Universität Potsdam Institut für Informatik Lehrstuhl Maschinelles Lernen. Tobias Scheffer
|
|
- August Armbruster
- vor 8 Jahren
- Abrufe
Transkript
1 Universität Potsdam Institut für Informatik Lehrstuhl Maschinelles Lernen Sprachportale Tobias Scheffer
2 Motivation Es gibt, grob geschätzt: 1.15 Md Mrd. 15Mrd 1.5 Mrd. 668 Mio. Die wenigsten Computer verfügen über Bildschirm und Tastatur. Telefone einfacher zu benutzen, erreichen mehr Menschen. Sprache als Mensch-Maschine-Schnittstelle! 2
3 Motivation Ubiquitäre, allgegenwärtige Information. Fernbedienung mit einem Knopf, Location-based Services, Auch Grauen erregende Anwendungen vorstellbar: Joghurtbecher belehrt über wertvolle Inhaltsstoffe. Werbeplakate sprechen Passanten an. 3
4 Überblick Spachtechnologien: Spracherkennung, Spracherzeugung. Anwendungsentwicklung: SRGS, SSML, VoiceXML, Beispiel. Anwendungen. Forschung und weitere Entwicklung: woran hängt es? 4
5 Spracherkennung: Mathematisches Prinzip Komponenten: Akustisches und Sprachmodell. argmax: beste Posterior: wie wahrscheinlich Wortfolge. ist Wortfolge gegeben Signal? arg max arg max Bayes (Wortfolge) (Wortfolge) P (Wortfolge Signal) P(Signal Wortfolge) P(Wortfolge) Akustisches Modell Sprachmode ll Likelihood: wie gut passt Signal zu Wortfolge? Prior: wie wahrscheinlich ist Wortfolge generell? 5
6 Spracherkennung: Mathematisches Prinzip arg max arg max (Wortfolge) (Wortfolge) P (Wortfolge Signal) P(Signal Wortfolge) P(Wortfolge) Akustisches Modell Sprachmode ll Anpassung des Erkenners an neue Domäne: Sprachmodell aus Texten lernen. Durch (probabilistische) Grammatik spezifiziert. 6
7 Spracherkennung: Mathematisches Prinzip arg max arg max (Wortfolge) (Wortfolge) P (Wortfolge Signal) P(Signal Wortfolge) P(Wortfolge) Akustisches Modell Sprachmode ll Akustisches Modell: Aus annotierten Sprachproben trainiert. Phonemische Modelle: Signal Phone. Aussprachenetze: Phone Wörter. 7
8 Spracherkennung: Mathematisches Prinzip Dekodierung (Prozess der Spracherkennung): Suche im Raum der möglichen Wortfolgen. Suchalgorithmen, Viterbi Beam Search. arg max arg max (Wortfolge) (Wortfolge) P (Wortfolge Signal) P(Signal Wortfolge) P(Wortfolge) Akustisches Modell Sprachmode ll 8
9 Spracherkennung: Akustisches Modell Ganze Wörter: Erkennung weniger, isolierter Wörter (z.b. Ziffern). Keine Generalisierung unbekannter Wörter. Gemeinsame Phone in verschiedenen Wörtern. Silben: Gut für Japanisch (50 Silben), sonst schlecht (Englisch: Silben). Phon: Kleinste Einheit einer sprachlichen Äußerung. Phonem: Bedeutungsunterscheidende Einheit. 50 Phone im Englischen. Aber Aussprache kontextabhängig. 9
10 Spracherkennung: akustisches Modell Short-Time-Fourier-Transformation: Signal Sinus (Frequenz ) = Anteil am Signal. Zu jedem Zeitpunkt: Amplituden von ca. 24 Bändern. Dekorrelation, Reduktion: Cepstral-Attribute. Ergebnis: ca kontinuierliche Attribute. Zeitabhängige Überlagerung von Schwingungen X[ k] n X[ k] e 2 ink / N
11 Spracherkennung: Akustisches Modell Triphon-Klassenmodelle. Aussprache des Phons hängt von Nachbarphonen ab. b b und p p haben denselben Einfluss auf einen folgenden Vokal, ebenso r und w. Solche Kontexte werden zu Klassen zusammen gefasst um die Anzahl der Modellparameter zu reduzieren. Senone: Cluster von ähnlichen subphonetischen Einheiten, gemeinsame Modellparameter. 11
12 Spracherkennung: Akustisches Modell Hidden-Markov-Modell: Probabilistischer endlicher Automat. Probabilistische Zustandsübergänge ij. Jeder Zustand hat Emissionswahrscheinlichkeiten b i ( Ot ) Ein Phon/Senon wird durch Zustände repräsentiert. Struktur repräsentiert Aussprachevarianten. Meist lineare Struktur, aber Verkürzungen (Kanten, die Zustände überspringen). Aussprachevarianten. a ij 12
13 Spracherkennung: Hidden-Markov-Modell Folge der Zustände ist nicht sichtbar, nur die emittierten Beobachtungen (akustische Merkmale). Emissionswahrscheinlichkeiten als Mischung multivariater Gaußverteilungen modelliert. Zustand 1 P Zustand 1 P( x S ) b ( k ) N μ, Σ ( x ) ( t j k j k k t 10% 90% 1 Zustand 2 5% Zustand % 1% 15% 80% 4% 4% 1% Zustand 4 Zustand 5 P( q S q S ( t 1 j t i ) 13
14 Spracherkennung: Aussprachenetzwerke Abbildung von Phonen auf Wörter. Probabilistischer endlicher Automat. Transitionswahrscheinlichkeiten aus annotiertem Korpus schätzen. Scheffer: Sprachtec hnologie 14
15 Spracherkennung: Hidden-Markov-Modell Schätzung der Modellparameter: Aus annotierten Sprachdaten, mit Baum-Welch-Algorithmus Algorithmus, EM-Variante Variante. Finde arg max (Trainingsdaten Parameter ) P Scheffer: Sprachtec Wiederhole bis Konvergenz: Forward-Backward berechnet Berechne ( i, j) Schätze Schätze Schätze t ( k ) ( i 1 i) ( k ) ij t t t t ( k ) i ( O) t ( i) t : O O t a (, i j) () i b t ( i) t,, hnologie 15
16 Spracherkennung: Akustisches Modell Dekodierung des akustischen Modells: Finde Zustandsfolge gegeben akustisches Signal. n-best Viterbi-Algorithmus Algorithmus. n wahrscheinlichste Senone, Wörter. Aussprachenetz Senonische HMMs Zustand 1 10% 1 90% Zustand Zustand 4% 2 4 1% 1% 5% 15% 90% Zustand 3 4% Zustand 5 80% 1 Signal / Merkmale 16
17 Spracherkennung: Akustisches Modell Dekodierung des akustischen Modells: Finde Zustandsfolge gegeben akustisches Signal. n-best Viterbi-Algorithmus Algorithmus. n wahrscheinlichste Senone, Wörter. Aussprachenetz 1 Senonische HMMs Zustand 1 10% 90% Zustand Zustand 4% 2 4 1% 1% 5% 15% 90% Zustand 3 4% Zustand 5 80% 1 Signal / Merkmale 17
18 Spracherkennung: Sprachmodell Modellierung von P(Wortfolge) ) Wissen über Sprache: P( Ich pflücke Bären ) = sehr gering. P( Ich pflücke Beeren ) = schon größer. Häufig verwendete Sprachmodelle: N-Gramm-Modelle. Kontextfreie ee Grammatiken. a Probabilistische Kontextfreie Grammatiken. 18
19 Spracherkennung: Sprachmodell N-Gramm-Modell: P( Ich pflücke Bären) P(Ich) P(pflücke Ich) P(Bären Ich pflücke) Markov-Annahme n-1. Ordnung: Nur Abhängigkeiten zwischen bis zu n aufeinanderfolgenden Wörtern. Längere Abhängigkeiten werden ignoriert. Modellparameter: Für alle Wortkombinationen: P Wortn Wort Parameter werden aus Korpus geschätzt. ( 1,..., Wortn- 1) Häufig anwendungsspezifische Korpora (z.b. WSJ). 19
20 Spracherkennung: Sprachmodell Probabilistische, kontextfreie Grammatik. Jede Regel ist mit Wahrscheinlichkeit belegt. Schätzung der Parameter aus Baum-Bank Bank oder anwendungsbezogene Festlegung. Scheffer: Sprachtec hnologie j j ( p, q) P( w N, G) pq pq j j ( p, q) P( w1 ( p 1), N pq, w( q 1) m G) 20
21 Spracherkennung: Sprachmodell Probabilistische, kontextfreie Grammatik. Dekodierung: wahrscheinlichster Pars-Baum mit Viterbi-Algorithmus in O(n 3 ). Höchste Inside-Wahrscheinlichkeit für einen i Pars des Teilbaumes N pq : i ( p, q) i Initialisierung: i( p, p) P( N wp) Induktion: (, ) max,, ( i j k i p q q j k n p r q P N N N ) j( p, r) k( r 1, q) Bester Weg: (, ) arg max (,, ) ( i j k i p q j k r P N N N ) j( p, r) k( r 1, q) Parse-Baum rekonstruieren: wenn i ( p, q) ( j, k, r) dann sind links N j und rechts N k ( r 1) q im Baum. pr 21
22 Spracherkennung: Dekodierung Beam Search: Suche im Raum aller Wortfolgen. Speichere k beste Satzanfänge der Länge t. Akustisches Modell: n wahrscheinlichste nächste Wörter. Bestimme k beste Satzanfänge der Länge t+1. arg max arg max (Wortfolge) P(Wortfolge Signal ) (Wortfolge) P(Signal Wortfolge) P(Wortfolge) Akustisches Modell Sprachmodell 22
23 Überblick Sprachtechnologien: Spracherkennung, Spracherzeugung. Anwendungsentwicklung: SRGS, SSML, VoiceXML, Beispiel. Anwendungen. Forschung und weitere Entwicklung: woran hängt es? 23
24 Spracherzeugung: Textanalyse Vorverarbeitung: Expandieren von Abkürzungen. Expandieren von Zahlen, Sonderzeichen. Satzzeichen: Identifizieren von Sätzen, Satzenden. Morphologische Analyse: Morpheme, Silbengrenzen, Wortakzente. Morphemlexikon + Grammatik. Wortartenerkennung und syntaktische Analyse: Syntaxbaum, Phrasierung, Gliederung in prosodische Gruppen. 24
25 Spracherzeugung: Phonetisierung Abbildung Wörter Phone. Aussprachelexikon für Grundformen. Aussprache abhängig von Wortart und Syntax ( read / read ). Verwandt mit und ähnlich komplex wie Übersetzung. Lexika und Regeln verbreitet. Statistischer Ansatz: arg max Phonfolge P(Phonfolge Wortfolge) t P(Wortt Phonet, Kontext,Syntax) P(Phonfolge) 25
26 Spracherzeugung: Prosodiegenerierung Prosodische Information aus syntaktischen Gruppen. Prosodie aus Meta-Information (SSML). Modifikation von Tonhöhe, Geschwindigkeit. Scheffer: Sprachtec hnologie 26
27 Spracherzeugung: Signalerzeugung Konkatenation: Aussprache eines Phons hängt von Nachbarn ab. Alle Phone werden in der Mitte geteilt. Für jedes benachbarte Paar aus halben Phonen wird ein Sample aufgenommen. Scheffer: Sprachtec hnologie 27
28 Spracherzeugung: Signalerzeugung Formantsynthese: Formanten: Langsam variierende Frequenzbereiche, in denen bei Aussprache Energiegipfel gp auftreten. Modellbasierte Synthese des Signals. Artikulatorische Synthese: Simulation der Schallerzeugungsmechanik. Häufig konkatenative Systeme mit Wellenformmodifikation. Glattere Übergänge, natürlicherer Klang. 28
29 Überblick Sprachtechnologie: Spracherkennung, Text-to-Speech to Speech. Anwendungsentwicklung: SRGS, SSML, VoiceXML, Beispiel. Anwendungen. Forschung und weitere Entwicklung: woran hängt es? 29
30 Sprachportale Anwendungsentwicklung VoiceXML: Ablaufsteuerung SALT: Speech Application Language Tags SRGS: Speech N-GRAM: Stochastic ti SSML: Speech Recognition Language Models Synthesis Markup Grammar Specification Language Specification Spracherkennung Sprachtechnologie Spracherzeugung 30
31 Speech Recognition Grammar Specification Version 2.1 W3C Recommendation. Syntax für probabilistische, kontextfreie Grammatiken: Augmented BNF oder XML. Sprache und DTMF-Eingaben. Kernelemente: Regeldefinitionen, Regelexpansionen. 31
32 SRGS: Elemente Regeldefinition: l id b ll Assoziiert Regel mit Bezeichner. <rule id = bestellung> [Regelexpansion] </rule> Scheffer: Sprachtechnologie 32
33 SRGS: Elemente Regeldefinition: Regelreferenz: Assoziiert Regel mit Bezeichner. Referenz auf Regel oder N-GRAM. VOID, NULL, GARBAGE. <rule id = bestellung> <ruleref uri = #begrüßung/> </rule> 33
34 SRGS: Elemente Regeldefinition: Regelreferenz: Assoziiert Regel mit Bezeichner. Referenz auf Regel oder N-GRAM. VOID, NULL, GARBAGE. <one-of> of> Alternativen: <item>caipirinha</item> <item>mojito</item> <item>zombie</item> </one-of> Akzeptiert jede der Varianten. 34
35 SRGS: Elemente <one-of> <item weight=10 >Caipirinha </item> <item weight=5>mojito</item> <item weight=1>b52</item> </one-of> f Regelreferenz: Referenz auf Regel oder N-GRAM. VOID, NULL, GARBAGE. Gewichtungen: Alternativen: In Wahrscheinlichkeiten umzurechnen. PCFG. Akzeptiert jede der Varianten. 35
36 N-GRAM: Stochastic Language Models W3C Working Draft. Syntaktisches Schema zur Repräsentation von Wörterbüchern, Zählern für Auftretenshäufigkeit von N-Grammen. Elemente <lexicon> Lexikondeklaration, <token> Tokendeklaration, a o <tree> Zähler für Auftretenshäufigkeiten, <interpolation> Lineare Interpolationsgewichte, 36
37 SSML: Speech Synthesis Markup Version 2.1 W3C Recommendation. Markup-Konventionen für Stufen der Spracherzeugung. ACSS: Aural Cascading Style Sheets. Komplexe Markup-Definitionen, Auswahl von Sprechern e für Markup-Tags, ags, Räumliche Anordnung der Schallquellen. 37
38 SSML: Elemente Normierung (Expansion von Abkürzungen, Währungen: <say-as>- und <sub>-elemente. <p>- und <s>-elemente (Absatz, Satz). Konvertierung Text Phonem: <phoneme>-element. Beschreibung im IPA-Alphabet. Prosodie-Analyse: <emphasis>-, <break>- und <prosody>-elemente. Signalerzeugung: g g <voice>-element, Stimm-Auswahl. Attribute gender, age, variant, name. 38
39 VoiceXML Version 2.0 W3C Recommendation. VoiceXML Forum: Intel, AT&T, HP, Oracle, TellMe, IBM, Motorola, Ziele: Trennung von Awendung und Sprachtechnologie. Elemente: Dialogsteuerung, Spracherkennung und Synthese, DTMF, Aufzeichnung und Wiedergabe. <vxml version="2.0"> <form> <block> <prompt> Hello world! </prompt> </block> </form> </vxml> 39
40 VoiceXML: Konzepte Dialoge und Subdialoge: Menüs: Verzweigungspunkte. Forms: ausfüllbare Formulare. Events: Behandlung von Ausnahmesituationen. Links: Grammatik, die in einem Gültigkeitsbereichaktiv ist. Löst Event aus oder verweist e auf Ziel-URI. Prozedurale Elemente: <var>, <assign>, <goto>, <if> <else/> </if>. <objekt>: Aufruf eines plattformabhängigen Objekts. 40
41 VoiceXML: Erzeugung von Dokumenten VoiceXML-Dokument wird meist generiert, genau wie HTML, z.b. mit XSLT aus XML-Beschreibung der Inhalte. <cocktailkarte> <cocktail> <name>caipirinha</name> <beschr>nationalgetränk Brasiliens</beschr> </cocktail> </cocktailkarte> <voice gender=male>caipirinha </voice> <voice gender=female> Nationalgetränk Brasiliens</voice> <xsl:template match= cocktailkarte > Cocktailkarte <xsl:template match= cocktail > <voice gender = male> <xsl:value-of select= name /> </voice> <p/> <voice gender = female> <xsl:value-of select= beschr /> </voice> </xsl:template> </xsl:template> 41
42 VoiceXML Elemente: Forms <form>: Formular; <field>: auszufüllendes Feld. Attribute und Methoden: Bezeichner, dient später als Referenz. Mit Eingabe zu belegende Variablen, Scope: lokal für Dialog oder global, Event-Handler, Aktionen wie Rufweiterleitung. Bedingungen g für Felder. 42
43 VoiceXML Elemente: Forms Interpretation: Solange nicht jedes <field> aufgefüllt, wähle <field>, lies <prompt>, warte auf Eingabe. <form id=bestellung> <block>sie können jetzt bestellen.</block> <field name= getränk > <prompt>was möchten Sie trinken? </prompt> <grammar src= cocktail.grxml cocktail grxml type= application/srgs+xml application/srgs+xml /> /> </field> </form> 43
44 VoiceXML Forms: Mixed Initiative <initial>, initiales Element: Prompt bei erster Iteration über Form. Benutzer kann ein oder gleich mehrere Felder füllen. Interpreter spielt danach Prompt des ersten jetzt noch freien Feldes ab. > Wohin dürfen wir den Cocktail liefern? Bitte in die August-Bebel-Str. 89, mein Name ist Scheffer. > Wie lautet Ihre Postleitzahl? 44
45 Scheffer: Sprachtechnologie 45 VoiceXML - Beispiel
46 SALT: Speech Application Language Tags Erweiterung von HTML um sprach-orientierte Tags. Sprachsteuerung von Browsern. Multimodale Browser. Basiert auf SRGS und SSML. Microsoft Speech Server. OpenSALT. 46
47 Überblick Unter der Haube: Spracherkennung, Text-to-Speech to Speech. Anwendungsentwicklung: SRGS, SSML, VoiceXML, Beispiel. Anwendungen. Forschung und weitere Entwicklung: woran hängt es? 47
48 Sprachportale: Anwendungen Bankgeschäfte: Statusabfragen, Aufträge, Wertpapierhandel. Scheffer: Sprachtec hnologie 48
49 Sprachportale: Anwendungen Bankgeschäfte: Wirtschaft und Statusabfragen, Handel: Aufträge, Versandhandel, Wertpapierhandel. Bestellungen. Scheffer: Sprachtec hnologie 49
50 Sprachportale: Anwendungen Bankgeschäfte: Wirtschaft und Statusabfragen, Handel: Aufträge, Versandhandel, Wertpapierhandel. Bestellungen. Information Retrieval: Wetterauskunft, Telefonauskunft, Kino, Sport. 50
51 Sprachportale: Anwendungen Wirtschaft und Handel: Versandhandel, Bestellungen. Unified Messaging: Information Retrieval: Vorlesen von SMS, Wetterauskunft, -Portale Portale, Telefonauskunft, Voice-Office. Kino, Sport. 51
52 Überblick Unter der Haube: Spracherkennung, Text-to-Speech to Speech. Anwendungsentwicklung: SRGS, SSML, VoiceXML, Beispiel. Anwendungen. Forschung und weitere Entwicklung: woran hängt es? 52
53 Woran hängt es? Spracherkennung ist eine Schwachstelle: Benutzerspezifisch oder Thematisch fokussiert. Mensch gegen Maschine Mensch Maschine WSJ 0.90% 4.50% WSJ, verrauscht 1.10% 10% 8.60% WSJ, Trigramm-Texte 7.60% 4.40% Perfektes Sprachmodell: Spracherkenner schlagen Sekretärinnen! [Huang et al., 2001]. Argument: Brauchen bessere Sprachmodelle. 53
54 Forschungsfragen: Spracherkennung Sprachmodelle nicht gut genug, zu wenig Hintergrundwissen. LDA: Kontextinformation im Sprachmodell berücksichtigen [Blei & Jordan, 2003]. Diskriminative Modelle: angemessenere Optimierungskriterien. Stufenweise Verarbeitung: Problem: Fehler summieren sich über die Verarbeitungsstufen. Integration in ein gemeinsames Optimierungsproblem: Rechenaufwand! [z.b. Tsochanidardis et al. 2005]. 54
55 Forschungsfragen: Sprachverstehen VoiceXML: Dialoge per Skript gesteuert. Bis auf Mixed Initiative Dialoge. Natural Language Understanding: di Ermittle beste Aktion bzw. Äußerung im aktuellen Dialogzustand für gegebenes Dialog-Ziel. arg max P(Aktion Dialogmanager arg max Aktion P(Aktiont Eingabe, Zustandt- 1) t Aktion t t Zustand P(Bedeutung Eingabe) t ) P(Zustand t Bedeutung) Semantischer Parser Diskursanalyse 55
56 Weitere Entwicklung VoiceXML Gegenwärtige Entwicklung: Call Control: Verbindungen herstellen, managen. Repräsentation von Semantik, NLSML. N-Gramme. Zukünftige Entwicklung: Sprechererkennung. Word Spotting, Klassifikation, Summarization. Übersetzung. Musikgenerierung. Noch nicht geplant: Multimodale Dialoge. SPIs für NLP-Funktionalität. 56
57 Forschungsfragen: Conversational Agents Multimodale Benutzerschnittstellen: Sprache, Gesten, Gesichtsausdruck, Konversationsmodelle, Verkaufsagenten. Lernen von Konversationsskripten [Kadous, 2004]. Alternative Plattform: Microsoft Agents 57
58 Zusammenfassung Sprach-Technologie: Spracherkennung, Spracherzeugung. Forschung: Sprachmodelle, Parameteroptimierung, Signalverarbeitung. Technologien für Anwendungsentwicklung: g SRGS, SSML, VoiceXML. Nicht ausgereift, aber weit entwickelt. Forschung: Generierte, statt gescripteter Dialoge. Anwendungen: Retrieval, mobile Services, Finanzwirtschaft, Handel, Unified Messaging. 58
59 Sprachportale - Probleme Sprache weniger geeignet zum Editieren von Texten. Unimodal, keine Grafik. Gedächtnis beschränkt, kein schnelles Nachsehen. Sprache langsamer als Text. Sprache problematisch in Öffentlichkeit, lauten Umgebungen 59
60 Spracherzeugung: Zusammenfassung Text Annotierter t Text Morphemfolge Wortarten, Parsbaum prosodische Gruppen Folge von Phonen Signal Vorverarbeitung, Satzenden, Zahlen, Abkürzungen. Morphologische Analyse. Wortarterkennung, Syntaxanalyse Aussprachelexika, Übersetzung. Prosodieerzeugung, Signalerzeugung. 60
61 Spracherkennung: Zusammenfassung Akustisches Signal Merkmalsvektor für jeden Zeitschritt Akustisches Modell: HMM für Phone Akustisches Modell: Aussprachenetz Sprachmodell: N-Gramm, Grammatik Diskretisierung, Fourier, Merkmalsextraktion. n-best Viterbi-Dekodierung im phonetischen Modell. n wahrschenlichste Pfade im Aussprachenetz, dynamische Programmierung. Beam-Search-Dekodierung. Folge von Wörtern 61
Universität Potsdam Institut für Informatik Lehrstuhl Maschinelles Lernen. Tobias Scheffer
Universität Potsdam Institut für Informatik Lehrstuhl Maschinelles Lernen Sprachportale Tobias Scheffer Motivation Es gibt, grob geschätzt: 1.15 Md Mrd. 15Mrd 1.5 Mrd. 668 Mio. Die wenigsten Computer verfügen
MehrUniversität Potsdam Institut für Informatik Lehrstuhl Maschinelles Lernen. Sprachportale. Tobias Scheffer Christoph Sawade
Universität Potsdam Institut für Informatik Lehrstuhl Maschinelles Lernen Sprachportale Tobias Scheffer Christoph Sawade Motivation Es gibt, grob geschätzt: 1.15 Mrd. 1.5 Mrd. 668 Mio. Die wenigsten Computer
MehrWie funktioniert automatisierte Übersetzung? Prof. Josef van Genabith (Deutsches Forschungszentrum für Künstliche Intelligenz)
Wie funktioniert automatisierte Übersetzung? Prof. Josef van Genabith (Deutsches Forschungszentrum für Künstliche Intelligenz) 1 Maschinelle Übersetzung (MÜ) Überblick: Warum MÜ: Datenmenge, Qualität und
MehrGrundbegriffe der Informatik
Grundbegriffe der Informatik Einheit 15: Reguläre Ausdrücke und rechtslineare Grammatiken Thomas Worsch Universität Karlsruhe, Fakultät für Informatik Wintersemester 2008/2009 1/25 Was kann man mit endlichen
Mehr.NET Speech API. Seminar Objektorientiertes Programmieren mit.net und C# Alexander Schubert
.NET Speech API Seminar Objektorientiertes Programmieren mit.net und C# Alexander Schubert Institut für Informatik Software & Systems Engineering 24.01.2013 Agenda Überblick über die Microsoft Speech APIs
MehrPart-Of-Speech-Tagging mit Viterbi Algorithmus
Part-Of-Speech-Tagging mit Viterbi Algorithmus HS Endliche Automaten Inna Nickel, Julia Konstantinova 19.07.2010 1 / 21 Gliederung 1 Motivation 2 Theoretische Grundlagen Hidden Markov Model Viterbi Algorithmus
MehrPraktikum Maschinelle Übersetzung Language Model
Praktikum Maschinelle Übersetzung Language Model Um die Aufgaben auszuführen, können Sie ihre Daten in folgendem Verzeichnis speichern: /project/smtstud/ss10/systems/username/ Wir werden verschiedene Sprachmodelle
MehrKlausurteilnehmer. Wichtige Hinweise. Note: Klausur Informatik Programmierung, 17.09.2012 Seite 1 von 8 HS OWL, FB 7, Malte Wattenberg.
Klausur Informatik Programmierung, 17.09.2012 Seite 1 von 8 Klausurteilnehmer Name: Matrikelnummer: Wichtige Hinweise Es sind keinerlei Hilfsmittel zugelassen auch keine Taschenrechner! Die Klausur dauert
MehrBinäre Bäume. 1. Allgemeines. 2. Funktionsweise. 2.1 Eintragen
Binäre Bäume 1. Allgemeines Binäre Bäume werden grundsätzlich verwendet, um Zahlen der Größe nach, oder Wörter dem Alphabet nach zu sortieren. Dem einfacheren Verständnis zu Liebe werde ich mich hier besonders
MehrAufabe 7: Baum-Welch Algorithmus
Effiziente Algorithmen VU Ausarbeitung Aufabe 7: Baum-Welch Algorithmus Florian Fest, Matr. Nr.0125496 baskit@generationfun.at Claudia Hermann, Matr. Nr.0125532 e0125532@stud4.tuwien.ac.at Matteo Savio,
MehrASP Dokumentation Dorfstrasse 143 CH - 8802 Kilchberg Telefon 01 / 716 10 00 Telefax 01 / 716 10 05 info@hp-engineering.com www.hp-engineering.
ASP Dokumentation ASP-Dokumentation / Seite 1 Inhaltsverzeichnis 1. Generelle Informationen 3 1.1 Arbeiten auf dem ASP-Server 3 1.2 Ausdrucke erstellen 3 1.3 Datensicherung 3 1.4 ASP-Vertrag 3 1.5 Varianten
MehrDas Handbuch zu KNetAttach. Orville Bennett Übersetzung: Thomas Bögel
Orville Bennett Übersetzung: Thomas Bögel 2 Inhaltsverzeichnis 1 Einführung 5 2 KNetAttach verwenden 6 2.1 Hinzufügen von Netzwerkordnern............................ 6 3 Rundgang durch KNetAttach 8 4 Danksagungen
MehrKurze Anleitung zum Guthaben-Aufladen bei. www.blau.de
Kurze Anleitung zum Guthaben-Aufladen bei www.blau.de Seite 1 von 8 Inhaltsverzeichnis 1 blau.de aufrufen... 3 2 Ihr Konto bei blau.de... 4 2.1 Aufladen über das Internet... 5 2.2 Aufladen direkt am Mobiltelefon
MehrCSS-Grundlagen. Etwas über Browser. Kapitel. Die Vorbereitung
Kapitel 1 Die Vorbereitung Vorgängerversionen. Bald darauf folgte dann schon die Version 4, die mit einer kleinen Bearbeitung bis vor Kurzem 15 Jahre unverändert gültig war. All das, was du die letzten
MehrBausteine für zukünftige HL7- Hausstandards. Kraska D, Wentz B, Prokosch HU Medizinisches IK-Zentrum; Universitätsklinikum Erlangen
Bausteine für zukünftige HL7- Hausstandards Kraska D, Wentz B, Prokosch HU Medizinisches IK-Zentrum; Universitätsklinikum Erlangen Einleitung Health Level entwickelt seit 1988 Nachrichtenstandards für
MehrLeichte-Sprache-Bilder
Leichte-Sprache-Bilder Reinhild Kassing Information - So geht es 1. Bilder gucken 2. anmelden für Probe-Bilder 3. Bilder bestellen 4. Rechnung bezahlen 5. Bilder runterladen 6. neue Bilder vorschlagen
MehrSoftwareprojektpraktikum Maschinelle Übersetzung
Softwareprojektpraktikum Maschinelle Übersetzung Jan-Thorsten Peter, Andreas Guta {peter,guta}@i6.informatik.rwth-aachen.de Vorbesprechung 4. Aufgabe 19. Mai 2015 Human Language Technology and Pattern
MehrEinführung. Vorlesungen zur Komplexitätstheorie: Reduktion und Vollständigkeit (3) Vorlesungen zur Komplexitätstheorie. K-Vollständigkeit (1/5)
Einführung 3 Vorlesungen zur Komplexitätstheorie: Reduktion und Vollständigkeit (3) Univ.-Prof. Dr. Christoph Meinel Hasso-Plattner-Institut Universität Potsdam, Deutschland Hatten den Reduktionsbegriff
Mehrecaros2 - Accountmanager
ecaros2 - Accountmanager procar informatik AG 1 Stand: FS 09/2012 Inhaltsverzeichnis 1 Aufruf des ecaros2-accountmanager...3 2 Bedienung Accountmanager...4 procar informatik AG 2 Stand: FS 09/2012 1 Aufruf
MehrTask: Nmap Skripte ausführen
Task: Nmap Skripte ausführen Inhalt Einfache Netzwerkscans mit NSE Ausführen des Scans Anpassung der Parameter Einleitung Copyright 2009-2015 Greenbone Networks GmbH Herkunft und aktuellste Version dieses
MehrOECD Programme for International Student Assessment PISA 2000. Lösungen der Beispielaufgaben aus dem Mathematiktest. Deutschland
OECD Programme for International Student Assessment Deutschland PISA 2000 Lösungen der Beispielaufgaben aus dem Mathematiktest Beispielaufgaben PISA-Hauptstudie 2000 Seite 3 UNIT ÄPFEL Beispielaufgaben
Mehr1. Man schreibe die folgenden Aussagen jeweils in einen normalen Satz um. Zum Beispiel kann man die Aussage:
Zählen und Zahlbereiche Übungsblatt 1 1. Man schreibe die folgenden Aussagen jeweils in einen normalen Satz um. Zum Beispiel kann man die Aussage: Für alle m, n N gilt m + n = n + m. in den Satz umschreiben:
MehrVDW Statistik Portal Häufig gestellte Fragen. Version 1.2 ( 2011-2013 Katharina Düngfelder & Markus A. Litters) Vorwort
Version 1.2 ( 2011-2013 Katharina Düngfelder & Markus A. Litters) Vorwort Sollten Sie mit dieser Anleitung oder dem irgendwelche Probleme oder Fragen haben, wenden Sie sich bitte an folgende Personen:
MehrFormale Sprachen und Grammatiken
Formale Sprachen und Grammatiken Jede Sprache besitzt die Aspekte Semantik (Bedeutung) und Syntax (formaler Aufbau). Die zulässige und korrekte Form der Wörter und Sätze einer Sprache wird durch die Syntax
MehrWEBSEITEN ENTWICKELN MIT ASP.NET
jamal BAYDAOUI WEBSEITEN ENTWICKELN MIT ASP.NET EINE EINFÜHRUNG MIT UMFANGREICHEM BEISPIELPROJEKT ALLE CODES IN VISUAL BASIC UND C# 3.2 Installation 11 Bild 3.2 Der Webplattform-Installer Bild 3.3 IDE-Startbildschirm
MehrSuche schlecht beschriftete Bilder mit Eigenen Abfragen
Suche schlecht beschriftete Bilder mit Eigenen Abfragen Ist die Bilderdatenbank über einen längeren Zeitraum in Benutzung, so steigt die Wahrscheinlichkeit für schlecht beschriftete Bilder 1. Insbesondere
MehrÜbungen zur Softwaretechnik
Technische Universität München Fakultät für Informatik Lehrstuhl IV: Software & Systems Engineering Markus Pister, Dr. Bernhard Rumpe WS 2002/2003 Lösungsblatt 9 17. Dezember 2002 www4.in.tum.de/~rumpe/se
MehrNovell Client. Anleitung. zur Verfügung gestellt durch: ZID Dezentrale Systeme. Februar 2015. ZID Dezentrale Systeme
Novell Client Anleitung zur Verfügung gestellt durch: ZID Dezentrale Systeme Februar 2015 Seite 2 von 8 Mit der Einführung von Windows 7 hat sich die Novell-Anmeldung sehr stark verändert. Der Novell Client
MehrUnterrichtsmaterialien in digitaler und in gedruckter Form. Auszug aus: Übungsbuch für den Grundkurs mit Tipps und Lösungen: Analysis
Unterrichtsmaterialien in digitaler und in gedruckter Form Auszug aus: Übungsbuch für den Grundkurs mit Tipps und Lösungen: Analysis Das komplette Material finden Sie hier: Download bei School-Scout.de
MehrGrundlagen der Theoretischen Informatik, SoSe 2008
1. Aufgabenblatt zur Vorlesung Grundlagen der Theoretischen Informatik, SoSe 2008 (Dr. Frank Hoffmann) Lösung von Manuel Jain und Benjamin Bortfeldt Aufgabe 2 Zustandsdiagramme (6 Punkte, wird korrigiert)
MehrUpdatehinweise für die Version forma 5.5.5
Updatehinweise für die Version forma 5.5.5 Seit der Version forma 5.5.0 aus 2012 gibt es nur noch eine Office-Version und keine StandAlone-Version mehr. Wenn Sie noch mit der alten Version forma 5.0.x
MehrMediator 9 - Lernprogramm
Mediator 9 - Lernprogramm Ein Lernprogramm mit Mediator erstellen Mediator 9 bietet viele Möglichkeiten, CBT-Module (Computer Based Training = Computerunterstütztes Lernen) zu erstellen, z. B. Drag & Drop
MehrData Mining: Einige Grundlagen aus der Stochastik
Data Mining: Einige Grundlagen aus der Stochastik Hagen Knaf Studiengang Angewandte Mathematik Hochschule RheinMain 21. Oktober 2015 Vorwort Das vorliegende Skript enthält eine Zusammenfassung verschiedener
MehrProjekt Sprachdialogsysteme SoSe 2006. Voice XML - Teil II. Cristina Vertan, Walther v. Hahn
Projekt Sprachdialogsysteme SoSe 2006 Voice XML - Teil II Cristina Vertan, Walther v. Hahn Implizite Verifizierung den Benutzereingaben welcome to Courses Details
Mehr1 Part-of-Speech Tagging
2. Übung zur Vorlesung NLP Analyse des Wissensrohstoes Text im Sommersemester 2008 Dr. Andreas Hotho, Dipl.-Inform. Dominik Benz, Wi.-Inf. Beate Krause 28. Mai 2008 1 Part-of-Speech Tagging 1.1 Grundlagen
Mehr4.1 Wie bediene ich das Webportal?
4.1 Wie bediene ich das Webportal? Die Bedienung ist durch ein Redaktionssystem sehr einfach möglich. Das Tutorial zeigt Ihnen wie Sie SMS-News und Top-News erstellen und veröffentlichen können. Schritt
MehrIn diesem Tutorial lernen Sie, wie Sie einen Termin erfassen und verschiedene Einstellungen zu einem Termin vornehmen können.
Tutorial: Wie erfasse ich einen Termin? In diesem Tutorial lernen Sie, wie Sie einen Termin erfassen und verschiedene Einstellungen zu einem Termin vornehmen können. Neben den allgemeinen Angaben zu einem
MehrKlaus Schild, XML Clearinghouse 2003. Namensräume
Namensräume Lernziele Namenskonflikte Warum lösen im World Wide Web einfache Präfixe dieses Problem nicht? Wie lösen globale Namensräume das Problem? Wie werden sie in XML-Dokumenten benutzt? Was sind
MehrModellierung biologischer. Christian Maidorfer Thomas Zwifl (Seminar aus Informatik)
Modellierung biologischer Prozesse Christian Maidorfer Thomas Zwifl (Seminar aus Informatik) Überblick Einführung Arten von Modellen Die stochastische Pi-Maschine Warum Modelle Die Biologie konzentriert
MehrFragen. f [ ] = [ ] f (x : y : ys) = x y : f ys f (x : xs) = f (x : x : xs) Wozu evaluiert f [1, 2, 3] (Abkürzung für f (1 : 2 : 3 : [ ]))?
Fragen f [ ] = [ ] f (x : y : ys) = x y : f ys f (x : xs) = f (x : x : xs) Wozu evaluiert f [1, 2, 3] (Abkürzung für f (1 : 2 : 3 : [ ]))? Wozu evaluiert [f [ ], f [ ]]? Weiteres Beispiel: f [ ] y = [
MehrTheoretische Grundlagen der Informatik
Theoretische Grundlagen der Informatik Vorlesung am 12.01.2012 INSTITUT FÜR THEORETISCHE 0 KIT 12.01.2012 Universität des Dorothea Landes Baden-Württemberg Wagner - Theoretische und Grundlagen der Informatik
MehrJava Kurs für Anfänger Einheit 5 Methoden
Java Kurs für Anfänger Einheit 5 Methoden Ludwig-Maximilians-Universität München (Institut für Informatik: Programmierung und Softwaretechnik von Prof.Wirsing) 22. Juni 2009 Inhaltsverzeichnis Methoden
MehrAufruf der Buchungssystems über die Homepage des TC-Bamberg
Aufruf der Buchungssystems über die Homepage des TC-Bamberg Das Online-Buchungssystem erreichen Sie einfach über die Homepage des TC-Bamberg (www.tennis-club-bamberg.de).über den Link (siehe Bild 1) gelangen
MehrPrint2CAD 2017, 8th Generation. Netzwerkversionen
Installation der Netzwerkversion Kazmierczak Software Print2CAD 2017, 8th Generation Print2CAD 2017, 8th Generation Netzwerkversionen Einführung Installationshinweise Die Programme von Kazmierczak Software
MehrDossier: Rechnungen und Lieferscheine in Word
www.sekretaerinnen-service.de Dossier: Rechnungen und Lieferscheine in Word Es muss nicht immer Excel sein Wenn Sie eine Vorlage für eine Rechnung oder einen Lieferschein erstellen möchten, brauchen Sie
MehrAnleitung zur Benutzung des jobup.ch Stellensuchendekontos
des jobup.ch Stellensuchendekontos Willkommen auf jobup.ch! Erstellen Sie ein Konto, stellen Sie Ihren Lebenslauf online, bewerben Sie sich und verwalten Sie Ihre Bewerbungen mit unseren Lösungen, die
MehrPart-of-Speech- Tagging
Part-of-Speech- Tagging In: Einführung in die Computerlinguistik Institut für Computerlinguistik Heinrich-Heine-Universität Düsseldorf WS 2004/05 Dozentin: Wiebke Petersen Tagging Was ist das? Tag (engl.):
MehrGuide DynDNS und Portforwarding
Guide DynDNS und Portforwarding Allgemein Um Geräte im lokalen Netzwerk von überall aus über das Internet erreichen zu können, kommt man um die Themen Dynamik DNS (kurz DynDNS) und Portweiterleitung(auch
MehrAnleitung über den Umgang mit Schildern
Anleitung über den Umgang mit Schildern -Vorwort -Wo bekommt man Schilder? -Wo und wie speichert man die Schilder? -Wie füge ich die Schilder in meinen Track ein? -Welche Bauteile kann man noch für Schilder
MehrSenden von strukturierten Berichten über das SFTP Häufig gestellte Fragen
Senden von strukturierten Berichten über das SFTP Häufig gestellte Fragen 1 Allgemeines Was versteht man unter SFTP? Die Abkürzung SFTP steht für SSH File Transfer Protocol oder Secure File Transfer Protocol.
MehrDokumentation zum Spielserver der Software Challenge
Dokumentation zum Spielserver der Software Challenge 10.08.2011 Inhaltsverzeichnis: Programmoberfläche... 2 Ein neues Spiel erstellen... 2 Spielfeldoberfläche... 4 Spielwiederholung laden... 5 Testdurchläufe...
MehrIT-Basics 2. DI Gerhard Fließ
IT-Basics 2 DI Gerhard Fließ Wer bin ich? DI Gerhard Fließ Telematik Studium an der TU Graz Softwareentwickler XiTrust www.xitrust.com www.tugraz.at Worum geht es? Objektorientierte Programmierung Konzepte
Mehr:: Anleitung Hosting Server 1cloud.ch ::
:: one source ag :: Technopark Luzern :: D4 Platz 4 :: CH-6039 Root-Längenbold LU :: :: Fon +41 41 451 01 11 :: Fax +41 41 451 01 09 :: info@one-source.ch :: www.one-source.ch :: :: Anleitung Hosting Server
MehrEinrichten eines Microsoft Exchange-Account auf einem Android-System
Einrichten eines Microsoft Exchange-Account auf einem Android-System Wählen Sie im Menü Anwendungen die Option E-Mail aus. In einigen Android-Versionen hat diese Anwendung möglicherweise den Namen Mail.
MehrAnleitung zum Bestellformular für Visitenkarten UZH
Anleitung zum Bestellformular für Visitenkarten UZH Wählen Sie zurück ein Thema zur Übersicht durch Anklicken Auftraggeber/ Rechnungsadresse Erfassung der administrativen Angaben des Auftraggebers UZH-Einheit
MehrKeine Disketteneinreichung ab 1. Februar 2014
Keine Disketteneinreichung ab 1. Februar 2014 Sehr geehrte Damen und Herren, die nationalen Lastschrift- und Überweisungsverfahren werden ab 1. Februar 2014 zu Gunsten der SEPA-Zahlungsaufträge eingestellt.
MehrDokumentation für das Spiel Pong
Dokumentation für das Spiel Pong BwInf - Turnierserver Didaktik der nformatik BWINF KI Wettbewerbs-Plattform Stand: 02.09.2014 Grundlagen In diesem KI-Turnier programmiert ihr einen Schläger für das Retro-Spiel
MehrHandbuch ECDL 2003 Basic Modul 5: Datenbank Grundlagen von relationalen Datenbanken
Handbuch ECDL 2003 Basic Modul 5: Datenbank Grundlagen von relationalen Datenbanken Dateiname: ecdl5_01_00_documentation_standard.doc Speicherdatum: 14.02.2005 ECDL 2003 Basic Modul 5 Datenbank - Grundlagen
MehrAutomatisches Übersetzen von Gebärdensprache
5. Aachener Gebärdenworkshop 2004 29.10.2004 Automatisches Übersetzen von Gebärdensprache Jan Bungeroth Human Language Technology and Pattern Recognition Lehrstuhl für Informatik VI D-52056 Aachen, Deutschland
MehrFotos in Tobii Communicator verwenden
Fotos in Tobii Communicator verwenden Hier wird beschrieben wie man Fotos in Tobii Communicator verwenden kann und was man zur Nutzung beachten sollte. Fotonutzung in Tobii Communicator In einigen Fällen
MehrWas meinen die Leute eigentlich mit: Grexit?
Was meinen die Leute eigentlich mit: Grexit? Grexit sind eigentlich 2 Wörter. 1. Griechenland 2. Exit Exit ist ein englisches Wort. Es bedeutet: Ausgang. Aber was haben diese 2 Sachen mit-einander zu tun?
MehrProgrammierkurs Java
Programmierkurs Java Dr. Dietrich Boles Aufgaben zu UE16-Rekursion (Stand 09.12.2011) Aufgabe 1: Implementieren Sie in Java ein Programm, das solange einzelne Zeichen vom Terminal einliest, bis ein #-Zeichen
MehrNoten ausrechnen mit Excel/Tabellenkalkulation. 1) Individuellen Notenschlüssel/Punkteschlüssel erstellen
Noten ausrechnen mit Excel/Tabellenkalkulation online unter: www.lehrerfreund.de/in/schule/1s/notenschluessel-excel Dies ist eine Einführung in die Funktionen von Excel, die Sie brauchen, um Noten und
MehrMarkovketten. Bsp. Page Ranking für Suchmaschinen. Wahlfach Entscheidung unter Risiko und stat. Datenanalyse 07.01.2015
Markovketten Markovketten sind ein häufig verwendetes Modell zur Beschreibung von Systemen, deren Verhalten durch einen zufälligen Übergang von einem Systemzustand zu einem anderen Systemzustand gekennzeichnet
MehrFolgeanleitung für Klassenlehrer
Folgeanleitung für Klassenlehrer 1. Das richtige Halbjahr einstellen Stellen sie bitte zunächst das richtige Schul- und Halbjahr ein. Ist das korrekte Schul- und Halbjahr eingestellt, leuchtet die Fläche
MehrIm Original veränderbare Word-Dateien
Computergrafik Bilder, Grafiken, Zeichnungen etc., die mithilfe von Computern hergestellt oder bearbeitet werden, bezeichnet man allgemein als Computergrafiken. Früher wurde streng zwischen Computergrafik
MehrAktivierung der SeKA-Anmeldung
Aktivierung der SeKA-Anmeldung Bitte, benutzen Sie diese Methode nur, wenn Sie gerade kein Kennwort im SeKA-System erhalten haben. Wenn Sie die Aktivierung vorher schon geschafft, aber das Kennwort vergessen
MehrAdvoware mit VPN Zugriff lokaler Server / PC auf externe Datenbank
Advoware mit VPN Zugriff lokaler Server / PC auf externe Datenbank Die Entscheidung Advoware über VPN direkt auf dem lokalen PC / Netzwerk mit Zugriff auf die Datenbank des zentralen Servers am anderen
Mehr6. Bayes-Klassifikation. (Schukat-Talamazzini 2002)
6. Bayes-Klassifikation (Schukat-Talamazzini 2002) (Böhm 2003) (Klawonn 2004) Der Satz von Bayes: Beweis: Klassifikation mittels des Satzes von Bayes (Klawonn 2004) Allgemeine Definition: Davon zu unterscheiden
MehrObjektorientierte Programmierung
Objektorientierte Programmierung 1 Geschichte Dahl, Nygaard: Simula 67 (Algol 60 + Objektorientierung) Kay et al.: Smalltalk (erste rein-objektorientierte Sprache) Object Pascal, Objective C, C++ (wiederum
MehrAllgemeiner Leitfaden zum Einfügen suchmaschinenoptimierter Texte
Allgemeiner Leitfaden zum Einfügen suchmaschinenoptimierter Texte Wir von Textprovider, Anbieter von produktbeschreibung.eu möchten Ihnen mit diesem Infoblatt Basisinformationen an die Hand geben, wie
MehrOutLook 2003 Konfiguration
OutLook 2003 Konfiguration Version: V0.1 Datum: 16.10.06 Ablage: ftp://ftp.clinch.ch/doku/outlook2003.pdf Autor: Manuel Magnin Änderungen: 16.10.06 MM.. Inhaltsverzeichnis: 1. OutLook 2003 Konfiguration
MehrFolgeanleitung für Fachlehrer
1. Das richtige Halbjahr einstellen Folgeanleitung für Fachlehrer Stellen sie bitte zunächst das richtige Schul- und Halbjahr ein. Ist das korrekte Schul- und Halbjahr eingestellt, leuchtet die Fläche
MehrBusiness Process Model and Notation
BPMN 2.0 Crashkurs Business Process Model and Notation entwickelt von der Object Management Group, einem Konsortium von vielen Firmen (u.a. HP, IBM, Microsoft, Oracle, SAP) >60 verschiedene Produkte implementieren
MehrWas ist PDF? Portable Document Format, von Adobe Systems entwickelt Multiplattformfähigkeit,
Was ist PDF? Portable Document Format, von Adobe Systems entwickelt Multiplattformfähigkeit, Wie kann ein PDF File angezeigt werden? kann mit Acrobat-Viewern angezeigt werden auf jeder Plattform!! (Unix,
MehrErstellen eines Formulars
Seite 1 von 5 Word > Erstellen bestimmter Dokumente > Formen Erstellen von Formularen, die in Word ausgefüllt werden können Basierend auf einer Vorlage können Sie dieser Inhaltssteuerelemente und Hinweistext
MehrKapitel 1: Einführung. Was ist Informatik? Begriff und Grundprobleme der Informatik. Abschnitt 1.1 in Küchlin/Weber: Einführung in die Informatik
Was ist Informatik? Begriff und Grundprobleme der Informatik Abschnitt 1.1 in Küchlin/Weber: Einführung in die Informatik Was ist Informatik? Informatik = computer science? Nach R. Manthey, Vorlesung Informatik
MehrGrammatiken. Einführung
Einführung Beispiel: Die arithmetischen Ausdrücke über der Variablen a und den Operationen + und können wie folgt definiert werden: a, a + a und a a sind arithmetische Ausdrücke Wenn A und B arithmetische
MehrWebseiten sind keine Gemälde. Webstandards für ein besseres Web. Webstandards für ein besseres Web
Webseiten sind keine Gemälde Webkrauts Die Initiative für die Webkrauts ging von einem Blogeintrag im August 2005 aus. Nach dem Aufruf fanden sich innerhalb von etwa drei Tagen über 60 Interessierte zusammen.
MehrProgrammiersprachen und Übersetzer
Programmiersprachen und Übersetzer Sommersemester 2010 19. April 2010 Theoretische Grundlagen Problem Wie kann man eine unendliche Menge von (syntaktisch) korrekten Programmen definieren? Lösung Wie auch
MehrBedienungsanleitung Abirechner nach der neuen Prüfungsordnung ab 07/08, Niedersachsen
Bedienungsanleitung Abirechner nach der neuen Prüfungsordnung ab 07/08, Niedersachsen Keine Ahnung woran du bist? Willst die Abinote endlich wissen?? Jetzt deine Abiturnote - lass sie dir berechnen, in
MehrWollen Sie einen mühelosen Direkteinstieg zum Online Shop der ÖAG? Sie sind nur einen Klick davon entfernt!
Wollen Sie einen mühelosen Direkteinstieg zum Online Shop der ÖAG? Sie sind nur einen Klick davon entfernt! Sehr geehrte(r) Geschäftspartner(in), Um Ihre Transaktionen schneller durchzuführen, bieten wir
MehrProgrammieren Tutorium
Programmieren Tutorium Tom Schildhauer Tutorium 12 Universität Karlsruhe (TH) Institut für Programmstrukturen und Datenorganisation (IPD) Lehrstuhl Programmierparadigmen WS 2008/2009 c 2008 by Tom Schildhauer,
MehrZwischenablage (Bilder, Texte,...)
Zwischenablage was ist das? Informationen über. die Bedeutung der Windows-Zwischenablage Kopieren und Einfügen mit der Zwischenablage Vermeiden von Fehlern beim Arbeiten mit der Zwischenablage Bei diesen
MehrWie erreiche ich was?
Wie erreiche ich was? Projekt: Bezeichnung: Präsentationen Webinare Version: 2.0 Datum: 20. Februar 2014 Kurzbeschreibung: In der vorliegenden Kurzbeschreibung finden Sie die genaue Anleitung für die Teilnahme
MehrRegistrierung im Portal (Personenförderung)
Registrierung im Portal (Personenförderung) Zweck Um das DAAD-Portal zu nutzen und z.b. eine Bewerbung einzureichen, müssen Sie sich zuerst registrieren. Mit der Registrierung machen Sie sich einmalig
MehrSeminar aus dem Bereich E-Learning
Seminar aus dem Bereich E-Learning Thema: Softwarebasierende Lernhilfen zur Interaktiven Visualisierung von Automaten und ihre Eignung für den Sekundarstufenunterricht. Martin Franz maddin_franz@web.de
MehrVermeiden Sie es sich bei einer deutlich erfahreneren Person "dranzuhängen", Sie sind persönlich verantwortlich für Ihren Lernerfolg.
1 2 3 4 Vermeiden Sie es sich bei einer deutlich erfahreneren Person "dranzuhängen", Sie sind persönlich verantwortlich für Ihren Lernerfolg. Gerade beim Einstig in der Programmierung muss kontinuierlich
MehrPrimzahlen und RSA-Verschlüsselung
Primzahlen und RSA-Verschlüsselung Michael Fütterer und Jonathan Zachhuber 1 Einiges zu Primzahlen Ein paar Definitionen: Wir bezeichnen mit Z die Menge der positiven und negativen ganzen Zahlen, also
Mehr3. GLIEDERUNG. Aufgabe:
3. GLIEDERUNG Aufgabe: In der Praxis ist es für einen Ausdruck, der nicht alle Detaildaten enthält, häufig notwendig, Zeilen oder Spalten einer Tabelle auszublenden. Auch eine übersichtlichere Darstellung
MehrDialognetze. Ziel : Beschreibung von Methoden und Beschreibungstechniken für den Entwurf und die Dokumentation von Dialogabläufen
Dialognetze Ziel : Beschreibung von Methoden und Beschreibungstechniken für den Entwurf und die Dokumentation von Dialogabläufen Dialogabläufe auf Fensterebene "grobe Dialogabläufe" d.h. Wechsel zwischen
MehrKonzepte der Informatik
Konzepte der Informatik Vorkurs Informatik zum WS 2011/2012 26.09. - 30.09.2011 17.10. - 21.10.2011 Dr. Werner Struckmann / Christoph Peltz Stark angelehnt an Kapitel 1 aus "Abenteuer Informatik" von Jens
MehrUpdate und Konfiguraton mit dem ANTLOG Konfigurations-Assistenten
Update und Konfiguraton mit dem ANTLOG Konfigurations-Assistenten Der Konfigurations-Assistent wurde entwickelt, um die unterschiedlichen ANTLOG-Anwendungen auf den verschiedensten Umgebungen automatisiert
MehrSie müssen sich für diesen Fall mit IHREM Rechner (also zeitgut jk o.ä.) verbinden, nicht mit dem Terminalserver.
Sie müssen sich für diesen Fall mit IHREM Rechner (also zeitgut jk o.ä.) verbinden, nicht mit dem Terminalserver. Am 15.08.2015 um 21:03 schrieb Jürgen Kleindienst : bei einer Terminalsitzung steht mir
MehrA1.7: Entropie natürlicher Texte
A1.7: Entropie natürlicher Texte Anfang der 1950er Jahre hat Claude E. Shannon die Entropie H der englischen Sprache mit einem bit pro Zeichen abgeschätzt. Kurz darauf kam Karl Küpfmüller bei einer empirischen
MehrStellen Sie bitte den Cursor in die Spalte B2 und rufen die Funktion Sverweis auf. Es öffnet sich folgendes Dialogfenster
Es gibt in Excel unter anderem die so genannten Suchfunktionen / Matrixfunktionen Damit können Sie Werte innerhalb eines bestimmten Bereichs suchen. Als Beispiel möchte ich die Funktion Sverweis zeigen.
MehrTEAMWORK-Uploader. Dokumentenaustausch mit dem PC
TEAMWORK-Uploader Dokumentenaustausch mit dem PC Inhalt 1. Upload Ordner einrichten... 3 2. TEAMWORK mit lokalem Ordner verknüpfen... 3 3. Verwendung der Dokumentenarten... 5 3.1 Standarddokumente...5
MehrERPaaS TM. In nur drei Minuten zur individuellen Lösung und maximaler Flexibilität.
ERPaaS TM In nur drei Minuten zur individuellen Lösung und maximaler Flexibilität. Was ist ERPaaS TM? Kurz gesagt: ERPaaS TM ist die moderne Schweizer Business Software europa3000 TM, welche im Rechenzentrum
MehrAnleitung mtan (SMS-Authentisierung) mit SSLVPN.TG.CH
Amt für Informatik Anleitung mtan (SMS-Authentisierung) mit SSLVPN.TG.CH Anleitung vom 12. September 2009 Version: 1.0 Ersteller: Ressort Sicherheit Zielgruppe: Benutzer von SSLVPN.TG.CH Kurzbeschreib:
Mehr