KI: Wie testet man ein Hirn?

Größe: px
Ab Seite anzeigen:

Download "KI: Wie testet man ein Hirn?"

Transkript

1 KI: Wie testet man ein Hirn? (Und warum?) Richard Jelinek PetaMem GmbH Nürnberg Richard Jelinek Künstliche Intelligenz 11. März / 15

2 Weltwissen & Repräsentation Weltwissen beschreibt das verfügbare allgemeine Wissen, Kenntnisse und Erfahrungen über Umwelt und Gesellschaft. Wissensrepräsentation (englisch: knowledge representation) dient im Rahmen der Wissensmodellierung dazu, Wissen in Wissensbasierten Systemen formal abzubilden. Gütekriterien Wissensrepräsentation: Korrektheit Mächtigkeit Effizienz Richard Jelinek Künstliche Intelligenz 11. März / 15

3 Wissensrepräsentation - Wie? Wie soll man Weltwissen formal repräsentieren? 1 Katalog, Glossar, Taxonomie (einfache Kontrollierte Vokabularien), 2 Klassifikation, Thesaurus (begrenzte Zahl von Relationen in der Regel ohne Vererbungsrelation), 3 semantisches Netz, Ontologie, Frames, Produktionsregeln, 4 Axiomensystem, Prädikatenlogik sowie 5 mehrschichtige Erweiterte Semantische Netze (MultiNet). Richard Jelinek Künstliche Intelligenz 11. März / 15

4 Mathematik Machen wir es kurz: Klassenlogik Mengenlehre (naiv) ZFC axiomatische Klassenlogik 1 1 Arnold Oberschelp: Allgemeine Mengenlehre. BI-Wissenschafts-Verlag, Mannheim u. a. 1994, ISBN Richard Jelinek Künstliche Intelligenz 11. März / 15

5 Mathematik Machen wir es kurz: Klassenlogik Mengenlehre (naiv) ZFC axiomatische Klassenlogik 1 Verallgemeinerung der Mengenlehre 1 Arnold Oberschelp: Allgemeine Mengenlehre. BI-Wissenschafts-Verlag, Mannheim u. a. 1994, ISBN Richard Jelinek Künstliche Intelligenz 11. März / 15

6 Mathematik Machen wir es kurz: Klassenlogik Mengenlehre (naiv) ZFC axiomatische Klassenlogik 1 Verallgemeinerung der Mengenlehre Antinomien/Paradoxa kein Problem ( Klasse aller Klassen, die sich nicht selbst als Element enthalten ) 1 Arnold Oberschelp: Allgemeine Mengenlehre. BI-Wissenschafts-Verlag, Mannheim u. a. 1994, ISBN Richard Jelinek Künstliche Intelligenz 11. März / 15

7 Klassenlogik Axiomensystem einer einfachen allgemeinen Klassenlogik: Abstraktionsprinzip (Klassen beschreiben ihre Elemente durch eine logische Eigenschaft) y : (y {x A(x)} A(y)) Extensionalitätsprinzip (Mengen sind gleich wenn alle ihre Elemente gleich sind) A = B x : (x A x B) Komprehensionsprinzip (Eine Klasse kann ein Element sein) {x A(x)} B y : (y = {x A(x)} y B) Richard Jelinek Künstliche Intelligenz 11. März / 15

8 Perl Daten ISA Abstraktionsprinzip y : (y {x A(x)} A(y)) (Klassen beschreiben ihre Elemente durch eine logische Eigenschaft) Richard Jelinek Künstliche Intelligenz 11. März / 15

9 Perl Daten: Relation ISA Beispiel: Ist Hyponym von (Auszug) Richard Jelinek Künstliche Intelligenz 11. März / 15

10 Transitive Hülle Transitive Hülle ermöglicht O(n) Schlüsse in O(1); Richard Jelinek Künstliche Intelligenz 11. März / 15

11 Tests: Transitive Hülle A ist ein B ist ein C ist ein D... ok - is gigaset a machine? yes ok - is gigaset a device? yes ok - is gigaset a car? no ok - is flower an organism? yes ok - is flower a small plant? yes Richard Jelinek Künstliche Intelligenz 11. März / 15

12 Perl Daten: Relation EQU Beispiel: Äquivalenzrelation (Auszug) Richard Jelinek Künstliche Intelligenz 11. März / 15

13 Allgemeiner: Clique Clique: Hülle von Klassen assoziiert durch Relation ok - czech from eng to ita ok - clique for mul equ contains eng ok - symmetry inferention: pták got from bird while bird has no EQUs ok - iso specified: clique for ces pták contain eng bird ok - mediator language eng: clique for ces pták contain deu vogel ok - no args: clique for ces pták contain eng bird Richard Jelinek Künstliche Intelligenz 11. März / 15

14 Perl Tests: XOR-concat, bidi ISA zu EQU Beispiele: XOR Test (nicht normiert), Deduktion ISA ISA => EQU Richard Jelinek Künstliche Intelligenz 11. März / 15

15 Stochastik Probabilistische Logik Richard Jelinek Künstliche Intelligenz 11. März / 15

16 Perl Daten: Fütter mich! Wo bekommt man die Daten her? PMSE - PetaMem Scripting Environment Wikimedia Projects, Gutenberg WordNet, ISO, Unicode CLDR European Commission Corpora und z.zt. noch 548 weitere Quellen... Richard Jelinek Künstliche Intelligenz 11. März / 15

17 Danke Q&A R. Jelinek Richard Jelinek Künstliche Intelligenz 11. März / 15

Wissensrepräsentation. Semantische Netze. Semantic Web Motivation Semantic Web Prinzipien Ontologien Anwendungen

Wissensrepräsentation. Semantische Netze. Semantic Web Motivation Semantic Web Prinzipien Ontologien Anwendungen Semantic Web Übersicht Wissensrepräsentation Semantische Netze Semantic Web Motivation Semantic Web Prinzipien Ontologien Anwendungen Möglichkeiten der Wissensrepräsentation Katalog, Glossar, Taxonomie

Mehr

Theoretische Grundlagen des Software Engineering

Theoretische 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

Mehr

Seminar Künstliche Intelligenz Wintersemester 2013/14

Seminar 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,

Mehr

Wissensrepräsentation

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

Mehr

Semantische Netze Psychologische Plausibilität

Semantische Netze Psychologische Plausibilität Conceptual Graphs Knoten repräsentieren Konzepte oder konzeptuelle Relationen; Kanten haben keine Labels n-stellige konzeptuelle Relation repräsentiert als Knoten mit n Kanten Mächtigkeit der PL1; aber

Mehr

Logik für Informatiker

Logik 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

Mehr

Logische Grundlagen der Mathematik, WS 2014/15

Logische Grundlagen der Mathematik, WS 2014/15 Logische Grundlagen der Mathematik, WS 2014/15 Thomas Timmermann 16. Oktober 2014 1 Einleitung Literatur Paul.R. Halmos, Naive Set Theory Ralf Schindler, Logische Grundlagen der Mathematik Peter J. Cameron,

Mehr

Übersicht SEMANTIC WEB. Semantisches Netz. Concept Map. Möglichkeiten der Wissensrepräsentation 10.01.2011. Wissensrepräsentation

Übersicht SEMANTIC WEB. Semantisches Netz. Concept Map. Möglichkeiten der Wissensrepräsentation 10.01.2011. Wissensrepräsentation Übersicht Wissensrepräsentation Semantische Netze Semantic Web Motivation Semantic Web Prinzipien Ontologien Anwendungen SEMANTIC WEB Marcel Götze Möglichkeiten der Wissensrepräsentation Katalog, Glossar,

Mehr

Seminar Künstliche Intelligenz Wintersemester 2014/15

Seminar 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,

Mehr

Logik für Informatiker

Logik 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

Mehr

Diskrete Mathematik mit Grundlagen

Diskrete Mathematik mit Grundlagen Sebastian lwanowski Rainer Lang Diskrete Mathematik mit Grundlagen Lehrbuch für Studierende von MINT-Fächern ~ Springer Vieweg Inhaltsverzeichnis 1 Grundlagen der Mathematik 1 1.1 Einführung...............

Mehr

Einführung in die Wissensrepräsentation

Einführung in die Wissensrepräsentation Einführung in die Wissensrepräsentation Netzartige und schema-basierte Repräsentationsformate Von Dr. rer. soc. Ulrich Reimer Universität Konstanz > B.G.Teubner Stuttgart 1991 Inhaltsverzeichnis 1 Einleitung

Mehr

Entwicklung und Einsatz von Expertensystemen

Entwicklung und Einsatz von Expertensystemen Karl Kurbel Entwicklung und Einsatz von Expertensystemen Eine anwendungsorientierte Einführung in wissensbasierte Systeme Mit 46 Abbildungen Springer-Verlag Berlin Heidelberg New York London Paris Tokyo

Mehr

Informatik Vorkurs: Etwas Mathematik. Werner Struckmann WS 2014/2015

Informatik Vorkurs: Etwas Mathematik. Werner Struckmann WS 2014/2015 Informatik Vorkurs: Etwas Mathematik Werner Struckmann WS 2014/2015 Etwas Mathematik: Was machen wir? 1. Aussagen, Logik 2. Mengen, Relationen, Funktionen 3. Zahlenmengen, Rechnen 4. Beweise 5. Dualzahlen:

Mehr

Künstliche Intelligenz

Künstliche Intelligenz Künstliche Intelligenz Logische Agenten Claes Neuefeind Sprachliche Informationsverarbeitung Universität zu Köln 02. November 2011 Logische Agenten Wissensbasierte Agenten Eine Modellwelt Aussagen Logik

Mehr

Euler-Venn-Diagramme

Euler-Venn-Diagramme Euler-Venn-Diagramme Mengendiagramme dienen der graphischen Veranschaulichung der Mengenlehre. 1-E1 1-E2 Mathematische Symbole c leere Menge Folge-Pfeil Äquivalenz-Pfeil Existenzquantor, x für (mindestens)

Mehr

1. Lernen von Konzepten

1. Lernen von Konzepten 1. Lernen von Konzepten Definition des Lernens 1. Lernen von Konzepten Lernziele: Definitionen des maschinellen Lernens kennen, Klassifikationen des maschinellen Lernens kennen, Das Prinzip des induktiven

Mehr

1 Symbolische Repräsentation

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

Mehr

Universität Ulm Abteilung Künstliche Intelligenz. ExtrAns. Verarbeitung natürlicher, schriftlicher Sprache. C. Bohnacker

Universität Ulm Abteilung Künstliche Intelligenz. ExtrAns. Verarbeitung natürlicher, schriftlicher Sprache. C. Bohnacker UNIVERSITÄT ULM SCIENDO DOCENDO CURANDO Universität Ulm Abteilung Künstliche Intelligenz ExtrAns Verarbeitung natürlicher, schriftlicher Sprache C. Bohnacker Überblick Motivation Einleitung Eigenschaften

Mehr

Einführung in die Informatik 2

Einführung in die Informatik 2 Einführung in die Informatik 2 Mathematische Grundbegriffe Sven Kosub AG Algorithmik/Theorie komplexer Systeme Universität Konstanz E 202 Sven.Kosub@uni-konstanz.de Sprechstunde: Freitag, 12:30-14:00 Uhr,

Mehr

Logische Grundlagen der Mathematik, WS 2014/15

Logische Grundlagen der Mathematik, WS 2014/15 Logische Grundlagen der Mathematik, WS 0/ Thomas Timmermann 8. Januar 0 Kardinalzahlen und die Mächtigkeit von Mengen Gleichmächtigkeit von Menge Zur Erinnerung: Wir wollen unendlich große Mengen hinsichtlich

Mehr

3.2 Semantische Netze und Topic Maps (1)

3.2 Semantische Netze und Topic Maps (1) 3.2 Semantische Netze und Topic Maps (1) Def: Ein semantisches Netz ist ein Graph von Begriffen und ihren Beziehungen (Relationen). Entwickelt wurden semantische Netze als Konzepte der Wissensrepräsentation

Mehr

Semantische Relationen in Dokumentationssprachen. vom Thesaurus zum semantischen Netz

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

Mehr

Kapitel 8: Semantische Netze

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

Mehr

Logik für Informatiker

Logik 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? Mit Logik (von altgriechisch logiké

Mehr

Übersicht. Prädikatenlogik höherer Stufe. Syntax der Prädikatenlogik 1. Stufe (mit Gleichheit)

Übersicht. 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

Mehr

1 Symbolische Repräsentation

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

Mehr

1 Symbolische Repräsentation

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

Mehr

Beschreibungslogik. Vorlesung im Sommersemester 2015

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

Mehr

Künstliche Intelligenz und automatische Wissensverarbeitung

Künstliche Intelligenz und automatische Wissensverarbeitung Hermann Heibig Künstliche Intelligenz und automatische Wissensverarbeitung 2., stark bearbeitete Auflage U Verlag Technik Berlin Inhaltsverzeichnis 1 Überblick 11 1.1 Grundbegriffe, Gegenstand 11 1.2 Arbeitsgebiete

Mehr

Logik I. Symbole, Terme, Formeln

Logik I. Symbole, Terme, Formeln Logik I Symbole, Terme, Formeln Wie jede geschriebene Sprache basiert die Prädikatenlogik erster Stufe auf einem Alphabet, welches aus den folgenden Symbolen besteht: (a) Variabeln wie zum Beispiel v 0,v

Mehr

Einführung in die Computerlinguistik. Semantik

Einführung in die Computerlinguistik. Semantik Einführung in die Computerlinguistik Semantik WS 2006/2007 Manfred Pinkal Einführung in die Computerlinguistik 2006/2007 M. Pinkal UdS 1 Semantik für Dialogverarbeitung U: Ist der Flug um 2 nach London

Mehr

4 Spezielle Schlussverfahren

4 Spezielle Schlussverfahren 4 Spezielle Schlussverfahren 10. Vorlesung: Abduktion und Hypothesenbildung; Induktion und Lernen Methoden der Künstlichen Intelligenz Ipke Wachsmuth WS 2012/2013 Kernfragen der Vorlesung 1. Wie lässt

Mehr

Wissen. Wissensmanagement. Was ist Wissen? Wissen - Informatik. Wissen - Künstlichen Intelligenz. Wissensmanagement und Künstliche Intelligenz

Wissen. Wissensmanagement. Was ist Wissen? Wissen - Informatik. Wissen - Künstlichen Intelligenz. Wissensmanagement und Künstliche Intelligenz Wissen Uwe Lämmel Fachbereich Wirtschaft Hochschule Wismar www.wi.hs-wismar.de/~laemmel Ein System S hat Wissen W, wenn S immer dann, wenn erforderlich, W anwendet. More&Newell,973 Was ist Wissen? Besitz

Mehr

4 Spezielle Schlussverfahren

4 Spezielle Schlussverfahren 4 Spezielle Schlussverfahren 10. Vorlesung: Abduktion und Hypothesenbildung; Induktion und Lernen Methoden der Künstlichen Intelligenz Ipke Wachsmuth WS 2009/2010 Kernfragen der Vorlesung 1. Wie lässt

Mehr

Diskrete Strukturen. Vorlesung 7: Fixpunkte & Kardinalität. 27. November 2018

Diskrete Strukturen. Vorlesung 7: Fixpunkte & Kardinalität. 27. November 2018 Diskrete Strukturen Vorlesung 7: Fixpunkte & Kardinalität 27. November 2018 Nächste Termine Modul Diskrete Strukturen Hörsaalübung (Mo. 9:15) Vorlesung (Di. 17:15) 26.11. 27.11. Fixpunkte + Kardinalitäten

Mehr

9. Übung Künstliche Intelligenz

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

Mehr

Grundlagen 1: Modelle & Mengen

Grundlagen 1: Modelle & Mengen Michael Wand Institut für Informatik. Angewandte Mathematik am Rechner 1 SOMMERSEMESTER 2017 > Kapitel 2 Grundlagen 1: Modelle & Mengen 2.1 Modelle Grundlagen der Modellierung

Mehr

Kapitel 1. Mengen und Abbildungen. 1.1 Mengen

Kapitel 1. Mengen und Abbildungen. 1.1 Mengen Kapitel 1 Mengen und Abbildungen 1.1 Mengen Die Objekte der modernen Mathematik sind die Mengen. Obwohl die Logik einen axiomatischen Zugang zur Mengenlehre bietet, wollen wir uns in dieser Vorlesung auf

Mehr

YAGO YAGO. A semantic knowledge base. Paul Boeck. Humboldt Universität zu Berlin Institut für Informatik. Dezember 2012 1/19

YAGO YAGO. A semantic knowledge base. Paul Boeck. Humboldt Universität zu Berlin Institut für Informatik. Dezember 2012 1/19 1/19 A semantic knowledge base Paul Boeck Humboldt Universität zu Berlin Institut für Informatik Dezember 2012 2/19 Übersicht 1 Einführung 2 Das Modell Struktur Semantik 3 Das System 4 Anwendung 3/19 Einführung

Mehr

Einführung in Expertensysteme

Einführung in Expertensysteme Frank Puppe Einführung in Expertensysteme Zweite Auflage Mit 86 Abbildungen Springer-Verlag Berlin Heidelberg New York London Paris Tokyo HongKong Barcelona Budapest Inhaltsverzeichnis Teil I. Einführung

Mehr

Studienprojekt TaxoSearch Spezifikation

Studienprojekt TaxoSearch Spezifikation Studienprojekt TaxoSearch Spezifikation Semantisch gestützte Suche im Internet Lehrstuhl für Computerlinguistik Ruprecht-Karls-Universität Heidelberg WS 2002-2003 vorgestellt von Thorsten Beinhorn, Vesna

Mehr

Einführung in die Methoden der Künstlichen Intelligenz

Einführung in die Methoden der Künstlichen Intelligenz Einführung in die Methoden der Künstlichen Intelligenz --- Vorlesung vom 17.4.2007 --- Sommersemester 2007 Prof. Dr. Ingo J. Timm, Andreas D. Lattner Professur für Wirtschaftsinformatik und Simulation

Mehr

Kapitel WT:VIII (Fortsetzung)

Kapitel WT:VIII (Fortsetzung) Kapitel WT:VIII (Fortsetzung) VIII. Semantic Web WWW heute Semantic Web Vision RDF: Einführung RDF: Konzepte RDF: XML-Serialisierung RDF: Anwendungen RDFS: Einführung RDFS: Konzepte Semantik im Web Semantik

Mehr

Vor(schau)kurs für Studienanfänger Mathematik: Aussagen und Mengen

Vor(schau)kurs für Studienanfänger Mathematik: Aussagen und Mengen Vor(schau)kurs für Studienanfänger Mathematik: Aussagen und Mengen 09.10.2014 Herzlich Willkommen zum 2. Teil des Vorschaukurses für Mathematik! Organisatorisches Der Vorkurs besteht aus sechs Blöcken

Mehr

Ontologien. Ontologien (aus ISM Kap. 3. Wissensrepräsentation für Texte) Ontologien: Konstrukte. Konzepte/Klassen

Ontologien. Ontologien (aus ISM Kap. 3. Wissensrepräsentation für Texte) Ontologien: Konstrukte. Konzepte/Klassen Ontologien Ontologien (aus ISM Kap. 3. Wissensrepräsentation für Texte) Norbert Fuhr Ursprung: semantische Netze aus der künstlichen Intelligenz (1970er) weiterentwickelt als terminologische Logiken, Beschreibungslogiken

Mehr

Ontologien (aus ISM Kap. 3. Wissensrepräsentation für Texte) Norbert Fuhr

Ontologien (aus ISM Kap. 3. Wissensrepräsentation für Texte) Norbert Fuhr Ontologien (aus ISM Kap. 3. Wissensrepräsentation für Texte) Norbert Fuhr 1 / 23 Ontologien Ursprung: semantische Netze aus der künstlichen Intelligenz (1970er) weiterentwickelt als terminologische Logiken,

Mehr

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

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

Mehr

Konstruktion von Common Sense-Ontologien durch Analyse natürlicher Sprache

Konstruktion 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

Mehr

Grundlagen der Mathematik

Grundlagen der Mathematik Grundlagen der Mathematik LVA 405.010 C. Fuchs Inhaltsübersicht 22.11.2016 Inhaltsübersicht Die universitäre Mathematik unterscheidet sich von der Schulmathematik vor allem darin, dass nicht das was oder

Mehr

Spezielle Themen der KI

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

Mehr

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

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

Mehr

Logik in der Informatik

Logik in der Informatik Technische Universität Braunschweig Dr. Werner Struckmann Institut für Programmierung und Reaktive Systeme 21. April 2016 Logik in der Informatik Übersicht Art der Veranstaltung: Sommersemester, Master,

Mehr

THEORETISCHE INFORMATIK UND LOGIK

THEORETISCHE INFORMATIK UND LOGIK THEORETISCHE INFORMATIK UND LOGIK 22. Vorlesung: Gödel, Turing und der ganze Rest Markus Krötzsch Lehrstuhl Wissensbasierte Systeme Kurt Gödel TU Dresden, 14. Juli 2017 Markus Krötzsch, 14. Juli 2017 Theoretische

Mehr

KADS / COMMONKADS. Modelle in COMMONKADS zur Spezifikation von WBS

KADS / COMMONKADS. Modelle in COMMONKADS zur Spezifikation von WBS KADS / COMMONKADS Knowledge Acquisition Documentation and Structuring Knowledge Analysis and Design System Entwicklung in zwei Esprit-Projekte mit zahlreichen Partnern (Hauptpartner: Universität Amsterdam):

Mehr

Diskrete Strukturen und Logik WiSe 2007/08 in Trier. Henning Fernau Universität Trier

Diskrete Strukturen und Logik WiSe 2007/08 in Trier. Henning Fernau Universität Trier Diskrete Strukturen und Logik WiSe 2007/08 in Trier Henning Fernau Universität Trier fernau@uni-trier.de 1 Diskrete Strukturen und Logik Gesamtübersicht Organisatorisches Einführung Logik & Mengenlehre

Mehr

Modulnummer LP = 300 Arbeitsstunden (Workload) M.A. Logik Das Modul ist offen für den Wahlbereich.

Modulnummer LP = 300 Arbeitsstunden (Workload) M.A. Logik Das Modul ist offen für den Wahlbereich. 06-007-101-3 Pflicht Modultitel Modultitel (englisch) Klassische Logik Classical Logic 1. Semester Abteilung Logik jedes Wintersemester Vorlesung "Klassische Logik" (4 SWS) = 60 h Präsenzzeit und 140 h

Mehr

Terminologien in der Medizin im Spannungsfeld von Logik und Ontologie

Terminologien in der Medizin im Spannungsfeld von Logik und Ontologie Terminologien in der Medizin im Spannungsfeld von Logik und Ontologie GMDS-Jahrestagung 2006, Leipzig Mittwoch, 13. September 2006 Dr. Josef Ingenerf Institut für Medizinische Informatik Universität zu

Mehr

Darstellung von Ontologien im Semantic Web - RDFS-

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

Mehr

Semantic Technologies

Semantic Technologies Semantic Technologies Proseminar Künstliche Intelligenz Universität Ulm Mario Volke 15. Juli 2008 1 / 32 Inhaltsverzeichnis 1 Einführung 2 3 Schlusswort 2 / 32 Einführung Motivation DEMO Who was president

Mehr

THEORETISCHE INFORMATIK UND LOGIK

THEORETISCHE INFORMATIK UND LOGIK THEORETISCHE INFORMATIK UND LOGIK 13. Vorlesung: Prädikatenlogik: Syntax und Semantik Markus Krötzsch Lehrstuhl Wissensbasierte Systeme TU Dresden, 1. Juni 2018 Halbzeit: Zusammenfassung und Ausblick Markus

Mehr

9. Übung Künstliche Intelligenz

9. Übung Künstliche Intelligenz Prof. Dr. Gerd Stumme, Robert Jäschke Fachgebiet Wissensverarbeitung 9. Übung Künstliche Intelligenz 16.1.2008 Wintersemester 2007/2008 Semantische Netze 1. Es sei das in Abbildung 1 dargestellte semantische

Mehr

Grundlagen Theoretischer Informatik I SoSe 2011 in Trier. Henning Fernau Universität Trier

Grundlagen Theoretischer Informatik I SoSe 2011 in Trier. Henning Fernau Universität Trier Grundlagen Theoretischer Informatik I SoSe 2011 in Trier Henning Fernau Universität Trier fernau@uni-trier.de 1 Grundlagen Theoretischer Informatik I Gesamtübersicht Organisatorisches; Einführung Logik

Mehr

Teil 4. Mengen und Relationen

Teil 4. Mengen und Relationen Teil 4 Mengen und Relationen KAPITEL 10 Äquivalenzrelationen und Faktormengen 1. Äquivalenzrelationen Wir nennen eine Relation von A nach A auch eine Relation auf A. DEFINITION 10.1. SeiΡeine Relation

Mehr

Lexikalische Semantik und semantische Lexika. Manfred Pinkal PJS Word Sense Disambiguation SS 2004

Lexikalische Semantik und semantische Lexika. Manfred Pinkal PJS Word Sense Disambiguation SS 2004 Lexikalische Semantik und semantische Lexika Manfred Pinkal PJS Word Sense Disambiguation SS 2004 Wortbedeutung Wortbedeutungen sind vielschichtig Wortbedeutungen sind offen Unterschiedliche Aspekte von

Mehr

Vorlesung Künstliche Intelligenz Wintersemester 2006/07. Teil III: Wissensrepräsentation und Inferenz. Kap.4: Einführung

Vorlesung Künstliche Intelligenz Wintersemester 2006/07. Teil III: Wissensrepräsentation und Inferenz. Kap.4: Einführung Vorlesung Künstliche Intelligenz Wintersemester 2006/07 Teil III: Wissensrepräsentation und Inferenz Kap.4: Einführung In the knowledge lies the power. (Feigenbaum) Wolf-Michael Catenhusen (BMBF, 1999):

Mehr

Brückenkurs Mathematik

Brückenkurs Mathematik Mengenlehre andreas.kucher@uni-graz.at Institute for Mathematics and Scientific Computing Karl-Franzens-Universität Graz Graz, September 5, 2015 Hinweis zu den Folien Diese Folien sind derart konzipiert,

Mehr

THEORETISCHE INFORMATIK UND LOGIK

THEORETISCHE INFORMATIK UND LOGIK Komplexität und Spiele NP ist eine typische Klasse für Solitaire-Spiele: Sudoku, Minesweeper, Tetris,... THEORETISCHE INFORMATIK UND LOGIK 13. Vorlesung: Prädikatenlogik: Syntax und Semantik Markus Krötzsch

Mehr

Was ist mathematische Logik?

Was 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

Mehr

1. Mengentheoretische Grundbegriffe. naiver Mengenbegriff : Eine Menge ist eine Zusammenfassung M von bestimmten, wohlunterschiedenen

1. Mengentheoretische Grundbegriffe. naiver Mengenbegriff : Eine Menge ist eine Zusammenfassung M von bestimmten, wohlunterschiedenen 1. Mengentheoretische Grundbegriffe Cantors (1845 1918) naiver Mengenbegriff : Slide 1 Eine Menge ist eine Zusammenfassung M von bestimmten, wohlunterschiedenen Objekten unserer Anschauung oder unseres

Mehr

Beschreibungslogik. Vorlesung im Sommersemester 2016

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

Mehr

Grundlagen der Künstlichen Intelligenz

Grundlagen der Künstlichen Intelligenz Grundlagen der Künstlichen Intelligenz 23. Constraint-Satisfaction-Probleme: Pfadkonsistenz Malte Helmert Universität Basel 14. April 2014 Constraint-Satisfaction-Probleme: Überblick Kapitelüberblick Constraint-Satisfaction-Probleme:

Mehr

Mengen. (Nicht-) Elemente einer Menge { 3, 4 } { 1, { 2 }, { 3, 4 }, { 5 } } 3 { 1, { 2 }, { 3, 4 }, { 5 } }

Mengen. (Nicht-) Elemente einer Menge { 3, 4 } { 1, { 2 }, { 3, 4 }, { 5 } } 3 { 1, { 2 }, { 3, 4 }, { 5 } } Mengen Definition (Intuitive Mengenlehre) Eine Menge ist die Zusammenfassung von Elementen unserer Anschauung zu einem wohldefinierten Ganzen. (Georg Cantor) Notation 1. Aufzählung aller Elemente: { 1,

Mehr

Ontology Languages for the Semantic Web

Ontology Languages for the Semantic Web Ontology Languages for the Semantic Web Seminar Web Services and Semantic Web WS 07/08 Florian Leitner Inhalt Ontologie Was ist das? Ontologien und Semantic Web Resource Description Framework (RDF) Web

Mehr

Ivana Daskalovska. Willkommen zur Übung Einführung in die Computerlinguistik. Semantik. Sarah Bosch,

Ivana Daskalovska. Willkommen zur Übung Einführung in die Computerlinguistik. Semantik. Sarah Bosch, Ivana Daskalovska Willkommen zur Übung Einführung in die Computerlinguistik Semantik Wiederholung Was ist die Semantik und womit beschäftigt sie sich? 3 Was ist die Semantik und womit beschäftigt sie sich?

Mehr

Mengen. Eigenschaften. Spezielle Mengen (1) Prominente Mengen. ! Mengenzugehörigkeit

Mengen. Eigenschaften. Spezielle Mengen (1) Prominente Mengen. ! Mengenzugehörigkeit Mengen! Definition (Intuitive Mengenlehre) Eine Menge ist die Zusammenfassung von Elementen unserer Anschauung zu einem wohldefinierten Ganzen. (Georg Cantor)! Notation 1. Aufzählung aller Elemente: {

Mehr

Einführung Grundbegriffe

Einführung 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

Mehr

Formale Sprachen und Automaten

Formale Sprachen und Automaten Mengen Eine Menge ist eine Gruppe von Elementen, die eine Einheit bilden (siehe z.b. Halmos 1976). Formale Sprachen und Automaten Mathematisches Rüstzeug Mengen können verschiedene Typen von Elementen

Mehr

Diskrete Strukturen. Chair for Foundations of Software Reliability and Theoretical Computer Science Technische Universität München

Diskrete Strukturen. Chair for Foundations of Software Reliability and Theoretical Computer Science Technische Universität München Diskrete Strukturen c Javier Esparza und Michael Luttenberger Chair for Foundations of Software Reliability and Theoretical Computer Science Technische Universität München Montag 16 Oktober, 2017 p.2 Was

Mehr

Mathematische Grundlagen für die Informatik

Mathematische Grundlagen für die Informatik Mathematische Grundlagen für die Informatik Kurt-Ulrich Witt Mathematische Grundlagen für die Informatik Mengen, Logik, Rekursion Prof. Dr. Kurt-Ulrich Witt Hochschule Bonn-Rhein-Sieg St. Augustin, Deutschland

Mehr

THEORETISCHE INFORMATIK UND LOGIK

THEORETISCHE INFORMATIK UND LOGIK THEORETISCHE INFORMATIK UND LOGIK 13. Vorlesung: Prädikatenlogik: Syntax und Semantik Markus Krötzsch Lehrstuhl Wissensbasierte Systeme TU Dresden, 26. Mai 2017 Komplexität und Spiele NP ist eine typische

Mehr

Motivation und Geschichte. Geschichte der Logik Logik und Informatik

Motivation 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)

Mehr

Theoretische Informatik

Theoretische Informatik Theoretische Informatik von Dirk Hoffmann 2., aktualisierte Auflage Hanser München 2011 Verlag C.H. Beck im Internet: www.beck.de ISBN 978 3 446 42639 9 Zu Leseprobe schnell und portofrei erhältlich bei

Mehr

Grundlagen der Logik

Grundlagen der Logik Grundlagen der Logik Denken Menschen logisch? Selektionsaufgabe nach Watson (1966): Gegeben sind vier Karten von denen jede auf der einen Seite mit einem Buchstaben, auf der anderen Seite mit einer Zahl

Mehr

Grundlagen: 1. Logik. Aussagen und Aussagenformen Wahrheitstabellen; Tautologien und Kontradiktionen Logische Äquivalenz. Prädikate und Quantoren

Grundlagen: 1. Logik. Aussagen und Aussagenformen Wahrheitstabellen; Tautologien und Kontradiktionen Logische Äquivalenz. Prädikate und Quantoren Zusammenfassung Grundlagen Logik, Mengen, Relationen, Folgen & Mengenfamilien, Kardinalitäten Techniken Mathematisches Beweisen, Induktion, Kombinatorische Beweise Strukturen Graphen 1 Grundlagen: 1. Logik

Mehr

Grundlagen der Mathematik

Grundlagen der Mathematik Grundlagen der Mathematik Übungsaufgaben zu Kapitel 1 Einführung 1.1.1 Für reelle Zahlen a und b gilt (a+b) (a-b) = a 2 -b 2. Was ist die Voraussetzung? Wie lautet die Behauptung? Beweisen Sie die Behauptung.

Mehr

Collegium Logicum - Logische Grundlagen der Philosophie und der Wissenschaften Link

Collegium Logicum - Logische Grundlagen der Philosophie und der Wissenschaften Link Collegium Logicum - Logische Grundlagen der Philosophie und der Wissenschaften Band 1 von Godehard Link 1. Auflage Collegium Logicum - Logische Grundlagen der Philosophie und der Wissenschaften Link schnell

Mehr

Spezielle Themen der KI

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

Mehr

Zur Vorbereitung auf die Vorlesung Grundlagen der theoretischen Informatik Mo 4., Mi 6. und Fr. 8. Oktober in H/C 3310 um Uhr.

Zur Vorbereitung auf die Vorlesung Grundlagen der theoretischen Informatik Mo 4., Mi 6. und Fr. 8. Oktober in H/C 3310 um Uhr. M a t h e m a t i s c h e s P r o p ä d e u t i k u m Zur Vorbereitung auf die Vorlesung Grundlagen der theoretischen Informatik Mo 4., Mi 6. und Fr. 8. Oktober in H/C 3310 um14 00-16 00 Uhr. Erfahrungsgemäß

Mehr

Erfolg durch Wissen. Petershauser Straße 6, D Hohenkammer

Erfolg durch Wissen.  Petershauser Straße 6, D Hohenkammer Erfolg durch Wissen www.analyticalsemantics.com Petershauser Straße 6, D-85411 Hohenkammer Analytische Semantik SmartKnowledge im Unternehmen der vernünftige Einstieg für Mittelstandsunternehmen in Industrie

Mehr

{P} S {Q} {P} S {Q} {P} S {Q} Inhalt. Hoare-Kalkül. Hoare-Kalkül. Hoare-Tripel. Hoare-Tripel. Hoare-Tripel

{P} S {Q} {P} S {Q} {P} S {Q} Inhalt. Hoare-Kalkül. Hoare-Kalkül. Hoare-Tripel. Hoare-Tripel. Hoare-Tripel Inhalt Hoare-Kalkül Formale Verifizierung Hoare-Kalkül while-sprache Terminierung Partielle / totale Korrektheit 4.0 Hoare-Kalkül entwickelt von C.A.R. (Tony) Hoare (britischer Informatiker), 1969 formales

Mehr

Gliederung. Mengen und operationen. Relationen. Funktionen. Kardinalität von Mengen. Formale Grundlagen der Informatik Knorr/Fuchs SS 2000

Gliederung. Mengen und operationen. Relationen. Funktionen. Kardinalität von Mengen. Formale Grundlagen der Informatik Knorr/Fuchs SS 2000 Gliederung Mengen und operationen Relationen Funktionen Kardinalität von Mengen Mengen, Relationen, Funktionen 1 Mengen Definition (Naive Mengenlehre) Eine Menge ist die Zusammenfassung von Elementen unserer

Mehr

Formale Methoden 2. Gaetano Geck Lehrstuhl I Logik in der Informatik WS 2014/2015

Formale Methoden 2. Gaetano Geck Lehrstuhl I Logik in der Informatik WS 2014/2015 Formale Methoden 2 Gaetano Geck Lehrstuhl I Logik in der Informatik WS 2014/2015 Teil 1: Mengenlehre 1 Mengen Einleitung Beschreibung und Beispiele Operationen Verhältnisse Kartesisches Produkt 2 Relationen

Mehr

Der semantische Discovery Service YEWNO - ein Pilotprojekt an der Bayerischen Staatsbibliothek. Dr. Berthold Gillitzer Bayerische Staatsbibliothek

Der semantische Discovery Service YEWNO - ein Pilotprojekt an der Bayerischen Staatsbibliothek. Dr. Berthold Gillitzer Bayerische Staatsbibliothek 1 Der semantische Discovery Service YEWNO - ein Pilotprojekt an der Bayerischen Staatsbibliothek Dr. Berthold Gillitzer Bayerische Staatsbibliothek Bibliotheken und die digitale Welt sind wir schon angekommen?

Mehr

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

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

Mehr

unter Verwendung von Folien von Herrn Prof. Dr. Flensburg, von Laudon/Laudon/Schoder und von Frau Prof. Dr. Schuhbauer

unter Verwendung von Folien von Herrn Prof. Dr. Flensburg, von Laudon/Laudon/Schoder und von Frau Prof. Dr. Schuhbauer Knowledge Management Wissensmanagement 0. Produktionsfaktoren 1. Data Information Knowledge 2. Knowledge representation Wissensdarstellung 3. Interfaces to artificial intelligence 4. Knowledge management

Mehr

Fuzzy Logic und Wahrscheinlichkeit

Fuzzy Logic und Wahrscheinlichkeit Philosophische Fakultät Institut für Philosophie, Lehrstuhl für Theoretische Philosophie, Holm Bräuer M.A. Fuzzy Logic und Wahrscheinlichkeit Ein Kurzüberblick Was ist Fuzzy Logic? Fuzzy-Logik (englisch:

Mehr

Einführung in die Künstliche Intelligenz

Einführung in die Künstliche Intelligenz Einführung in die Künstliche Intelligenz Vorlesung WS 2004/05 Joachim Hertzberg, Andreas Nüchter (Übungen) Institut für Informatik Abteilung Wissensbasierte Systeme 1 Web-Seite Organisatorisches http://www.inf.uos.de/hertzberg/lehre/2004_ws/vorlesung_ki-intro/ki_ws04.html

Mehr