ISA-Hierarchie und Vererbung. Alternative Notationen. 1 KI und symbolische Repräsentation. Methoden der KŸnstlichen Intelligenz

Größe: px
Ab Seite anzeigen:

Download "ISA-Hierarchie und Vererbung. Alternative Notationen. 1 KI und symbolische Repräsentation. Methoden der KŸnstlichen Intelligenz"

Transkript

1 ReprŠsentation einer Szene 1 KI und symboische Repräsentation 3. Voresung: Aternative Notationen: Semantische Netze; Frames Methoden der KŸnstichen Inteigenz Ipke Wachsmuth ÊWS 2000/2001 bock-2 bock-1 tabe-1 ( bock-2 bock) u as Menge ogischer Formen (coor bock-2 red) (supported-by bock-2 bock-1) u as semantisches Netz ( bock-1 bock) (coor bock-1 yeow) (supported-by bock-1 tabe-1) ( tabe-1 tabe) bock tabe red bock-2 bock-1 tabe-1 coor supported-by coor supported-by yeow 3. Voresung Methoden der KŸnstichen Inteigenz 2 Indexing-Schemata können aber auch in prädikatenogischen Repräsentationen eingeführt werden. --> später Aternative Notationen Semantische Netze (auch: "assoziative Netze") und prädikatenogische Formen repräsentieren die geiche Information in unterschiedichem Format: Knoten entsprechen Termen markierte gerichtete Kanten entsprechen Prädikaten d.h. es handet sich um aternative Notationen, nicht prinzipie verschiedene Repräsentationen! WAS IST ABER ANDERS? Zusätzich enten semantische Netze pointer (und manchma auch back pointer ), die den Zugriff auf assoziierte Information (z.b. Instanzen) einfach machen: INDEXING ISA: Òis aó Òist einó ACHTUNG: Manchma für Eement- und ako für Teimengen-Beziehung! AKO: Òa kind ofó ISA-Hierarchie und Vererbung Schüssekonzept der KI aus der Tradition semantischer Netze Instanzen "erben" Eigenschaften, die Individuenmengen (Kassen) zugeschrieben werden. Dies kann sich über ganze ISA-Hierarchien fortpfanzen. INHERITANCE OF PROPERTIES Zweck: Ökonomie in der Wissensrepräsentation > Suche entang von - und -inks, um nicht direkt verfügbare Information zu gewinnen (durch Vererbung). entspricht entspricht 3. Voresung Methoden der KŸnstichen Inteigenz 3 3. Voresung Methoden der KŸnstichen Inteigenz 4

2 Beispie einer ISA-Hierarchie Idee von Eigenschaftsvererbung property-inheritance-ink amoeba Weche Dinge haben Streifenmuster? striped property-ink can anima egs pattern has-part tiger higher anima move eephant 3. Voresung Methoden der KŸnstichen Inteigenz 5 Kann Cyde sich bewegen? cyde has-part head Haben Tiere Beine? coor fred Was ist ein Eefant? gray ACHTUNG unterscheide: Property-inks von Kassen- Knoten eines semantischen Netzes (dog,mamma): impizit aquantifizierte Assertionen* Property-inks von Instanz- Knoten (fido,fifi): assertierte Fakten für Individuen z.b. (sex fifi femae) Type versus Token! femae true mamma 4 meat sex 3. Voresung Methoden der KŸnstichen Inteigenz 6 furry eats fifi dog numegs friendiness fido high sex mae *Beispie: prädikatenogische Rekonstruktion der dog-properties (fora(x)(if ( x dog) (and (friendiness x high) (eats x meat)))) Auch dies sind prädikatenogische Repräsentationen, die jedoch (durch die Sot-Prädikate) mehr ausdrücken as die oberen: Funktionae Struktur Sot-Assertion-Notation Zweck: Ausdruck funktionaer Beziehungen Beispiee. (catch-object jack-2 ba-5) (catch-object petra-1 keue-3) Prädikat werden repräsentiert as: Argumente (sots) ( catch-22 catch-object) (catcher catch-22 jack-2) (caught catch-22 ba-5) ( catch-23 catch-object) (catcher catch-23 petra-1) (caught catch-23 keue-3) Aus einer Menge von Fakten (Assertionen) wird ein "objektzentriertes" Format. Objekt hier: Das "catch-object- Ereignis catch-22" Sot-and-Fier Notation (Frames) Die verschiedenen Sot-Assertions werden zu einem strukturierten Ausdruck kombiniert: Aus (catch-object catch-22 ) (catcher catch-22 jack-2) (caught catch-22 ba-5) wird (catch-object catch-22 (catcher (caught Agemeine Struktur: (catch-object <token> (catcher (caught jack-2) ba-5)) <token>) <token>)) 3. Voresung Methoden der KŸnstichen Inteigenz 7 3. Voresung Methoden der KŸnstichen Inteigenz 8

3 Objekte/Frames u Formaismen, mit denen eine Menge von Fakten strukturiert ökonomisch mit Basiswissen über die Verwendung abgespeichert werden kann. Kernideen von Frames (bzw. agemein von objektzentrierten Repräsentationen) u Vererbungshierarchien u zugeordnete Prozeduren u Erwartungswerte (Defauts) z.b.: Eefant : ist_ein : Säugetier : Rüsse Größe : groß Lebensraum : Boden u Verwendungsaspekte a) Eigenschaftszuschreibung b) Kassifikation anhand von Eigenschaften 3. Voresung Methoden der KŸnstichen Inteigenz 9 3. Voresung Methoden der KŸnstichen Inteigenz 10 Vererbungshierarchie - Beispie Konzepthierarchien Säugetier : ist_ein : Wirbetier Vermehrung : ebendgebärend Eefant : ist_ein : Säugetier : Rüsse Größe : groß Lebensraum : Boden Lebewesen Tier SŠugetier Haustier Hund Bemerkungen: Manchma wird für Objekt auch Konzept gesagt. Manchma wird für Hierarchien wie inks auch Heterarchien gesagt. Es gibt viee Weisen, Hierarchien bzw. Heterarchien für eine Wet anzugeben. 3. Voresung Methoden der KŸnstichen Inteigenz Voresung Methoden der KŸnstichen Inteigenz 12

4 Vererbungshierarchien Zugeordnete Prozeduren u dienen der ökonomischen Datenung Objekte (genaugenommen Objektkassen) werden in Hierarchien strukturiert individuee Eigenschaften werden beim Objekt sebst abgespeichert agemeine Eigenschaften werden den Vorgängern in der Hierarchie zugeordnet und an ae Nachfoger vererbt u fexiber: Vererbungsheterarchien Vererbung der Eigenschaften mehrerer Vorgänger mögich Mögichkeit der gezieten Unterdrückung einzener Eigenschaften u (keine) Programme, die einer Eigenschaft eines Objektes zugeordnet sind und bei jedem Lese- oder Schreibzugriff auf dessen Wert ausgeführt werden, etwa um: aus vorhandenen Parametern neue zu berechnen, z.b. Ater aus Geburtsdatum Werteänderungen zu überwachen, z.b. bei jedem Schreibzugriff den neuen Wert auf dem Bidschirm anzeigen (active vaues) u Zugeordnete Prozeduren können in einer Objekthierarchie (ähnich wie Werte) vererbt werden. 3. Voresung Methoden der KŸnstichen Inteigenz Voresung Methoden der KŸnstichen Inteigenz 14 Erwartungswerte (Defauts) Von semantischen Netzen... u Vorbeegungen von Werten, die normaerweise, aber nicht immer stimmen und daher durch konkrete Informationen überschrieben werden können. u Beispie: Wirbetier Bewegichkeit ist_ein SŠugetier sebstbewegend Kopf (Voge Fugfähigkeit ja) (Pinguin ist_ein Voge) (Pinguin Fugfähigkeit nein) (typischerweise kšnnen Všge fiegen) generische Eigenschaft ebendgebšrend Vermehrung gro Grš e ist_ein Eefant Beine Farbe u ACHTUNG: Der Einsatz von Defauts kann erfordern, daß Schußfogerungen zurückgezogen werden müssen. individuee Eigenschaft Zahnweh Boden Lebensraum cyde fred RŸsse 3. Voresung Methoden der KŸnstichen Inteigenz Voresung Methoden der KŸnstichen Inteigenz 16

5 ... zu Frames (Ausschnitt) Säugetier : ist_ein : Wirbetier Vermehrung : ebendgebärend Eefant : ist_ein : Säugetier : Rüsse Größe : groß Lebensraum : Boden 3. Voresung Methoden der KŸnstichen Inteigenz 17 Beispiesprache FRL (1977) u Frame (für jeweis ein Objekt) u Sots (für Eigenschaften) u Facetten (für Wertarten ) $vaue ; tatsšchicher Wert des Sots $require ; Wertebereich fÿr $vaue $defaut ; Erwartungswert (Standardannahme) $if-added ; auszufÿhren bei Eintrag eines Werts fÿr $vaue $if-removed ; auszufÿhren bei Lšschen eines Werts fÿr $vaue $if-needed ; auszufÿhren fas $vaue-wert benštigt wird u Werte (Frame Representation Language) ãwerteò kšnnen auch (Lisp-) Prozeduren sein. 3. Voresung Methoden der KŸnstichen Inteigenz 18 Vererbungshierarchien in FRL Probematik von Defauts Frame Eefant Sot Facette Wert AKO $vaue Säugetier Eefant : ist_ein : Säugetier :... Größe :... Lebensraum :... u FRAGE: Was ist groß,, einen Rüsse und ebt auf Bäumen? Frame Cyde Sot Facette Wert AKO $vaue Eefant ACHTUNG: Eigentich zu unterscheiden: generische Objekte (Objektkassen) individuee Objekte (Instanzen) Cyde : ist_ein : Eefant... :... Größe :... Lebensraum :... Manche Frame-Sprachen unterscheiden daher ISA- und AKO-Sots! 3. Voresung Methoden der KŸnstichen Inteigenz 19 u ANTWORT: Ein Eefant die Bäume sind eine Abweichung bezügich des Lebensraums typischer Eefanten. (Brachmann, 1985) 3. Voresung Methoden der KŸnstichen Inteigenz 20

6 Kritik an Frame-Sprachen/FRL Ursprung von Frames u Ae Zusicherungen können durch Ausnahmen überschrieben werden. u Eine automatische Kassifikation neuer Objekte anhand ihrer Eigenschaften ist daher nicht mögich. u Radikae Konsequenz: Erwartungswerte (Defauts) und Abweichungen bei der Objekt-Definition verbieten. È Grundidee der KL-ONE-Sprachen (spšter) Marvin Minsky (1975): A framework for representing knowedge. In P.H. Won (ed.): The Psychoogy of Computer Vision. New York: McGraw-Hi. Kognitive Theorie über: u Wiedererkennen von stereotypen Objekten (z.b. Wohnzimmer) u Handen bei stereotypen Ereignissen (z.b. Kindergeburtstag) u Beantwortung von Fragen über stereotype und konkrete Objekte Nur der dritte Aspekt ist in FRL und den meisten Frame-Sprachen berücksichtigt. 3. Voresung Methoden der KŸnstichen Inteigenz Voresung Methoden der KŸnstichen Inteigenz 22 <Frame-Bid> RŸckbick auf Tei 1 Was ist Künstiche Inteigenz? Ziee und Vorhaben der KI Symboverarbeitung; interne Repräsentation Eindeutigkeitsforderung: referentie, semantisch, funktiona Prädikatenkakü; Inferenzregen Aternative Notationen (Logik, semantische Netze, Frames) Verwendung: Eigenschaftszuschreibung bzw. Kassifikation Leseempfehung heute: u Charniak & McDermott, Kapite 1, Seite Voresung Methoden der KŸnstichen Inteigenz Voresung Methoden der KŸnstichen Inteigenz 24

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

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

Intelligenter Agent: 1. Modell. Methoden der KI WS 2000/ Ausgewählte Themen

Intelligenter Agent: 1. Modell. Methoden der KI WS 2000/ Ausgewählte Themen UniversitŠt Bieefed UniversitŠt Bieefed Ziee der KI, kurz gesagt 9 Ausgewähte Themen 29. Voresung: Wiederhoung und Zusammenfassung Tei 1 Methoden der KŸnstichen Inteigenz Ipke Wachsmuth ÊWS 2000/2001 KŸnstiche

Mehr

Indexieren von PL-Formeln. Fetch-Pattern (ãhol-musterò) 4 Logik und Inferenz. Methoden der KŸnstlichen Intelligenz

Indexieren von PL-Formeln. Fetch-Pattern (ãhol-musterò) 4 Logik und Inferenz. Methoden der KŸnstlichen Intelligenz Indexing Accessibiity is just as important as content 4 Logik und Inferenz 12. Voresung: Indexing; Assoziative Netzwerke Inferenz durch Graphsuche Methoden der KŸnstichen Inteigenz Ipke Wachsmuth ÊWS 2000/2001

Mehr

u Repräsentationsformalismen WissensreprŠsentation: Aufgaben 3 Wissensrepräsentation und Modellierung Methoden der KŸnstlichen Intelligenz

u Repräsentationsformalismen WissensreprŠsentation: Aufgaben 3 Wissensrepräsentation und Modellierung Methoden der KŸnstlichen Intelligenz bersicht 3 Wissensrepräsentation und Modeierung 5. Voresung: Repräsentationssprachen u Aspekte der Wissensrepräsentation u Conceptua Primitives Ansatz u Frame-Sprachen Methoden der KŸnstichen Inteigenz

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

1 Symbolische Repräsentation

1 Symbolische Repräsentation 1 Symbolische Repräsentation 3. Vorlesung: Wissensrepräsentation von Frames zu KL-ONE Methoden der Künstlichen Intelligenz Ipke Wachsmuth WS 2008/2009 Wissensrepräsentation: 2 Aufgaben Entwurf von Repräsentationsformalismen

Mehr

1 Symbolische Repräsentation

1 Symbolische Repräsentation 1 Symbolische Repräsentation 3. Vorlesung: Wissensrepräsentation von Frames zu KL-ONE Methoden der Künstlichen Intelligenz Ipke Wachsmuth WS 2010/2011 Wissensrepräsentation: 2 Aufgaben Entwurf von Repräsentationsformalismen

Mehr

1 Symbolische Repräsentation

1 Symbolische Repräsentation 1 Symbolische Repräsentation 3. Vorlesung: Wissensrepräsentation von Frames zu KL-ONE Methoden der Künstlichen Intelligenz Ipke Wachsmuth WS 2012/2013 Wissensrepräsentation: 2 Aufgaben Entwurf von Repräsentationsformalismen

Mehr

Kernfragen der Vorlesung. Allgemeines Problemlšsemodell. 3 Problemlösen und Suche. Methoden der KŸnstlichen Intelligenz

Kernfragen der Vorlesung. Allgemeines Problemlšsemodell. 3 Problemlösen und Suche. Methoden der KŸnstlichen Intelligenz Was ist Probemšsen? 3 Probemösen und Suche 7. Voresung: Suchprobeme und Suchagorithmen; Heuristische Suche Methoden der KŸnstichen Inteigenz Ipke Wachsmuth ÊWS 2000/2001 Unter Probemšsen versteht man das

Mehr

Aussagenlogische Schlu regeln. Theorembeweisen: Strategien. 4 Logik und Inferenz. Methoden der KŸnstlichen Intelligenz

Aussagenlogische Schlu regeln. Theorembeweisen: Strategien. 4 Logik und Inferenz. Methoden der KŸnstlichen Intelligenz bersicht 4 Logik und Inferenz 11. Voresung: Unifikation; Vorwärts- und Rückwärtsverkettung, Goa Trees Methoden der KŸnstichen Inteigenz Ipke Wachsmuth ÊWS 2000/2001 u Unifikation; Vorwärts- und Rückwärtsverkettung

Mehr

Abgrenzung & Ausgangspunkte. Was ist KŸnstliche Intelligenz? 1 KI und symbolische Repräsentation. Methoden der KŸnstlichen Intelligenz

Abgrenzung & Ausgangspunkte. Was ist KŸnstliche Intelligenz? 1 KI und symbolische Repräsentation. Methoden der KŸnstlichen Intelligenz Was ist Inteigenz? 1 KI und symboische Repräsentation 1. Voresung: Einführung Methoden der KŸnstichen Inteigenz Ipke Wachsmuth ÊWS 2000/2001 [Phiosophisches Wšrterbuch, 1976] [Wšrterbuch zu den phiosophischen

Mehr

General Problem Solver Ð GPS (Newell, Simon und Shaw) Hauptaspekt von ãmeans-endsò. 5 Problemlösen und Suche. Methoden der KŸnstlichen Intelligenz

General Problem Solver Ð GPS (Newell, Simon und Shaw) Hauptaspekt von ãmeans-endsò. 5 Problemlösen und Suche. Methoden der KŸnstlichen Intelligenz Probemšsestrategien 5 Probemösen und Suche 8. Voresung: Means-Ends-Anaysis, Diskriminationsnetze; Goa Trees Methoden der KŸnstichen Inteigenz Ipke Wachsmuth ÊWS 000/00 8. Voresung Methoden der KŸnstichen

Mehr

(Dieser Foliensatz basiert auf Material von Mirjam Minor, Humboldt- Universität Berlin, WS 2000/01, sowie von Andreas Abecker/Knut Hinkelmann)

(Dieser Foliensatz basiert auf Material von Mirjam Minor, Humboldt- Universität Berlin, WS 2000/01, sowie von Andreas Abecker/Knut Hinkelmann) Kapitel 9: Frames (Dieser Foliensatz basiert auf Material von Mirjam Minor, Humboldt- Universität Berlin, WS 2000/01, sowie von Andreas Abecker/Knut Hinkelmann) Künstliche Intelligenz, Kapitel 9 Frames

Mehr

Expertensysteme. Schalenmodell zur KI. ãwissen ist MachtÒ Francis Bacon ( ) 6 Einführung in Expertensysteme

Expertensysteme. Schalenmodell zur KI. ãwissen ist MachtÒ Francis Bacon ( ) 6 Einführung in Expertensysteme 6 Einführung in Expertensysteme 16. Voresung: Regebasiertes Programmieren Expertensysteme Methoden der KŸnstichen Inteigenz Ipke Wachsmuth ÊWS 2000/2001 Expertensysteme Mit Expertensystemen wird versucht,

Mehr

Wiederholung / berblick. bersicht. Wdh: Allgemeiner Suchalgorithmus. 4 Problemlösen und Suche. Methoden der KŸnstlichen Intelligenz

Wiederholung / berblick. bersicht. Wdh: Allgemeiner Suchalgorithmus. 4 Problemlösen und Suche. Methoden der KŸnstlichen Intelligenz Wiederhoung / berbick 4 Probemösen und Suche 8. Voresung: Suche: Vermeidung wiederhoter Zustände; Goa Trees; Game Trees Methoden der KŸnstichen Inteigenz Bernhard Jung Ê WS 2001/2002 u VL 7: Agemeine Suchverfahren

Mehr

Programmierung in der KI. KI-Programmierung Ð Aufgaben. 2 Modellierung und Programmierung. Methoden der KŸnstlichen Intelligenz

Programmierung in der KI. KI-Programmierung Ð Aufgaben. 2 Modellierung und Programmierung. Methoden der KŸnstlichen Intelligenz Programmierstie 2 Modeierung und Programmierung 6. Voresung: KI-Programmierung. Lisp, PROLOG. Regebasiertes Programmieren Methoden der KŸnstichen Inteigenz Ipke Wachsmuth ÊWS 2000/2001 Die zugrundeiegenden

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

Frieder Harz. Religiöse Erziehung und Bildung

Frieder Harz. Religiöse Erziehung und Bildung Frieder Harz Reigiöse Erziehung und Bidung Thema Gück Beispiee für das gemeinsame Nachdenken über das Gück 1) Mit einer Geschichte, einer keinen Sprechszene, einem Bid u.ä. wird ein Impus gesetzt. z.b.

Mehr

Aufgaben und Lösungen Ausarbeitung der Übungsstunde zur Vorlesung Analysis I

Aufgaben und Lösungen Ausarbeitung der Übungsstunde zur Vorlesung Analysis I Aufgaben und en Ausarbeitung der Übungsstunde zur Voresung Anaysis I Wintersemester 2008/2009 Übung 7 Eineitung Vor den übichen Fragen bezügich der Unkarheiten in dem Hausaufgabenbatt so eine 15-minutige

Mehr

Mikroökonomische Theorie Kapitel 4: Produktion

Mikroökonomische Theorie Kapitel 4: Produktion Miroöonomische Theorie Kapite 4: Prodution Prof. Dr. W. Leininger / Dr. J. Frane 1 1. Wiederhoung: Neoassische Produtionsfuntion F(,) Output F(,) Ertragsgebirge Arbeit Kapita Definition Isoquante: { (,)

Mehr

UniversitŠt Bielefeld Von den Sinnen ins GedŠchtnis. Annahmen über den Informationsfluß beim Menschen ("ohne Gewähr") Über die Sinne empfangene

UniversitŠt Bielefeld Von den Sinnen ins GedŠchtnis. Annahmen über den Informationsfluß beim Menschen (ohne Gewähr) Über die Sinne empfangene Von den Sinnen ins GedŠchtnis 7 und Kommunikation 20. Voresung: Vom Iut zur internen Repräsentation am Beispie Methoden der KŸnstichen Inteigenz Ipke Wachsmuth ÊWS 2000/2001 Annahmen über den Informationsfuß

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

UniversitŠt Bielefeld Methoden der KI WS 2000/2001. l Abduktion und Hypothesenbildung; Induktion und Lernen

UniversitŠt Bielefeld Methoden der KI WS 2000/2001. l Abduktion und Hypothesenbildung; Induktion und Lernen UniversitŠt Bieefed UniversitŠt Bieefed Methoden der KI WS 2000/2001 9 Ausgewähte Themen 30. Voresung: Wiederhoung und Zusammenfassung Tei 2 Methoden der KŸnstichen Inteigenz Ipke Wachsmuth ÊWS 2000/2001

Mehr

Regeln. Wenn <Vorbedingung> dann <Aktion> Zwei Aktionstypen: Implikation (Deduktionen): Monotonie-Eigenschaft. Handlungen: keine Monotonie

Regeln. Wenn <Vorbedingung> dann <Aktion> Zwei Aktionstypen: Implikation (Deduktionen): Monotonie-Eigenschaft. Handlungen: keine Monotonie Regeln Wenn dann Zwei Aktionstypen: Implikation (Deduktionen): Monotonie-Eigenschaft Handlungen: keine Monotonie Beispiel für Implikationsregel: wenn (1) Nackensteife und (2) hohes

Mehr

Konzeptualisierung. WissensreprŠsentation: Aufgaben. 2 Modellierung und Programmierung. Methoden der KŸnstlichen Intelligenz

Konzeptualisierung. WissensreprŠsentation: Aufgaben. 2 Modellierung und Programmierung. Methoden der KŸnstlichen Intelligenz ReprŠsentationssprachen 2 Modeierung und Programmierung 4. Voresung: Repräsentationssprachen Methoden der KŸnstichen Inteigenz Ipke Wachsmuth ÊWS 2000/2001 u Bisang: Prädikatenogik und aternative Notationen

Mehr

Deklarative Formen der Wissensrepräsentation

Deklarative Formen der Wissensrepräsentation Semantische Netze Deklarative Formen der Wissensrepräsentation 1. Semantische Netze 2. Objekt-Attribut Attribut-Wert-Tripel 3. Frames (Schemata, Scripts) 4. Prädikatenlogik 5. Produktionsregeln Fisch Fisch

Mehr

Michael Tomasello Die kulturelle Entwicklung des menschlichen Denkens. suhrkamp taschenbuch wissenschaft

Michael Tomasello Die kulturelle Entwicklung des menschlichen Denkens. suhrkamp taschenbuch wissenschaft Michae Tomaseo Die kuturee Entwickung des menschichen Denkens suhrkamp taschenbuch wissenschaft Inhat Vorwort... 7 1 EinRätseundeineVermutung... 12 2 Bioogische und kuturee Vererbung................ 25

Mehr

Arten von Kontrollstrukturen. Constraint Satisfaction. Constraints. 4 Problemlösen und Suche. Methoden der KŸnstlichen Intelligenz

Arten von Kontrollstrukturen. Constraint Satisfaction. Constraints. 4 Problemlösen und Suche. Methoden der KŸnstlichen Intelligenz 4 Probemösen und Suche 9. Voresung: Constraint Satisfaction; Panen Methoden der KŸnstichen Inteigenz Bernhard Jung Ê WS 2001/2002 Eine ganze Reihe von Kontrostrukturen für die Suche ist entwicket worden,

Mehr

Vorlesung Inhaltsverzeichnis. 1. Einfache Rechnungen

Vorlesung Inhaltsverzeichnis. 1. Einfache Rechnungen 1. Einfache Rechnungen. Hife! 3. Geitkommazahen 4. Listen 5. Kompexe und ganze Zahen Voresung 30.11.018 Inhatsverzeichnis Einfache Rechnungen Sage kann aes was ein Taschenrechner kann, und das entweder

Mehr

Probabilistisches Schlie en. Beispiel: Regel mit Evidenzen. 5 Spezielle Schlußverfahren. Methoden der KŸnstlichen Intelligenz

Probabilistisches Schlie en. Beispiel: Regel mit Evidenzen. 5 Spezielle Schlußverfahren. Methoden der KŸnstlichen Intelligenz UniversitŠt Bieefed UniversitŠt Bieefed Unsicherheit, UnvostŠndigkeit 5 Speziee Schußverfahren 10. Voresung: Probabiistisches Schießen Nichtmonotones Schießen Methoden der KŸnstichen Inteigenz Bernhard

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

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

Vererbung P rogram m ieren 2 F örster/r iedham m er K apitel 11: V ererbung 1

Vererbung P rogram m ieren 2 F örster/r iedham m er K apitel 11: V ererbung 1 Vererbung 1 11.1 Motivation und Begriffsdefinitionen 11.2 Vorgehensweise und Implementierung 11.3 Arten von Vererbung 11.4 Konstruktoren 11.5 Abstrakte Klasse 11.6 Verschattung 11.7 Wurzelklasse Object

Mehr

Abgrenzung & Ausgangspunkte. Was ist KŸnstliche Intelligenz? 1 KI und symbolische Repräsentation. Methoden der KŸnstlichen Intelligenz

Abgrenzung & Ausgangspunkte. Was ist KŸnstliche Intelligenz? 1 KI und symbolische Repräsentation. Methoden der KŸnstlichen Intelligenz Was ist Inteigenz? 1 KI und symboische Repräsentation 1. Voresung: Einführung Methoden der KŸnstichen Inteigenz Bernhard Jung Ê WS 2001/2002 [Phiosophisches Wšrterbuch, 1976] [Wšrterbuch zu den phiosophischen

Mehr

Embodied Conversational Agents (nach Cassell, Sullivan, Prevost & Churchill 2000) STEVE Ð Ein pšdagogischer Agent (Rickel & Johnson, 1998, 2000)

Embodied Conversational Agents (nach Cassell, Sullivan, Prevost & Churchill 2000) STEVE Ð Ein pšdagogischer Agent (Rickel & Johnson, 1998, 2000) 6 Inteigente Systeme 15. Voresung: Embodied Conversationa Agents Methoden der KŸnstichen Inteigenz Bernhard Jung Ê WS 2001/2002 u Computer-generierte Figuren, die ähniche Eigenschaften wie Menschen in

Mehr

Objektorientierte Programmierung III

Objektorientierte Programmierung III Objektorientierte Programmierung III OOP Kapselung: Gruppierung von Daten und Funktionen als Objekte. Definieren eine Schnittstelle zu diesen Objekten. Vererbung: Erlaubt Code zwischen verwandten Typen

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

Bausteine professioneller Sprache

Bausteine professioneller Sprache Bausteine professioneer Sprache Kassifikationssysteme und deren Auswirkungen auf Denken und Handen Aufgeräumte Pfege kassifikationssysteme:sprache:bedeutung Wien, 3./4. November 2016 1 Crew: Apoo 13-Mission

Mehr

Kapitel 3: Indices und Sichten

Kapitel 3: Indices und Sichten Kapite 3: Indices und Sichten Eineitung Eineitung Giederung im fogenden: Kassifikation Aggregationsfunktionen, Materiaisierte Sichten u Grundsätziche Aternativen beim Updaten materiaisierter Sichten, u

Mehr

Definition von Diagnostik. Diagnostik versus Konstruktion. 6 Einführung in Expertensysteme. Methoden der KŸnstlichen Intelligenz

Definition von Diagnostik. Diagnostik versus Konstruktion. 6 Einführung in Expertensysteme. Methoden der KŸnstlichen Intelligenz UniversitŠt Bieefed UniversitŠt Bieefed Probemšsungsmethoden 6 Einführung in Expertensysteme 18. Voresung: Diagnostische Probemösungsmethoden Methoden der KŸnstichen Inteigenz Ipke Wachsmuth ÊWS 2000/2001

Mehr

Prinzipien der objektorientierten Programmierung (OOP)

Prinzipien der objektorientierten Programmierung (OOP) Die Ziele der OOP sind: - bessere Warbarkeit - Wiederverwendbarkeit 1.) Datenkapselung Prinzipien der objektorientierten Programmierung (OOP) Komplexe Datenstrukturen (wie zb ein Stack) werden vom Anwendungsprogramm

Mehr

Zwischenbericht Bakkalaureatsarbeit

Zwischenbericht Bakkalaureatsarbeit Zwischenbericht Bakkaaureatsarbeit Beispiekataog für EJB- Entwurfsmuster Ronny Kinger 1 Aufgabensteung Einarbeitung in existierende EJB-Entwurfsmuster Aufarbeitung des Hotebeispies aus [Cheesman] unabhängig

Mehr

Darstellung von Wissen

Darstellung von Wissen KARL HEINZ WAGNER Darstellung von Wissen Definition 1. Wissensrepräsentation Wissensrepräsentation ist die symbolische Darstellung von Wissen über einen Gegenstandbereich. Wir können dazu verschiedene

Mehr

6 Intelligente Systeme

6 Intelligente Systeme UniversitŠt Bieefed UniversitŠt Bieefed ãinteigenter AgentÒ (Mode) (angeehnt an Russe & Norvig, Kap. 2; siehe 2. Voresung) 6 Inteigente Systeme 14. Voresung:Einführung in Agentensysteme Methoden der KŸnstichen

Mehr

Tragwerksentwurf III+IV HS 2018

Tragwerksentwurf III+IV HS 2018 S. 1 / 6 Lernzie Entwicken des Verständnisses für Kräfteveräufe im bau unter variierenden Last- und Aufagersituationen sowie verschiedenen Fachwerkgeometrien. Aufgabe 1 Kräfteverauf in Fachwerkträgern

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

13 Abstrakte Datentypen

13 Abstrakte Datentypen 13 Abstrakte Datentypen Bisher: Konkrete Datentypen Menge von Elementen Operationen auf den Elementen (Konstruktoren, Selektoren, Typprädikate) Eigenschaften abgeleitet Jetzt: Abstrakte Datentypen (ADT)

Mehr

Was fehlt den semantischen Netzen?

Was fehlt den semantischen Netzen? Semantische Netze Grundidee RDF SPARQL Was fehlt den semantischen Netzen? Beschreibungslogiken Web Ontology Language OWL I. Boersch Jun-13 1 Auch: Topic Maps, Mindmaps Ross Quillian, 1967 Ziel: Sprachverarbeitung

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

Wertebereiche, Overflow und Underflow

Wertebereiche, Overflow und Underflow Wertebereiche, Overflow und Underflow s exponent fraction 1 Bit 8 Bits 23 Bits Kleinste darstellbare nicht negative Zahl annähernd 2,0 * 10 38 Größte darstellbare Zahl annähernd 2,0 * 10 38 Was, wenn die

Mehr

6 Modellierung von Strukturen 6.1 Kontextfreie Grammatiken

6 Modellierung von Strukturen 6.1 Kontextfreie Grammatiken 6 Modellierung von Strukturen 6.1 Kontextfreie Grammatiken Mod-6.1 Kontextfreie Grammatik (KFG): formaler Kalkül, Ersetzungssystem; definiert Sprache als Menge von Sätzen; jeder Satz ist eine Folge von

Mehr

IEEE 754 Encoding. Wie stellt man im IEEE 754 Format eigentlich die 0 dar!? Double Precision (Bias=1023)

IEEE 754 Encoding. Wie stellt man im IEEE 754 Format eigentlich die 0 dar!? Double Precision (Bias=1023) IEEE 754 Encoding Wie stellt man im IEEE 754 Format eigentlich die 0 dar!? ( 1) S * (1 + Fraction) * 2 (Exponent Bias) Single Precision (Bias=127) Double Precision (Bias=1023) Dargestelltes Objekt Exponent

Mehr

SFW-Block (1) SFW-Block (2)

SFW-Block (1) SFW-Block (2) Tupetabee Wert Attribute SFW-Bock (1 Grundgerüst einer SQL-Anfrage: SFW-Bock SELECT FROM [WHERE [GROUP BY [HAVING Projektionsiste Tabeenausdruck Prädikat] Attributiste] Gruppenprädikat] Was ist das Ergebnis

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) Wozu brauchen wir Begriffe? Mit dieser Frage beginnt J. Hoffmann

Mehr

Teleosemantik / Biosemantik

Teleosemantik / Biosemantik Teleosemantik / Biosemantik Vorlesung: Was ist Naturalismus? FS 13 / Di 10-12 / Markus Wild & Rebekka Hufendiek Sitzung 10 (6.5.2013) Vertreterinnen Ruth Millikan Karen Neander Vertreter Fred Dretske David

Mehr

Kapitel 4 Ereignisdiskrete Systeme (V)

Kapitel 4 Ereignisdiskrete Systeme (V) Systemmodellierung Teil 1: Ereignisdiskrete Systeme Kapitel 4 Ereignisdiskrete Systeme (V) Petrinetze ctnd. Eigenschaften von Petrinetzen (BE-Netze) Konflikt Kontakt Livelock, Deadlock Lebendigkeit Reversibilität

Mehr

Programmierkurs. SoSe Markus Geveler Inst. f. Applied Mathematics, TU Dortmund.

Programmierkurs. SoSe Markus Geveler Inst. f. Applied Mathematics, TU Dortmund. Programmierkurs SoSe 2013 Markus Geveler Inst. f. Applied Mathematics, TU Dortmund markus.geveler@math.tu-dortmund.de Lesson 5 Was machen wir heute hier? weiter mit Objektorientierter Programmierung viel

Mehr

Prof. Dr. Oliver Haase Karl Martin Kern Achim Bitzer. Programmiertechnik Objektorientierung

Prof. Dr. Oliver Haase Karl Martin Kern Achim Bitzer. Programmiertechnik Objektorientierung Prof. Dr. Oliver Haase Karl Martin Kern Achim Bitzer Programmiertechnik Objektorientierung Was ist Objektorientierung Es einige Grundprinzipien, die (fast) allen Definitionen des Begriffs Objektorientierung

Mehr

E > 0. V eff (r) r. V eff,min < E < 0. r min. V (r)

E > 0. V eff (r) r. V eff,min < E < 0. r min. V (r) II.2 Zwei-Körper-Systeme 43 2 2µr 2 r min E > 0 r V eff (r) r max r min V eff,min < E < 0 V (r) E < V eff,min Abbidung II.4 Effektives Potentia V eff (r) für das Keper-Probem. Mit dem newtonschen Gravitationspotentia

Mehr

High-Level Petrinetze. SE Analyse von Petrinetzen Jan Sürmeli

High-Level Petrinetze. SE Analyse von Petrinetzen Jan Sürmeli High-Level Petrinetze SE Analyse von Petrinetzen Jan Sürmeli 13.02.2008 Motivation: 3 Philosophen, Low Level 2 Motivation: 4 Philosophen, Low Level 3 Motivation: Ein Lösungsansatz Petrinetze werden schnell

Mehr

7 Memory Organization und Deduktion

7 Memory Organization und Deduktion 7 Memory Organization und Deduktion 17. Vorlesung: Speicherorganisation: Indexing; Assoziative Netzwerke Was sind Ziele und Vorhaben der KI? Wie lassen sich Probleme durch (geschickte) Suche lösen? Wie

Mehr

Prof. Dr. Wolfgang Reisig. Humboldt-Universität zu Berlin Institut für Informatik Lehrstuhl für Theorie der Programmierung

Prof. Dr. Wolfgang Reisig. Humboldt-Universität zu Berlin Institut für Informatik Lehrstuhl für Theorie der Programmierung Prof. Dr. Wofgang Reisig Humbodt-Universität zu Berin Institut für Informatik Lehrstuh für Theorie der Programmierung Schechte Erfahrungen Jeder kann sich steigern Wie hät man einen guten Vortrag? 2 Hintergrund

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

N Bit Darstellung von Gleitkommazahlen

N Bit Darstellung von Gleitkommazahlen N Bit Darstellung von Gleitkommazahlen Normalisierte, wissenschaftliche Darstellung zur Basis 2. Beispiel: Allgemein: Sign and Magnitude Darstellung für beispielsweise 32 Bits: (s=0 für + und s=1 für )

Mehr

Darstellung, Verarbeitung und Erwerb von Wissen

Darstellung, Verarbeitung und Erwerb von Wissen Darstellung, Verarbeitung und Erwerb von Wissen Gabriele Kern-Isberner LS 1 Information Engineering TU Dortmund Wintersemester 2015/16 WS 2015/16 G. Kern-Isberner (TU Dortmund) DVEW WS 2015/16 1 / 222

Mehr

Berechnung von Wurzeln

Berechnung von Wurzeln Sieginde Fürst Berechnung von Wurzen Rekursive Fogen Zinseszinsforme; Heronverfahren Inhate Berechnung eines mit Zinsesezins verzinsten Kapitas auf zwei Arten Heronforme Einschranken von Wurzen Ziee Erernen

Mehr

Kapitel 2: Mathematik- und Informatik-Grundlagen

Kapitel 2: Mathematik- und Informatik-Grundlagen Kapite 2: Mathematik- und Informatik-Grundagen einer Menge gibt an, wie zufäig die Daten in einer Menge verteit sind (bzw. wie zufäig die Ausprägung eines Attributs in einer Menge von Objekten ist), auch

Mehr

Prüfung in Methode der finiten Elemente. Matrikelnummer: Studiengang: Wiederholer

Prüfung in Methode der finiten Elemente. Matrikelnummer: Studiengang: Wiederholer Universität Stuttgart INSTITUT MECH NIK FUR Prüfung in Methode der finiten Eemente Name, Vorname: Matrikenummer: Studiengang: Wiederhoer Emai: Unterschrift: Hauptfach: Bitte beachten Sie Fogendes: 1. Es

Mehr

BKTM - Programmieren leicht gemacht.

BKTM - Programmieren leicht gemacht. + C - Zeichenketten Aufbau von Zeichenketten Ein weiteres Array was sehr häufig benutzt wird ist die Zeichenkette oder String. Dabei wird in jedem Eement des Arrays ein Zeichen gespeichert. Zeichen können

Mehr

Der Zahlenformatstandard IEEE 754

Der Zahlenformatstandard IEEE 754 Der Zahlenformatstandard IEEE 754 Single Precision Double Precision Insgesamt 32 Bits s exponent fraction 1 Bit 8 Bits 23 Bits Insgesamt 64 Bits s exponent fraction 1 Bit 11 Bits 52 Bits Bit Aufteilungen

Mehr

Java Einführung Vererbung und Polymorphie. Kapitel 13

Java Einführung Vererbung und Polymorphie. Kapitel 13 Java Einführung Vererbung und Polymorphie Kapitel 13 Inhalt Klassifikation (UML) Implementierung von Vererbungshierarchien Überschreiben von Methoden Polymorphismus: Up-Casting und Dynamisches Binden Schlüsselwort

Mehr

Vererbung und Polymorphie

Vererbung und Polymorphie page1 Vererbung und Polymorphie Florian Adamsky, B Sc florianadamsky@iemthmde http://florianadamskyit/ cbd So wareentwicklung im SS 2014 page2 Outline 1 Ein ührung 2 Vererbung Formen der Vererbung 3 Polymorphie

Mehr

Das Erstgespräch. sein will?

Das Erstgespräch. sein will? 34 Kapite 2 Die Akquisitionsphase Das Erstgespräch Grundannahmen des Handens Das Ereben der Wirkichkeit ist das Ergebnis der Wahrnehmungsfokussierung Wie unterstütze ich meinen Coachee, das zu sein, was

Mehr

Mathematische Probleme, SS 2013 Donnerstag $Id: convex.tex,v /10/22 15:58:28 hk Exp $

Mathematische Probleme, SS 2013 Donnerstag $Id: convex.tex,v /10/22 15:58:28 hk Exp $ $Id: convex.tex,v.2 203/0/22 5:58:28 hk Exp $ 3 Konvexgeometrie 3.2 Die patonischen Körper Ein patonischer Körper von Typ (n, m) ist ein konvexer Poyeder dessen Seitenfäche ae geichseitige n-ecke und in

Mehr

Dynamische Datentypen. Destruktor, Copy-Konstruktor, Zuweisungsoperator, Dynamischer Datentyp, Vektoren

Dynamische Datentypen. Destruktor, Copy-Konstruktor, Zuweisungsoperator, Dynamischer Datentyp, Vektoren Dynamische Datentypen Destruktor, Copy-Konstruktor, Zuweisungsoperator, Dynamischer Datentyp, Vektoren Probleme mit Feldern (variabler Länge) man kann sie nicht direkt kopieren und zuweisen Probleme mit

Mehr

3.7 Sonderprobleme Ausnutzung der Symmetrie und Antimetrie. Größe. Belastung

3.7 Sonderprobleme Ausnutzung der Symmetrie und Antimetrie. Größe. Belastung VORLESUGSAUSKRIPT BAUSTATIK I II (UVERTIEFT).7 Sonderrobeme.7. Ausnutzung der Symmetrie und Antimetrie Durch die Ausnutzung der Symmetrie und Antimetrie kann der Grad der statischen Unbestimmtheit (u.

Mehr

Kapitel 1 Warum und wie ich eine gute Meinung von mir haben sollte

Kapitel 1 Warum und wie ich eine gute Meinung von mir haben sollte 19 Kapite 1 Warum und wie ich eine gute Meinung von mir haben sote Ich föße anderen so vie Vertrauen ein, wie ich mir sebst vertraue. Dieses Vertrauen ist einer der Schüsse zum Erfog. Sebstvertrauen zu

Mehr

Isabel García. Wie du dich besser durchsetzen kannst und Prüfungssituationen souverän meisterst

Isabel García. Wie du dich besser durchsetzen kannst und Prüfungssituationen souverän meisterst Isabe García Wie du dich besser durchsetzen kannst und Prüfungssituationen souverän meisterst REDEN WORAUF ES ANKOMMT Du weißt jetzt, dass du MIT und OHNE Worte kommunizieren kannst. Nun gehen wir einen

Mehr

Beweis: Die obere Schranke ist klar, da ein Binärbaum der Höhe h höchstens

Beweis: Die obere Schranke ist klar, da ein Binärbaum der Höhe h höchstens Beweis: Die obere Schranke ist klar, da ein Binärbaum der Höhe h höchstens h 1 2 j = 2 h 1 j=0 interne Knoten enthalten kann. EADS 86/600 Beweis: Induktionsanfang: 1 ein AVL-Baum der Höhe h = 1 enthält

Mehr

Programmierung im Grossen

Programmierung im Grossen 1 Letzte Aktualisierung: 16. April 2004 Programmierung im Grossen Bertrand Meyer 2 Vorlesung 4: Abstrakte Daten-Typen Übungen 3 Passe die vorhergehende Spezifikation von Stacks (LIFO, Last-In First-Out

Mehr

Objektorientierte Programmierung mit CLOS

Objektorientierte Programmierung mit CLOS Objektorientierte Programmierung mit CLOS Konzeptuelle Grundlagen Die Ausführung eines Programms, das in einer objektorientierten Programmiersprache geschrieben wurde, kann als ein Kommunikationsprozess

Mehr

UniversitŠt Bielefeld zum Begriff ãkommunikationò allg.: Verbindung, Verbundenheit; communicari [lat.]: teilen, mitteilen.

UniversitŠt Bielefeld zum Begriff ãkommunikationò allg.: Verbindung, Verbundenheit; communicari [lat.]: teilen, mitteilen. zm Begriff ãkommnikationò ag.: Verbindng, Verbndenheit; commnicari [at.]: teien, mitteien 7 Sprache nd Kommnikation 22. Voresng: Sitierte Kommnikation; Sprache nd Gestik wechseseitige, weitgehend beabsichtigte

Mehr

Ein Vortrag im Rahmen des Wahlpflichtmoduls Fortgeschrittene Programmierung mit JAVA

Ein Vortrag im Rahmen des Wahlpflichtmoduls Fortgeschrittene Programmierung mit JAVA Ein Vortrag im Rahmen des Wahlpflichtmoduls Fortgeschrittene Programmierung mit JAVA Themenspeicher Strukturen objektorientierter Programmierung (Wiederholung) Klassen und Vererbung Schnittstellen und

Mehr

Grundlagen der Informatik 0

Grundlagen der Informatik 0 Technische Universität Darmstadt 01.07.2013 Grundlagen der Informatik 0 Vorlesung 0 Java ist eine Programmiersprache Ilkay Baytekin Douglas Crockford http://media.smashingmagazine.com/wp-content/uploads/2012/04/doug-crockford-image.jpg

Mehr

C Mathematische Grundlagen

C Mathematische Grundlagen C Mathematische Grundagen C.1 Summen Mit dem Summenzeichen werden Rechenanweisungen zum Addieren kompakt geschrieben. Sie assen sich oft mit Hife der Summenregen vereinfachen. C.1 Gibt es insgesamt n Werte

Mehr

Programmiertechnik Objektorientierung

Programmiertechnik Objektorientierung Programmiertechnik Objektorientierung Prof. Dr. Oliver Haase Oliver Haase Hochschule Konstanz 1 Was ist Objekt-Orientierung? Objekt-Orientierung (OO) ist nicht völlig scharf definiert, d.h. es gibt unterschiedliche

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

UniversitŠt Bielefeld WissensreprŠsentation: Aufgaben. u Begriffsverbände (Philosophie) u Kognitive Kategorien (Psycholinguistik)

UniversitŠt Bielefeld WissensreprŠsentation: Aufgaben. u Begriffsverbände (Philosophie) u Kognitive Kategorien (Psycholinguistik) WissensreprŠsentation: Aufgaben 3 Wissensrepräsentation und Modeierung 6. Voresung: Kategorien und Wissensmodeierung Entwurf von ReprŠsentationsformaismen Bereichsmodeierung Methoden der KŸnstichen Inteigenz

Mehr

UNGLAUBLICH, aber W AHR! Text: Valentin Verthé Illustrationen: Thérèse Bonté. das quiz

UNGLAUBLICH, aber W AHR! Text: Valentin Verthé Illustrationen: Thérèse Bonté. das quiz UNGLAUBLICH, aber W AHR! das quiz Text: Vaentin Verthé Iustrationen: Thérèse Bonté Ungaubich, aber wahr das Quiz besteht aus 100 Karten. Auf jeder steht eine Frage und die Seite in diesem Buch, auf der

Mehr

IT I: Heute. Nachbetrachtung Wissensüberprüfungen. Einführung Vererbung. Roboter in becker.robots IT I - VO 5 1

IT I: Heute. Nachbetrachtung Wissensüberprüfungen. Einführung Vererbung. Roboter in becker.robots IT I - VO 5 1 IT I: Heute Nachbetrachtung Wissensüberprüfungen Einführung Vererbung Roboter in becker.robots 7.11.2017 IT I - VO 5 1 Organisatorisches Wissensüberprüfung diese Woche wieder am Rechner Wer die 5. Wissensüberprüfung

Mehr

Algorithmen für schwierige Probleme

Algorithmen für schwierige Probleme Algorithmen für schwierige Probleme Britta Dorn Wintersemester 2011/12 24. November 2011 Farbkodierung Beispiel Longest Path Longest Path gegeben: G = (V, E) und k N. Frage: Gibt es einen einfachen Pfad

Mehr

Verschlüsseln eines Bildes. Visuelle Kryptographie. Verschlüsseln eines Bildes. Verschlüsseln eines Bildes

Verschlüsseln eines Bildes. Visuelle Kryptographie. Verschlüsseln eines Bildes. Verschlüsseln eines Bildes Verschlüsseln eines Bildes Visuelle Kryptographie Anwendung von Zufallszahlen Wir wollen ein Bild an Alice und Bob schicken, so dass Alice allein keine Information über das Bild bekommt Bob allein keine

Mehr

Workshop WissKI für Uni Sammlungen. Martin Scholz , basierend auf

Workshop WissKI für Uni Sammlungen. Martin Scholz , basierend auf Workshop WissKI für Uni Sammlungen Martin Scholz 18.04.2016, basierend auf 26.11.2013 Ontologische Modellierung Was ist eine Ontologie? Terminologie Vokabular, um über Gegenstände eines Fachbereichs zu

Mehr

Petri-Netze / Eine Einführung

Petri-Netze / Eine Einführung Manuel Hertlein Seminar Systementwurf Lehrstuhl Theorie der Programmierung Carl Adam Petri am 12. Juli 1926 in Leipzig geboren Studium der Mathematik 1962 Promotion zum Doktor der Naturwissenschaft Titel

Mehr

1.3 Charakteristische Eigenschaften von objektorientierten Systemen

1.3 Charakteristische Eigenschaften von objektorientierten Systemen 1.3 Charakteristische Eigenschaften von objektorientierten Systemen Einkapselung (Encapsulation) Geheimhaltungsprinzip (Information / Implementation hiding) Persistenz (State retention) Objektidentität

Mehr

KI: Wie testet man ein Hirn?

KI: Wie testet man ein Hirn? KI: Wie testet man ein Hirn? (Und warum?) Richard Jelinek PetaMem GmbH Nürnberg Richard Jelinek Künstliche Intelligenz 11. März 2016 1 / 15 Weltwissen & Repräsentation Weltwissen beschreibt das verfügbare

Mehr