäumen Projektvorschläge Nullsummenspiele sind Spiele mit zwei Spielern, bei denen der Vorteil des einen Spielers dem Nachteil des anderen Spieler entspricht. Im einfachsten Fall binär (Sieg
MehrWas bisher geschah Klassische Aussagenlogik zur Modellierung von Aussagen Syntax: Formeln
Was bisher geschah Klassische Aussagenlogik zur Modellierung von Aussagen Syntax: Formeln induktive Definition der Menge AL(P) (Baumstruktur) strukturelle Induktion (Funktionen, Nachweise) syntaktische
MehrMotivation und Geschichte. Geschichte der Logik Logik und Informatik
Motivation und Geschichte Geschichte der Logik Logik und Informatik Logik für Informatiker, M. Lange, IFI/LMU: Motivation und Geschichte Geschichte der Logik 12 Aufgaben der Logik Logik (aus Griechischem)
MehrHochschule R avensburg-weingarten University of Applied S ciences Default-Logik Benjamin R ana Angewandte Informatik, Informationsnetze 7.
Default-Logik Überblick Motivation Nichtmonotone-Logik Reiter-Logik Syntax Semantik Extensions Simulator Motivation Mit klassischer Logik lassen sich viele Zusammenhänge nicht einfach darstellen Was tun
MehrWas bisher geschah Modellierung von Daten durch Mengen Beziehungen (Zusammenhänge und Eigenschaften) durch Relationen, Graphen und Funktionen
Was bisher geschah Modellierung von Daten durch Mengen Beziehungen (Zusammenhänge und Eigenschaften) durch Relationen, Graphen und Funktionen Anforderungen durch Logiken Modellierung zusammenhängender
MehrWas bisher geschah. 1. Zerlegung in monotone Polygone 2. Triangulierung der monotonen Teilpolygone
Was bisher geschah Motivation, Beispiele geometrische Objekte im R 2 : Punkt, Gerade, Halbebene, Strecke, Polygon, ebene Zerlegung in Regionen (planare Graphen) maschinelle Repräsentation geometrischer
MehrDaten, Information, Wissen explizites und implizites Wissen Expertensysteme (Aufgaben, Aufbau, Komponenten)
Was bisher geschah Daten, Information, Wissen explizites und implizites Wissen Expertensysteme (Aufgaben, Aufbau, Komponenten) Wissensrepräsentation und -verarbeitung in klassischer Aussagenlogik: Entscheidungstabellen,
MehrVorlesung Künstliche Intelligenz Wintersemester 2009/10
Vorlesung Künstliche Intelligenz Wintersemester 2009/10 Prof. Dr. Gerd Stumme Dipl.-Inform. Björn-Elmar Macek Vorlesung Dienstag, 10:15 11:45 Uhr, Raum 0443 Beginn: 20.10.2009 Vorlesung Mittwoch 14:00
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 &
MehrINTELLIGENTE DATENANALYSE IN MATLAB. Einführungsveranstaltung
INTELLIGENTE DATENANALYSE IN MATLAB Einführungsveranstaltung Überblick Organisation. Literatur. Inhalt und Ziele der Vorlesung. Beispiele aus der Praxis. 2 Organisation Vorlesung/Übung + Projektarbeit.
MehrTheoretische Grundlagen des Software Engineering
Theoretische Grundlagen des Software Engineering 6: Formale Logik Einführung schulz@eprover.org Formale Logik Ziel Formalisierung und Automatisierung rationalen Denkens Rational richtige Ableitung von
MehrWS 2013/14. Diskrete Strukturen
WS 2013/14 Diskrete Strukturen Prof. Dr. J. Esparza Lehrstuhl für Grundlagen der Softwarezuverlässigkeit und theoretische Informatik Fakultät für Informatik Technische Universität München http://www7.in.tum.de/um/courses/ds/ws1314
Mehr3 Programmierung von Robotern
3 Programmierung von Robotern 3.1 Arten der Programmierung Arten Programmierung durch Beispiele Programmierung durch Training roboterorientierte Programmierung aufgabenorientierte Programmierung 3.1.1
MehrVorlesung Datenstrukturen
Vorlesung Datenstrukturen Graphen (1) Darstellung Traversierung Dr. Frank Seifert Vorlesung Datenstrukturen - Sommersemester 2016 Folie 441 Generalisierung von Bäumen Verallgemeinerung (von Listen zu Graphen)
MehrIntelligente Agenten
Intelligente Agenten Melanie Kruse 22.06.2004 Seminar Komponentenorientierte Softwareentwicklung und Hypermedia FH Dortmund SS 2004 Was sind Agenten? Agentenforscher diskutieren seit längerem: jedoch keine
MehrDiskrete Strukturen Kapitel 1: Einleitung
WS 2015/16 Diskrete Strukturen Kapitel 1: Einleitung Hans-Joachim Bungartz Lehrstuhl für wissenschaftliches Rechnen Fakultät für Informatik Technische Universität München http://www5.in.tum.de/wiki/index.php/diskrete_strukturen_-_winter_15
MehrWas ist Informatik? Alexander Lange
Was ist Informatik? Was ist Informatik? Alexander Lange 12.11.2003 Was ist Informatik? Inhalt 1. 2. 3. 4. 5. 6. 7. 8. 9. 10. 11. Das Wort»Informatik«Die Idee Teilgebiete der Informatik Technische Informatik
MehrWie man die Welt versteht
Spezielle Themen der KI Wissensrepräsentation, Sprachverarbeitung und Sprachverstehen Einleitung Marc Erich Latoschik AI & VR Lab, Faculty of Technology marcl@techfak.uni-bielefeld.de Übersicht der Vorlesung
MehrKünstliche Intelligenz
Künstliche Intelligenz Logische Agenten Claes Neuefeind Sprachliche Informationsverarbeitung Universität zu Köln 02. November 2011 Logische Agenten Wissensbasierte Agenten Eine Modellwelt Aussagen Logik
MehrMultiagentensimulation im Verkehr: Eignet sich die Multiagentensimulation zur Abbildung der Verhaltensstruktur im Verkehr?
Multiagentensimulation im Verkehr: Eignet sich die Multiagentensimulation zur Abbildung der Verhaltensstruktur im Verkehr? Oliver Prinz Betreuer: Patrik Jochem Ausgewählte technische, rechtliche und ökonomische
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. Bäume / Graphen 5. Hashing 6. Algorithmische Geometrie 4/2, Folie 1 2014 Prof. Steffen Lange - HDa/FbI
MehrPraktische Informatik I
Praktische Informatik I WS 2005/2005 Prof. Dr. Wolfgang Effelsberg Lehrstuhl für Praktische Informatik IV Universität Mannheim 1. Einführung 1-1 Inhaltsverzeichnis (1) 1. Einführung 1.1 Was ist Informatik?
MehrLogik für Informatiker
Logik für Informatiker Viorica Sofronie-Stokkermans e-mail: sofronie@uni-koblenz.de 1 Logik in der Informatik Was ist Logik? 2 Logik in der Informatik Was ist Logik? Mathematisch? 3 Logik in der Informatik
MehrSchulinterner Lehrplan zum Kernlehrplan für die gymnasiale Oberstufe. Informatik Q2. Stand: 02/2016 Status: Gültig
Schulinterner Lehrplan zum Kernlehrplan für die gymnasiale Oberstufe Informatik Q2 Stand: 02/2016 Status: Gültig Unterrichtsvorhaben: Modellierung und Implementierung von Anwendungen mit dynamischen, nichtlinearen
MehrKünstliche Intelligenz
Stuart Russell, Peter Norvig Künstliche Intelligenz Ein moderner Ansatz 2. Auflage Mit Beiträgen von: John F. Canny Douglas D. Edwards Jitendra M. Malik Sebastian Thrun PEARSON mm ein Imprint von Pearson
MehrDUDEN. Basiswissen Schule. Informatik Abitur. PAETEC Verlag für Bildungsmedien Berlin : Dudenverlag Mannheim Leipzig Wien Zürich
DUDEN Basiswissen Schule Informatik Abitur PAETEC Verlag für Bildungsmedien Berlin : Dudenverlag Mannheim Leipzig Wien Zürich vv 3 j Inhaltsverzeichnis 1 Grundbegriffe 7 1.1 Die Informatik als junge Wissenschaft
MehrProgrammiersprachen: Klassifizierung und Methoden. Programmier-Paradigmen. Grundlagen der Programmierung 2 (1.C) - 1 -
Programmiersprachen: Klassifizierung und Methoden Programmier-Paradigmen Grundlagen der Programmierung 2 (1.C) - 1 - Programmiersprachen: Begriffe Syntax Beschreibung der Programme als Texte let xyz =
MehrKünstliche Intelligenz
Stuart Russell, Peter Norvig Künstliche Intelligenz Ein moderner Ansatz 2. Auflage Mit Beiträgen von: John F. Canny Douglas D. Edwards Jitendra M. Malik Sebastian Thrun ein Imprint von Pearson Education
Mehr/26
7 8 3 3 7 2 8 2 8. /2 Sudoku 2 2 3 3 7 7 8 8 8 Füllen Sie die leeren Felder so aus, dass in jeder Zeile, in jeder Spalte und in jedem 3x3 Kästchen alle Zahlen von bis stehen.. 2/2 Warum? 7 8 3 3 7 2 8
MehrEinführung Grundbegriffe
Einführung Grundbegriffe 1.1 Der Modellbegriff Broy: Informatik 1, Springer 1998 (2) Die Modellbildung der Informatik zielt auf die Darstellung der unter dem Gesichtspunkt einer gegebenen Aufgabenstellung
MehrWissensrepräsentation Vorlesung
Wissensrepräsentation Vorlesung Sommersemester 2008 1. Sitzung Dozent Nino Simunic M.A. Computerlinguistik, Campus DU Wissensrepräsentation, SS 2008 (1) Organisatorisches (2) Überblick: Inhalte Organisatorisches
MehrPraktische Eine Einführung
Gregor Büchel Praktische Eine Einführung Lehr- und Arbeitsbuch mit Tafelbildern Mit 65 Abbildungen und Tabellen Springer Vorwort V 1 Was ist Informatik? 1 1.1 Datenflusspläne 2 1.1.1 Symbole eines 2 1.1.2
MehrALP I Turing-Maschine
ALP I Turing-Maschine Teil I WS 2012/2013 Äquivalenz vieler Berechnungsmodelle Alonzo Church λ-kalkül Kombinatorische Logik Alan Turing Turing-Maschine Mathematische Präzisierung Effektiv Berechenbare
MehrBeschreibungslogik. Vorlesung im Sommersemester 2015
Beschreibungslogik Vorlesung im Sommersemester 2015 Organisatorisches Zeit und Ort: Mi 16-18 MZH1460 und Do 16-18 MZH1460 Vortragender: Carsten Lutz Cartesium Raum 2.59 Tel. (218)-64431 clu@uni-bremen.de
MehrFORMALE SYSTEME. Besprechung Lehrevaluation. Kommentare: Verständlichkeit und Motivation. Kommentare: Allgemeines
FORMALE SYSTEME 21. Vorlesung: Aussagenlogik Besprechung Lehrevaluation Markus Krötzsch Professur für Wissensbasierte Systeme TU Dresden, 8. Januar 2017 Markus Krötzsch, 8. Januar 2017 Formale Systeme
MehrEinleitung und Intelligente Agenten MAS-Seminar - SS2008
Einleitung und Intelligente Agenten MAS-Seminar - SS2008 Daniel Kühn Dorothe Schneider Tessa-Karina Tews 17. April 2008 1 Einführung 1.1 Trends in der Geschichte der Berechnung Die Geschichte von Berechnung
Mehrauf einer Suche basierender problemlösender Agent (Kapitel 3) logischer Planungsagent (Kapitel 10)
11 Planen Zentrale Fragestellung: Wie kann ein Agent die Struktur eines Problems nutzen, um komplexe Aktionspläne zu konstruieren? Bisher zwei Beispiele für planende Agenten: auf einer Suche basierender
Mehr1936 von Alan Turing zum theoretischen Studium der Berechenbarkeit eingeführt Besteht aus
//5 Abstrakte Maschinenmodelle: Turingmaschine (TM) 96 von Alan Turing zum theoretischen Studium der Berechenbarkeit eingeführt Besteht aus einem festen Teil ( "Hardware ) einem variablen Teil ( "Software
MehrEinführung in die Künstliche Intelligenz
Einführung in die Künstliche Intelligenz Vorlesung mit Übung WS 2002/2003 Prof. F. v. Henke Organisatorisches Vorlesung: Mo 12 14 Mi 14 16 Sprechstunde: nach der Vorlesung, oder nach Vereinbarung vhenke@ki.informatik.uni-ulm.de
Mehr1. Einführung in Temporallogik CTL
1. Einführung in Temporallogik CTL Temporallogik dient dazu, Aussagen über Abläufe über die Zeit auszudrücken und zu beweisen. Zeit wird in den hier zunächst behandelten Logiken als diskret angenommen
MehrEinführung in die Programmierung
Einführung in die Programmierung Als Programmierung bezeichnet man die Tätigkeit Computerprogramme (software) zu erstellen. Konzeptioneller Entwurf Umsetzung des Entwurfs in Programmcode (Implementation):
Mehr1. Einführung Programmieren / Algorithmen und Datenstrukturen 1 Prof. Dr. Bernhard Humm FB Informatik, Hochschule Darmstadt
1. Einführung Programmieren / Algorithmen und Datenstrukturen 1 Prof. Dr. Bernhard Humm FB Informatik, Hochschule Darmstadt 1 Ein Zitat zu Beginn Vor der Wahl, ein theoretischer Physiker oder ein Programmierer
MehrFORMALE SYSTEME. 21. Vorlesung: Aussagenlogik. TU Dresden, 8. Januar Markus Krötzsch Professur für Wissensbasierte Systeme
FORMALE SYSTEME 21. Vorlesung: Aussagenlogik Markus Krötzsch Professur für Wissensbasierte Systeme TU Dresden, 8. Januar 2017 Besprechung Lehrevaluation Markus Krötzsch, 8. Januar 2017 Formale Systeme
MehrInstitut für Künstliche Intelligenz
Institut für Künstliche Intelligenz Prof. Sebstaian Rudolph --- Computational Logic Prof. Steffen Hölldobler --- Wissensverarbeitung Prof. Ivo F. Sbalzarini --- Wissenschaftliches Rechnen für Systembiologie
MehrDer PECS-Agent als Referenzmodell
als Referenzmodell Ein Referenzmodell kann als Modell für eine Klasse von realen Systemen als Vorlage dienen. Es zeigt die Struktur eines Modells für alle realen Systeme, die eine gemeinsame Tiefenstruktur
MehrFORMALE SYSTEME. Besprechung Lehrevaluation. Kommentare: Beispiele und Praxisbezug. Kommentare: Allgemeines
FORMALE SYSTEME 21. Vorlesung: Aussagenlogik Besprechung Lehrevaluation Markus Krötzsch Lehrstuhl Wissensbasierte Systeme TU Dresden, 9. Januar 2017 Markus Krötzsch, 9. Januar 2017 Formale Systeme Folie
MehrLogik. Logik. Vorkurs Informatik Theoretischer Teil WS 2013/ September Vorkurs Informatik - Theorie - WS2013/14
Logik Logik Vorkurs Informatik Theoretischer Teil WS 2013/14 30. September 2013 Logik > Logik > logische Aussagen Logik Logik > Logik > logische Aussagen Motivation Logik spielt in der Informatik eine
Mehrallgemeine Übersicht / Struktur
allgemeine Übersicht / Struktur Übergreifende fachliche Kompetenz selbstständiges informatisches Problemlösen Kompetenzbereiche Prozesse Gegenstände Kompetenzerwartungen Verknüpfung von Prozessen und Gegenständen
MehrVorwort zur dritten Auflage
Vorwort zur dritten Auflage In Kap. 8 gibt es nun zwei neue Abschnitte. Das wichtige Thema Kreuzvalidierung erhält in Abschn. 8.5 endlich den verdienten Raum. In Abschn. 8.8 über One-Class-Learning werden
Mehr4. Logik und ihre Bedeutung für WBS
4. Logik und ihre Bedeutung für WBS WBS verwenden formale Sprache L um Wissen zu repräsentieren Grundidee: Problemlösen = Folgern aus in L dargestelltem Wissen Folgern = implizites Wissen explizit machen
MehrKlausurtermine Informatik Herbst 2016 Stand: Änderungen sind rot markiert Wochentag Prüfungstermin: Prüfungsbezeichnung: Raum/Räume:
Klausurtermine Informatik Herbst 2016 Stand: 20.07.2016 Änderungen sind rot markiert Wochentag Prüfungstermin: Prüfungsbezeichnung: Raum/Räume: Semester Montag 18.07.2016 11.00-14.00 Digitalschaltungen
MehrWas versteht man unter Intelligenz
Was versteht man unter Intelligenz keine allgemein gültige Definition! unterschiedliche Definitionsansätze (Medizin,Philosophie,etc.) Persönliche Definition: Das aktive Wahrnehmen von Äußeren Einflüssen,
MehrInformatische Modellbildung
Informatische Modellbildung Informatik als Wissenschaft von der Herstellung ausführbarer Modelle bzw. der Simulation künstlicher Welten hier: formale Methoden zur Präzisierung des Modellbegriffs Begriffsdefinition
MehrUniversität Koblenz-Landau Fachbereich Informatik Klausur Einführung in die Künstliche Intelligenz / WS 2003/2004. Jun.-Prof. Dr. B.
Universität Koblenz-Landau Fachbereich Informatik Klausur Einführung in die Künstliche Intelligenz / Künstliche Intelligenz für IM Name, Vorname: Matrikel-Nr.: Studiengang: WS 2003/2004 Jun.-Prof. Dr.
MehrUmbuchungen im Bachelor-Studiengang Informatik für den Wechsel von der PO 2009 zur PO 2017
Umbuchungen im Bachelor-Studiengang Informatik für den Wechsel von der PO 2009 zur PO 2017 Allgemeine Umbuchungsregeln: Für alle bisherigen Studierenden, die sich nach dem Prüfungszeitraum Sommersemester
MehrUmbuchungen im Bachelor-Studiengang Informatik für den Wechsel von der PO 2009 zur PO 2017
Umbuchungen im Bachelor-Studiengang Informatik für den Wechsel von der PO 2009 zur PO 2017 Allgemeine Umbuchungsregeln: Für alle bisherigen Studierenden, die sich nach dem Prüfungszeitraum Sommersemester
MehrEinführung in die Informatik
Einführung in die Informatik 01101101 01011001 11010011 10011000 00000011 00011100 01111111 11111111 00110100 00101110 11101110 01110010 10011101 00111010 2 Lehrziel und Inhalt Überblick über die Informatik;
MehrLernfähige Roboter. die Zukunft der Servicerobotik. Prof. Dr. Wolfgang Ertel Hochschule Ravensburg-Weingarten
Lernfähige Roboter die Zukunft der Servicerobotik Prof. Dr. Wolfgang Ertel Hochschule Ravensburg-Weingarten Akademietage Landkreis Biberach, 3.3.211 Was ist Servicerobotik? Waschen Bügeln Kochen Aufräumen
MehrINTELLIGENTE DATENANALYSE IN MATLAB
INTELLIGENTE DATENANALYSE IN MATLAB Einführungsveranstaltung Überblick Organisation Literatur Inhalt und Ziele der Vorlesung Beispiele aus der Praxis 2 Organisation Vorlesung/Übung + Projektarbeit. 4 Semesterwochenstunden.
MehrInformatik I. Grundlagen der systematischen Programmierung. Peter Thiemann WS 2007/08. Universität Freiburg, Germany
Informatik I Grundlagen der systematischen Programmierung Peter Thiemann Universität Freiburg, Germany WS 2007/08 Literatur Herbert Klaeren, Michael Sperber. Die Macht der Abstraktion. Teubner Verlag,
MehrVorlesungsinhalte. Programmiersprachen: Haskell 98: funktional, höherer Ordnung, polymorph typisiert, Interpreter
Vorlesungsinhalte Programmiersprachen: Haskell 98: www.haskell.org funktional, höherer Ordnung, polymorph typisiert, Interpreter Python 2.3: www.python.org imperativ, objektorientiert, schwach typisiert,
MehrKünstliche Intelligenz
Stuart Russell, Peter Norvig Künstliche Intelligenz Ein moderner Ansatz 2. Auflage itb< en von: John F. Canny Douglas D. Edwards Jitendra M. Malik Sebast- run PEARSON Studium ein Imprint von Pearson Education
MehrDiskrete Ereignissysteme. Spezielle Netzstrukturen- Übersicht. Beispiele zu speziellen Netzstrukturen. Petri-Netze und Zustandsautomaten
Diskrete Ereignissysteme 4.4 Spezialisierungen von Petri Netzen Spezielle Netzstrukturen- Übersicht Ein S-T-Netz heisst Zustands-System gdw. gilt:. W(f) = für alle Kanten f F. 2. t = t = für alle Transitionen
MehrInhalt. Wissensbasierte Diagnose Entscheidungsbäume Bayes-Netze Fallbasiertes Schließen Funktionsorientierte Diagnose Modellbasierte Systeme
Inhalt 2 Wissensbasierte Diagnose 3 Diagnose bezeichnet hier das Rückschließen auf mögliche Ursachen, welche zu beobachtbaren Wirkungen führen. Heutige Diagnosesysteme haben gute Diagnosebasisfunktionen,
MehrAI in Computer Games. Übersicht. Motivation. Vorteile der Spielumgebung. Techniken. Anforderungen
Übersicht AI in Computer Games Motivation Vorteile der Spielumgebung Techniken Anwendungen Zusammenfassung Motivation Vorteile der Spielumgebung Modellierung glaubwürdiger Agenten Implementierung menschlicher
Mehr