Attribute und Werte im Düsseldorfer Frame-Modell
|
|
- Gerhard Neumann
- vor 8 Jahren
- Abrufe
Transkript
1 Attribute und Werte im Düsseldorfer Frame-Modell Wiebke Petersen Heinrich-Heine-Universität Düsseldorf SFB 991: The Structure of Representations in Language, Cognition, and Science Februar 2013, Düsseldorf Wiebke Petersen Attribute und Werte 1
2 outline 1 Framehypothese 2 Frames 3 Attribute 4 Typen 5 Ausblick Wiebke Petersen Attribute und Werte 2
3 outline 1 Framehypothese 2 Frames 3 Attribute 4 Typen 5 Ausblick Wiebke Petersen Attribute und Werte 3
4 Framehypothese (Löbner 2012) H1 The human cognitive system operates with one general format of representations. H2 If the human cognitive system operates with one general format of representations, this format is essentially Barsalou frame. A frame model is needed, that is sufficiently expressive to capture the diversity of representations sufficiently precise and restrictive in order to be testable Ziel: Begriffstheorie, die auf Frames zur Begriffsrepräsentation basiert. Wiebke Petersen Attribute und Werte 4
5 Barsalou (1992) Frames, Concepts, and Conceptual Fields Frames provide the fundamental representation of knowledge in human cognition. At their core, frames contain attribute-value sets. Frames further contain a variety of relations. Constraints Ziel Formalisierung von Barsalous kognitiver Frametheorie Überbrückung der Lücke zwischen kognitiver Linguistik und kompositioneller Semantik. Hypothese: Frames können als Generalisierung von getypten Merkmalstrukturen aufgefasst werden (im Sinne von Carpenter 1992) Wiebke Petersen Attribute und Werte 5
6 outline 1 Framehypothese 2 Frames 3 Attribute 4 Typen 5 Ausblick Wiebke Petersen Attribute und Werte 6
7 Merkmalstrukturen getypt phrase noun agr HEAD: AGR: PERS: 3 NUM: pl ungetypt CAT: phrase CAT: noun [ ] HEAD: PERS: 3 AGR: NUM: pl Wiebke Petersen Attribute und Werte 7
8 Merkmalstrukturen getypt phrase noun agr HEAD: AGR: PERS: 3 NUM: pl ungetypt CAT: phrase CAT: noun [ ] HEAD: PERS: 3 AGR: NUM: pl HEAD AGR phrase noun agr CAT PERS NUM 3 CAT HEAD phrase 3 AGR CAT PERS NUM noun num noun num Wiebke Petersen Attribute und Werte 7
9 Beispiel: Frame für eine spezifische Weinflasche (aus Gamerschlag et. al.) Wiebke Petersen Attribute und Werte 8
10 Frames als generalisierte Merkmalstrukturen tree CROWN TRUNK crown trunk BARK GIRTH tree CROWN : crown trunk TRUNK : BARK : bark GIRTH : girth bark girth Merkmalstrukturen (Carpenter 1992) Merkmalstrukturen sind zusammenhängende gerichtete Graphen mit einem Zentralknoten, der eine Wurzel des Graphen ist, mit Typen ausgezeichneten Knoten mit Attributen ausgezeichneten Kanten kein Knoten hat zwei ausgehende Kanten mit gleicher Auszeichnung Wiebke Petersen Attribute und Werte 9
11 Frames als generalisierte Merkmalstrukturen MOTHER person MOTHER person person tree TRUNK trunk BARK GIRTH bark girth Frames (Petersen 2007) Frames sind zusammenhängende gerichtete Graphen mit einem Zentralknoten mit Typen ausgezeichneten Knoten mit Attributen ausgezeichneten Kanten kein Knoten hat zwei ausgehende Kanten mit gleicher Auszeichnung Offene Argumente werden markiert. Frames sind Merkmalstrukturen ohne Wurzelknoten. Wiebke Petersen Attribute und Werte 9
12 Formale Framedefinition Definition Given a set TYPE of types and a finite set ATTR of attributes. A frame is a tuple F = (Q, q,δ,θ) where: Q is a finite set of nodes, q Q is the central node, δ : ATTR Q Q is the partial transition function, θ : Q TYPE is the total node typing function, such that the underlying graph (Q, E) with edge set E = {{q 1, q 2 } a ATTR : δ(a, q 1 ) = q 2 } is connected. Wiebke Petersen Attribute und Werte 10
13 zurück zu Barsalou (aus Gamerschlag et. al.) Wiebke Petersen Attribute und Werte 11
14 kodierte Information (aus Gamerschlag et. al.) Wiebke Petersen Attribute und Werte 12
15 Warum getypte Merkmalstrukturen? Konventionen der Modellierung (Carpenter 1992:34) The nodes of a feature structure are taken to represent objects, and we assume that every node is labeled with a type symbol which represents the most specific conceptual class to which the object is known to belong. An arc between two nodes indicates that the object represented by the source node has a feature, represented by a feature symbol, which has a value represented by the target node. We think of our types as organizing feature structures into natural classes. Wiebke Petersen Attribute und Werte 13
16 Warum getypte Merkmalstrukturen? noun AGR : agr agr PERS : pers NUM : num atomic pers num noun agr AGR : PERS : 3 NUM : num sing plur Typsignatur Eine Typsignatur ist ein Tripel, bestehend aus einer Typhierarchie, T,, einer endlichen Attributmenge ATTR und einer Appropriateness Spezifikation, Approp : ATTR T T, die folgende Bedingungen erfüllt: Attributeinführung Vererbungskonsistenz Wiebke Petersen Attribute und Werte 14
17 Warum getypte Merkmalstrukturen? noun AGR : agr agr PERS : pers NUM : num atomic pers num noun agr AGR : PERS : 3 NUM : num sing plur Typsignaturen erfassen hierarchische Relationen erfassen Generalisierungen modellieren Constraints ermöglichen Unterspezifikation in Frames Wiebke Petersen Attribute und Werte 14
18 Warum getypte Merkmalstrukturen? noun AGR : agr agr PERS : pers NUM : num atomic pers num noun agr AGR : PERS : 3 NUM : num sing plur Allerdings systematische aber unerklärte Redundanz in Attribut- und Typbeschriftungen unklarer Status der Typen (Carpenter 1992: types represent conceptual classes) was ist ein Attribut? Wiebke Petersen Attribute und Werte 14
19 outline 1 Framehypothese 2 Frames 3 Attribute 4 Typen 5 Ausblick Wiebke Petersen Attribute und Werte 15
20 Was ist ein Attribut? Woods 1975: What s in a link? Y ist der Wert des Attributs A für X, wenn wir sagen können, dass Y der/die/das A von X ist. Wiebke Petersen Attribute und Werte 16
21 Was ist ein Attribut? Barsalou, 1992 I define an attribute as a concept that describes an aspect of at least some category member. Values are subordinate concepts of an attribute. Wiebke Petersen Attribute und Werte 17
22 Guarino 1992 über Attribute Denotation Attributbegriffe denotieren Mengen von Entitäten: δ : R 2 U δ(color) = {c c is the color of something} Funktionsinterpretation Attributbegriffe haben zusätzlich zur Denotation eine Interpretation als Funktion: : R 2 U U (color) = {e c c is the color of e} Konsistenzgesetz (Guarino, 1992) Jeder Wert einer Attributsfunktion ist eine Instanz der Denotation des Attributs. Wenn (e c) (color), dann c δ(color). Wiebke Petersen Attribute und Werte 18
23 Guarino 1992 über Attribute Denotation Attributbegriffe denotieren Mengen von Entitäten: δ : R 2 U δ(color) = {c c is the color of something} Funktionsinterpretation Attributbegriffe haben zusätzlich zur Denotation eine Interpretation als Funktion: : R 2 U U (color) = {e c c is the color of e} Konsistenzgesetz (Guarino, 1992) Jeder Wert einer Attributsfunktion ist eine Instanz der Denotation des Attributs. Wenn (e c) (color), dann c δ(color). Wiebke Petersen Attribute und Werte 18
24 Guarino 1992 über Attribute Denotation Attributbegriffe denotieren Mengen von Entitäten: δ : R 2 U δ(color) = {c c is the color of something} Funktionsinterpretation Attributbegriffe haben zusätzlich zur Denotation eine Interpretation als Funktion: : R 2 U U (color) = {e c c is the color of e} Konsistenzgesetz (Guarino, 1992) Jeder Wert einer Attributsfunktion ist eine Instanz der Denotation des Attributs. Wenn (e c) (color), dann c δ(color). Wiebke Petersen Attribute und Werte 18
25 Typsignatur AT T R T YPE object TASTE TEMPERATURE COLOR SHAPE taste temperature color shape sour sweet hot cold red green blue round long apple SHAPE: round pepper Barsalou, 1992: Frames, Concepts, and Conceptual Fields I define an attribute as a concept that describes an aspect of at least some category member. Values are subordinate concepts of an attribute. Wiebke Petersen Attribute und Werte 19
26 outline 1 Framehypothese 2 Frames 3 Attribute 4 Typen 5 Ausblick Wiebke Petersen Attribute und Werte 20
27 Was sind Typen? Wie sind sie geordnet? species IsA IsA human Chris (aus Guarino & Welty 2002) Wiebke Petersen Attribute und Werte 21
28 radikale Attributorientierung Wiebke Petersen Attribute und Werte 22
29 radikale Attributorientierung Wiebke Petersen Attribute und Werte 22
30 radikale Attributorientierung Wiebke Petersen Attribute und Werte 22
31 radikale Attributorientierung Wiebke Petersen Attribute und Werte 22
32 Attributraum Definition Ein Attributraum ist ein Paar (U, A) bestehend aus einem Universum U und einer endlichen Menge von Attributen (partielle Funktionen von U nach U). Wiebke Petersen Attribute und Werte 23
33 Typen Definition Gegeben einen Attributraum (U, A) und eine Menge relevanter Teilmengen S (S 2 U ). Die Menge der Typen T ist T = 2 S / mit: ϕ,ψ S : ϕ ψ iff ϕ = ψ. {, } {,, } Beispiel: Domäne(Mutter) Domäne(Vater) Wiebke Petersen Attribute und Werte 24
34 Typen Definition Die Typhierarchie (T, ) ist definiert durch [ϕ] [ψ] iff [ϕ] [ψ] oder extensional (äquivalent): [ϕ] [ψ] iff ϕ ψ [{, }] [{, }] Beispiel: Domäne(Form) Domäne(Größe) Wiebke Petersen Attribute und Werte 25
35 Beispiel einer relevanter Teilmengen S = A d Π r mit: A d ist die Menge der Attributdomänen. Π r ist die Menge der Pfadwertbereiche. Wiebke Petersen Attribute und Werte 26
36 Anpassung der Granularität der Typhierarchie Die Granularität der Typhierarchie kann einfach angepasst werden, indem eine geeignete Menge relevanter Teilmengen S gewählt wird. Beispiele attributdefinierter relevanter Teilmengen Wiebke Petersen Attribute und Werte 27
37 FCAType (Petersen 2008) FCAType ist ein System zur automatischen Induktion von Typsignaturen aus Mengen ungetypter Merkmalstrukturen. Es verwendet Methoden der formalen Begriffsanalyse (Ganter & Wille 1998). Zugrundegelegte relevante Teilmengen: Attributdomänen und kombinierte Pfadwerte. Wiebke Petersen Attribute und Werte 28
38 Beispiel: Inputframes CAT: np [ ] Uther = HEAD: PERS: third AGR: NUM: sing CAT: np [ ] knights = HEAD: PERS: third AGR: NUM: plur CAT: vp FORM: finite CAT: sleeps = HEAD: np [ ] SUBJ: HEAD: PERS: third AGR: NUM: sing CAT: vp FORM: finite CAT: sleep = HEAD: np [ ] SUBJ: HEAD: PERS: third AGR: NUM: plur (aus Shieber 1986) Wiebke Petersen Attribute und Werte 29
39 ungefaltete Typsignatur t1 third finite sing plur vp np t2 HEAD : t1 CAT : t1 t9 AGR : t12 t15 SUBJ : t3 FORM : finite t12 PERS : third NUM : t1 t3 HEAD : t9 CAT : np t6 HEAD : t15 CAT : vp t10 AGR : t13 t11 AGR : t14 t16 SUBJ : t4 t17 SUBJ : t5 t13 NUM : plur t14 NUM : sing t4 HEAD : t10 t5 HEAD : t11 t7 HEAD : t16 t8 HEAD : t17 Wiebke Petersen Attribute und Werte 30
40 gefaltete Typsignatur t 2 HEAD : head CAT : cat head t 12 PERS : third NUM : num atomic t 9 AGR : t 12 t 15 SUBJ : t 2 FORM : finite pers form num cat t 3 HEAD : t 9 CAT : np t 6 HEAD : t 15 CAT : vp third finite sing plur vp np Wiebke Petersen Attribute und Werte 31
41 gefaltete Typsignatur t 2 HEAD : head CAT : cat head t 12 PERS : third NUM : num atomic t 9 AGR : t 12 t 15 SUBJ : t 2 FORM : finite pers form num cat t 3 HEAD : t 9 CAT : np t 6 HEAD : t 15 CAT : vp third finite sing plur vp np Carpenter 1992: We think of our types as organizing feature structures into natural classes. Wiebke Petersen Attribute und Werte 31
42 Erfassung von Constraints Die Granularität der Typhierarchie kann angepasst werden, um Constraints zu erfassen: Urbilder von Werten (z.b. COLOR 1 (red); wenn eine Tomate rot ist, ist sie reif ) Urbilder von Wertbereichen (e.g. AGE 1 ( 18); ein Mensch unter 18 ist ein Kind). Attributdomänen (z.b., SHAPE,SIZE; wenn etwas eine Form hat, so hat es auch eine Größe) Pfadwertebereiche (z.b., HAIR COLOR; nicht jede Farbe ist eine mögliche Haarfarbe) Pfadgleichungen (z.b., COLOR = COVER:COLOR; die Farbe eines Buches ist die Farbe des Umschlags monotone Constraints ( je älter eine Briefmarke ist, desto teurer ist sie )... Wiebke Petersen Attribute und Werte 32
43 outline 1 Framehypothese 2 Frames 3 Attribute 4 Typen 5 Ausblick Wiebke Petersen Attribute und Werte 33
44 Vorteile von Frames gegenüber PL1? transparent (speziell für Komposition) variabelfrei keine fixe Stelligkeit von Prädikaten keine fixe Ordnung der Argumente Wiebke Petersen Attribute und Werte 34
45 Ausblick Unser Ziel ist ein Framemodell, das Ziel mächtig ist, da es Rekursivität ausschöpft (vgl. Fillmore Frames) aussdrucksstark ist durch Typspezifikationen präzise ist, da es die Interpretation von Typen und Attributen beschränkt (vgl. semantische Netze) formalisiert (mathematische Definitionen und modelltheoretische Interpretation) empirisch fundiert (Evidenz aus Kognitionswissenschaften und Psycholinguistik) Framebasierte kognitive Semantik, die Dekomposition und Komposition einheitlich behandelt. Wiebke Petersen Attribute und Werte 35
46 literature Barsalou, L. (1992): Frames, Concepts, and Conceptual Fields. In Lehrer and Kittay (eds.): Frames, Fields, and Contrasts. Carpenter, B. (1992): The Logic of Typed Feature Structures. Cambridge: CUP. Ganter, B. and Wille, R. (1998): Formal Concept Analysis: Mathematical Foundations. Berlin: Springer. Guarino, N. (1992): Concepts, attributes and arbitrary relations some linguistic and ontological criteria for structuring knowledge bases. Data Knowl. Eng. 8, Petersen, W. (2007): Representation of Concepts as Frames. In: The Baltic International Yearbook of Cognition, Logic and Communication, Vol. 2, p Petersen, W. (2008): Type Signature Induction with FCAType. In: S. B. Yahia, E. Mephu Nguifo, R. Belohlavek (eds.): Concept Lattices and Their Applications. LNAI 4923, p , Springer. Shieber, S. M. (1986): An Introduction to Unification-Based Approaches to Grammar. Stanford: CSLI Publications. Wiebke Petersen Attribute und Werte 36
6.2 Petri-Netze. kommunizierenden Prozessen in der Realität oder in Rechnern Verhalten von Hardware-Komponenten Geschäftsabläufe Spielpläne
6.2 Petri-Netze WS 06/07 mod 621 Petri-Netz (auch Stellen-/Transitions-Netz): Formaler Kalkül zur Modellierung von Abläufen mit nebenläufigen Prozessen und kausalen Beziehungen Basiert auf bipartiten gerichteten
MehrWS 2009/10. Diskrete Strukturen
WS 2009/10 Diskrete Strukturen Prof. Dr. J. Esparza Lehrstuhl für Grundlagen der Softwarezuverlässigkeit und theoretische Informatik Fakultät für Informatik Technische Universität München http://www7.in.tum.de/um/courses/ds/ws0910
MehrSoftware-Engineering SS03. Zustandsautomat
Zustandsautomat Definition: Ein endlicher Automat oder Zustandsautomat besteht aus einer endlichen Zahl von internen Konfigurationen - Zustände genannt. Der Zustand eines Systems beinhaltet implizit die
MehrProfessionelle Seminare im Bereich MS-Office
Der Name BEREICH.VERSCHIEBEN() ist etwas unglücklich gewählt. Man kann mit der Funktion Bereiche zwar verschieben, man kann Bereiche aber auch verkleinern oder vergrößern. Besser wäre es, die Funktion
MehrKapitel MK:IV. IV. Modellieren mit Constraints
Kapitel MK:IV IV. Modellieren mit Constraints Einführung und frühe Systeme Konsistenz I Binarization Generate-and-Test Backtracking-basierte Verfahren Konsistenz II Konsistenzanalyse Weitere Analyseverfahren
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
Mehr4. Jeder Knoten hat höchstens zwei Kinder, ein linkes und ein rechtes.
Binäre Bäume Definition: Ein binärer Baum T besteht aus einer Menge von Knoten, die durch eine Vater-Kind-Beziehung wie folgt strukturiert ist: 1. Es gibt genau einen hervorgehobenen Knoten r T, die Wurzel
MehrBeschreibungslogiken. Daniel Schradick 1schradi@informatik.uni-hamburg.de
Beschreibungslogiken Daniel Schradick 1schradi@informatik.uni-hamburg.de Was sind Beschreibungslogiken? Definition: Formalisms that represent knowledge of some problem domain (the world ) by first defining
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:
MehrDaten haben wir reichlich! 25.04.14 The unbelievable Machine Company 1
Daten haben wir reichlich! 25.04.14 The unbelievable Machine Company 1 2.800.000.000.000.000.000.000 Bytes Daten im Jahr 2012* * Wenn jedes Byte einem Buchstaben entspricht und wir 1000 Buchstaben auf
MehrGrundlagen der Künstlichen Intelligenz
Grundlagen der Künstlichen Intelligenz 22. Constraint-Satisfaction-Probleme: Kantenkonsistenz Malte Helmert Universität Basel 14. April 2014 Constraint-Satisfaction-Probleme: Überblick Kapitelüberblick
Mehr1 Mathematische Grundlagen
Mathematische Grundlagen - 1-1 Mathematische Grundlagen Der Begriff der Menge ist einer der grundlegenden Begriffe in der Mathematik. Mengen dienen dazu, Dinge oder Objekte zu einer Einheit zusammenzufassen.
MehrDatenstrukturen & Algorithmen
Datenstrukturen & Algorithmen Matthias Zwicker Universität Bern Frühling 2010 Übersicht Binäre Suchbäume Einführung und Begriffe Binäre Suchbäume 2 Binäre Suchbäume Datenstruktur für dynamische Mengen
Mehr26.01.2009. Gliederung. Nebenläufigkeit und Fairness. 1. Nebenläufigkeit Lokalitätsprinzip. 2. Betrachtungsweisen von Nebenläufigkeit. 3.
Gliederung Lokalitätsprinzip Nebenläufigkeit und Fairness Seminar Model lchecking WS 08/09 Interleaving Halbordnung. Fairness Jan Engelsberg engelsbe@informatik.hu berlin.de Was ist Nebenläufigkeit? In
MehrUnterrichtsmaterialien in digitaler und in gedruckter Form. Auszug aus:
Unterrichtsmaterialien in digitaler und in gedruckter Form Auszug aus: If-clauses - conditional sentences - Nie mehr Probleme mit Satzbau im Englischen! Das komplette Material finden Sie hier: School-Scout.de
MehrPetri-Netze / Eine Einführung (Teil 2)
Manuel Hertlein Seminar Systementwurf Lehrstuhl Theorie der Programmierung Wiederholung (1) Petri-Netz = bipartiter, gerichteter Graph Aufbau: Plätze (passive Komponenten) Transitionen (aktive Komponenten)
MehrGrundlagen von Python
Einführung in Python Grundlagen von Python Felix Döring, Felix Wittwer November 17, 2015 Scriptcharakter Programmierparadigmen Imperatives Programmieren Das Scoping Problem Objektorientiertes Programmieren
Mehr4. AUSSAGENLOGIK: SYNTAX. Der Unterschied zwischen Objektsprache und Metasprache lässt sich folgendermaßen charakterisieren:
4. AUSSAGENLOGIK: SYNTAX 4.1 Objektsprache und Metasprache 4.2 Gebrauch und Erwähnung 4.3 Metavariablen: Verallgemeinerndes Sprechen über Ausdrücke von AL 4.4 Die Sprache der Aussagenlogik 4.5 Terminologie
MehrHilfe zur Urlaubsplanung und Zeiterfassung
Hilfe zur Urlaubsplanung und Zeiterfassung Urlaubs- und Arbeitsplanung: Mit der Urlaubs- und Arbeitsplanung kann jeder Mitarbeiter in Coffee seine Zeiten eintragen. Die Eintragung kann mit dem Status anfragen,
MehrMotivation. Formale Grundlagen der Informatik 1 Kapitel 5 Kontextfreie Sprachen. Informales Beispiel. Informales Beispiel.
Kontextfreie Kontextfreie Motivation Formale rundlagen der Informatik 1 Kapitel 5 Kontextfreie Sprachen Bisher hatten wir Automaten, die Wörter akzeptieren Frank Heitmann heitmann@informatik.uni-hamburg.de
MehrGrundbegriffe der Informatik
Grundbegriffe der Informatik Tutorium 27 29..24 FAKULTÄT FÜR INFORMATIK KIT Universität des Landes Baden-Württemberg und nationales Forschungszentrum in der Helmholtz-Gemeinschaft www.kit.edu Definition
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
MehrBeispiele für Relationen
Text Relationen 2 Beispiele für Relationen eine Person X ist Mutter von einer Person Y eine Person X ist verheiratet mit einer Person Y eine Person X wohnt am gleichen Ort wie eine Person Y eine Person
MehrWir machen neue Politik für Baden-Württemberg
Wir machen neue Politik für Baden-Württemberg Am 27. März 2011 haben die Menschen in Baden-Württemberg gewählt. Sie wollten eine andere Politik als vorher. Die Menschen haben die GRÜNEN und die SPD in
MehrSuchmaschinen. Universität Augsburg, Institut für Informatik SS 2014 Prof. Dr. W. Kießling 23. Mai 2014 Dr. M. Endres, F. Wenzel Lösungsblatt 6
Universität Augsburg, Institut für Informatik SS 2014 Prof. Dr. W. Kießling 23. Mai 2014 Dr. M. Endres, F. Wenzel Lösungsblatt 6 Aufgabe 1: Pareto mit SV-Semantik Suchmaschinen Pareto Definition: x < P
MehrSecurity Patterns. Benny Clauss. Sicherheit in der Softwareentwicklung WS 07/08
Security Patterns Benny Clauss Sicherheit in der Softwareentwicklung WS 07/08 Gliederung Pattern Was ist das? Warum Security Pattern? Security Pattern Aufbau Security Pattern Alternative Beispiel Patternsysteme
MehrWindows Server 2012 R2 Essentials & Hyper-V
erklärt: Windows Server 2012 R2 Essentials & Hyper-V Windows Server 2012 R2 Essentials bietet gegenüber der Vorgängerversion die Möglichkeit, mit den Boardmitteln den Windows Server 2012 R2 Essentials
Mehr1 topologisches Sortieren
Wolfgang Hönig / Andreas Ecke WS 09/0 topologisches Sortieren. Überblick. Solange noch Knoten vorhanden: a) Suche Knoten v, zu dem keine Kante führt (Falls nicht vorhanden keine topologische Sortierung
MehrInformatik IC2. Balazs Simon 2005.03.26.
Informatik IC2 Balazs Simon 2005.03.26. Inhaltsverzeichnis 1 Reguläre Sprachen 3 1.1 Reguläre Sprachen und endliche Automaten...................... 3 1.2 Determinisieren.....................................
MehrUnigraphics Schnittstelle entfernen
Einsteiger Fortgeschrittene Profis markus.meinl@m-quest.ch Version 1.0 Voraussetzungen für diesen Workshop Sie sind mit dem Betriebsystem vertraut Sie besitzen Administrator-Rechte Die M-Quest Suite ist
MehrWürfelt man dabei je genau 10 - mal eine 1, 2, 3, 4, 5 und 6, so beträgt die Anzahl. der verschiedenen Reihenfolgen, in denen man dies tun kann, 60!.
040304 Übung 9a Analysis, Abschnitt 4, Folie 8 Die Wahrscheinlichkeit, dass bei n - maliger Durchführung eines Zufallexperiments ein Ereignis A ( mit Wahrscheinlichkeit p p ( A ) ) für eine beliebige Anzahl
MehrFixpunktsemantik logischer Programme Pascal Hitzler Juli 1997 Kurzuberblick im Rahmen der Vorlesung Einfuhrung in Prolog von T. Cornell im Sommersemester 1997 an der Universitat Tubingen. Beweise 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
MehrInformationsblatt Induktionsbeweis
Sommer 015 Informationsblatt Induktionsbeweis 31. März 015 Motivation Die vollständige Induktion ist ein wichtiges Beweisverfahren in der Informatik. Sie wird häufig dazu gebraucht, um mathematische Formeln
MehrFachdidaktik der Informatik 18.12.08 Jörg Depner, Kathrin Gaißer
Fachdidaktik der Informatik 18.12.08 Jörg Depner, Kathrin Gaißer Klassendiagramme Ein Klassendiagramm dient in der objektorientierten Softwareentwicklung zur Darstellung von Klassen und den Beziehungen,
MehrAlgorithms & Datastructures Midterm Test 1
Algorithms & Datastructures Midterm Test 1 Wolfgang Pausch Heiko Studt René Thiemann Tomas Vitvar
MehrTurtle Charts mit der ViFlow Turtle Schablone (VTS) erstellen
Turtle Charts mit der ViFlow Turtle Schablone (VTS) erstellen Was genau ist ein Turtle Chart? Ein Turtle Chart (auch Schildkrötengrafik) ist eine Prozessdarstellungsform ähnlich eines Prozesssteckbriefes.
Mehra n + 2 1 auf Konvergenz. Berechnen der ersten paar Folgenglieder liefert:
Beispiel: Wir untersuchen die rekursiv definierte Folge a 0 + auf Konvergenz. Berechnen der ersten paar Folgenglieder liefert: ( ) (,, 7, 5,...) Wir können also vermuten, dass die Folge monoton fallend
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.
MehrGliederung. Programmierparadigmen. Sprachmittel in SCHEME. Objekte: Motivation. Objekte in Scheme
Gliederung Programmierparadigmen D. Rösner Institut für Wissens- und Sprachverarbeitung Fakultät für Informatik Otto-von-Guericke Universität Magdeburg 1 Einführung Sprachmittel Sommer 2011, 20. Juni 2011,
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
MehrDas neue Volume-Flag S (Scannen erforderlich)
NetWorker 7.4.2 - Allgemein Tip 2, Seite 1/5 Das neue Volume-Flag S (Scannen erforderlich) Nach der Wiederherstellung des Bootstraps ist es sehr wahrscheinlich, daß die in ihm enthaltenen Informationen
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)
MehrDer Zwei-Quadrate-Satz von Fermat
Der Zwei-Quadrate-Satz von Fermat Proseminar: Das BUCH der Beweise Fridtjof Schulte Steinberg Institut für Informatik Humboldt-Universität zu Berlin 29.November 2012 1 / 20 Allgemeines Pierre de Fermat
MehrWurzeln als Potenzen mit gebrochenen Exponenten. Vorkurs, Mathematik
Wurzeln als Potenzen mit gebrochenen Exponenten Zur Einstimmung Wir haben die Formel benutzt x m n = x m n nach der eine Exponentialzahl potenziert wird, indem man die Exponenten multipliziert. Dann sollte
MehrDas Dilemma des Einbrechers Wer die Wahl hat, hat die Qual!
Das Dilemma des Einbrechers Wer die Wahl hat, hat die Qual! 0kg 4000 Euro Luster 5,5 kg, 430.- Laptop 2,0 kg, 000.- Schatulle 3,2 kg, 800.- Uhr 3,5 kg, 70.- Schwert,5 kg, 850.- Bild 3,4 kg, 680.- Besteck
MehrOrdner Berechtigung vergeben Zugriffsrechte unter Windows einrichten
Ordner Berechtigung vergeben Zugriffsrechte unter Windows einrichten Was sind Berechtigungen? Unter Berechtigungen werden ganz allgemein die Zugriffsrechte auf Dateien und Verzeichnisse (Ordner) verstanden.
MehrTheoretische Grundlagen des Software Engineering
Theoretische Grundlagen des Software Engineering 11: Abstrakte Reduktionssysteme schulz@eprover.org Reduktionssysteme Definition: Reduktionssystem Ein Reduktionssystem ist ein Tupel (A, ) Dabei gilt: A
MehrLandes-Arbeits-Gemeinschaft Gemeinsam Leben Gemeinsam Lernen Rheinland-Pfalz e.v.
Landes-Arbeits-Gemeinschaft Gemeinsam Leben Gemeinsam Lernen Rheinland-Pfalz e.v. Wer sind wir? Wir sind ein Verein. Wir setzen uns für Menschen mit Behinderung ein. Menschen mit Behinderung sollen überall
MehrEva Douma: Die Vorteile und Nachteile der Ökonomisierung in der Sozialen Arbeit
Eva Douma: Die Vorteile und Nachteile der Ökonomisierung in der Sozialen Arbeit Frau Dr. Eva Douma ist Organisations-Beraterin in Frankfurt am Main Das ist eine Zusammen-Fassung des Vortrages: Busines
MehrSCHRITT 1: Öffnen des Bildes und Auswahl der Option»Drucken«im Menü»Datei«...2. SCHRITT 2: Angeben des Papierformat im Dialog»Drucklayout«...
Drucken - Druckformat Frage Wie passt man Bilder beim Drucken an bestimmte Papierformate an? Antwort Das Drucken von Bildern ist mit der Druckfunktion von Capture NX sehr einfach. Hier erklären wir, wie
MehrProgrammierparadigmen
Programmierparadigmen D. Rösner Institut für Wissens- und Sprachverarbeitung Fakultät für Informatik Otto-von-Guericke Universität Magdeburg Sommer 2011, 20. Juni 2011, c 2011 D.Rösner D. Rösner PGP 2011...
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
MehrKfz-Versicherung für Fahranfänger. mit der Lizenz zum Fahren
Kfz-Versicherung für Fahranfänger mit der Lizenz zum Fahren startklar? Geschafft endlich der Führerschein! Nur das eigene Auto fehlt noch. Aber: Sie dürfen den Wagen Ihrer Eltern nutzen und so Ihr Können
MehrInnovation in der Raubtierdressur Neue Wege in der Risikominierung Wolfgang Platz, Founder & CPO
Innovation in der Raubtierdressur Neue Wege in der Risikominierung Wolfgang Platz, Founder & CPO Copyright 2014, Tricentis GmbH. All Rights Reserved. 1 Target Applications Reporting & Dashboard Optimize
MehrReaktive Programmierung Vorlesung 16 vom 14.07.2015: Theorie der Nebenläufigkeit
18:13:55 2015-07-14 1 [16] Reaktive Programmierung Vorlesung 16 vom 14.07.2015: Theorie der Nebenläufigkeit Christoph Lüth & Martin Ring Universität Bremen Sommersemester 2015 2 [16] Organisatorisches
MehrDie Invaliden-Versicherung ändert sich
Die Invaliden-Versicherung ändert sich 1 Erklärung Die Invaliden-Versicherung ist für invalide Personen. Invalid bedeutet: Eine Person kann einige Sachen nicht machen. Wegen einer Krankheit. Wegen einem
MehrOption 1: Hinzufügen eines Schritts zur Bearbeitungsliste... 2
Erklärung der Bearbeitungsliste Frage Wie verwende ich die Bearbeitungsliste? Antwort Alle Optimierungen, die auf Bilder angewandt werden, und im Rahmen der einzelnen Optimierungen jeweils vorgenommenen
MehrGI-Technologien zur Umsetzung der EU-Wasserrahmenrichtlinie (WRRL): Wissensbasen. Teil 1: Einführung: Wissensbasis und Ontologie.
GI-Technologien zur Umsetzung der EU-Wasserrahmenrichtlinie (WRRL): Wissensbasen Teil 1: Einführung: Wissensbasis und Ontologie Was ist eine Wissensbasis? Unterschied zur Datenbank: Datenbank: strukturiert
MehrEinführung in Petri-Netze. Modellierung von Abläufen und Prozessen (1) Abhängigkeitsgraphen: Motivation. Petri-Netze
Einführung in Petri-Netze Modellierung von Abläufen und Prozessen () Motivation Abhängigkeitsgraphen: A B 6 C 5 D Petri-Netze Markierungen Invarianten Credits: L. Priese, H. Wimmel: Petri-Netze, Theoretische
MehrMediation. Ein recht neuer Begriff in der Fremdsprachendidaktik
Mediation Ein recht neuer Begriff in der Fremdsprachendidaktik Theorie Das Zusammenwachsen der europäischen Länder und die politischen, wirtschaftlichen und kulturellen Globalisierungstendenzen haben die
MehrDer Begriff Cloud. Eine Spurensuche. Patric Hafner 29.06.2012. geops
Der Begriff Cloud Eine Spurensuche Patric Hafner geops 29.06.2012 Motivation Der größte Hype der IT-Branche Hype heißt sowohl Rummel als auch Schwindel slashdot.org The cloud represents a foundational
MehrLIFO -Stärkenmanagement: Übungen und Spiele
LIFO -Stärkenmanagement: Übungen und Spiele Kirsten Möbius Mai 2011 1 Inhaltsangabe Übung zur Interpretation des LIFO - Fragebogens Übung zur Vertiefund der LIFO - Stile (Aufstellung) Übung zur Vertiefung
MehrAutomatentheorie und formale Sprachen reguläre Ausdrücke
Automatentheorie und formale Sprachen reguläre Ausdrücke Dozentin: Wiebke Petersen 6.5.2009 Wiebke Petersen Automatentheorie und formale Sprachen - SoSe09 1 Formal language Denition A formal language L
MehrBarrierefreie Webseiten erstellen mit TYPO3
Barrierefreie Webseiten erstellen mit TYPO3 Alternativtexte Für jedes Nicht-Text-Element ist ein äquivalenter Text bereitzustellen. Dies gilt insbesondere für Bilder. In der Liste der HTML 4-Attribute
MehrRock-Band. Einleitung. Scratch. In diesem Projekt lernst du, wie du deine eigenen Musikinstrumente programmieren kannst! Activity Checklist
Scratch 1 Rock-Band All Code Clubs must be registered. Registered clubs appear on the map at codeclubworld.org - if your club is not on the map then visit jumpto.cc/ccwreg to register your club. Einleitung
MehrErfahrungen mit Hartz IV- Empfängern
Erfahrungen mit Hartz IV- Empfängern Ausgewählte Ergebnisse einer Befragung von Unternehmen aus den Branchen Gastronomie, Pflege und Handwerk Pressegespräch der Bundesagentur für Arbeit am 12. November
MehrKlausur BWL V Investition und Finanzierung (70172)
Klausur BWL V Investition und Finanzierung (70172) Prof. Dr. Daniel Rösch am 13. Juli 2009, 13.00-14.00 Name, Vorname Anmerkungen: 1. Bei den Rechenaufgaben ist die allgemeine Formel zur Berechnung der
MehrTechnische Analyse der Zukunft
Technische Analyse der Zukunft Hier werden die beiden kurzen Beispiele des Absatzes auf der Homepage mit Chart und Performance dargestellt. Einfache Einstiege reichen meist nicht aus. Der ALL-IN-ONE Ultimate
MehrKONSTRUKTION VON ROT-SCHWARZ-BÄUMEN
KONSTRUKTION VON ROT-SCHWARZ-BÄUMEN RALF HINZE Institut für Informatik III Universität Bonn Email: ralf@informatik.uni-bonn.de Homepage: http://www.informatik.uni-bonn.de/~ralf Februar, 2001 Binäre Suchbäume
MehrData Cube. Aggregation in SQL. Beispiel: Autoverkäufe. On-line Analytical Processing (OLAP) 1. Einführung. 2. Aggregation in SQL, GROUP BY
Data Cube On-line Analytical Processing (OLAP). Einführung Ziel: Auffinden interessanter Muster in großen Datenmengen 2. Aggregation in SQL, GROUP BY 3. Probleme mit GROUP BY 4. Der Cube-Operator! Formulierung
MehrWas bisher geschah: Formale Sprachen
Was isher geschah: Formale Sprachen Alphaet, Wort, Sprache Operationen und Relationen auf Wörtern und Sprachen reguläre Ausdrücke: Syntax, Semantik, Äquivalenz Wortersetzungssysteme Wortersetzungsregeln
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
MehrFormale Systeme. Binary Decision Diagrams. Prof. Dr. Bernhard Beckert WS 2010/2011 KIT INSTITUT FÜR THEORETISCHE INFORMATIK
Formale Systeme Prof. Dr. Bernhard Beckert WS / KIT INSTITUT FÜR THEORETISCHE INFORMATIK KIT University of the State of Baden-Württemberg and National Large-scale Research Center of the Helmholtz Association
MehrEinführung in die Computerlinguistik reguläre Sprachen und endliche Automaten
Einführung in die Computerlinguistik reguläre Sprachen und endliche Automaten Dozentin: Wiebke Petersen Foliensatz 3 Wiebke Petersen Einführung CL 1 Describing formal languages by enumerating all words
MehrKombinatorische Optimierung
Juniorprof. Dr. Henning Meyerhenke 1 Henning Meyerhenke: KIT Universität des Landes Baden-Württemberg und nationales Forschungszentrum in der Helmholtz-Gemeinschaft www.kit.edu Vorlesung 1 Programm des
MehrEinführung in die Fuzzy Logic
Einführung in die Fuzzy Logic Entwickelt von L. Zadeh in den 60er Jahren Benutzt unscharfe (fuzzy) Begriffe und linguistische Variablen Im Gegensatz zur Booleschen Logik {0,} wird das ganze Intervall [0,]
MehrKonzept zur Push Notification/GCM für das LP System (vormals BDS System)
Konzept zur Push Notification/GCM für das LP System (vormals BDS System) Wir Push Autor: Michael Fritzsch Version: 1.0 Stand: 04. Februar 2015 Inhalt 1. Was ist eine Push Notification? 2. Wofür steht GCM?
MehrKlassenentwurf. Wie schreiben wir Klassen, die leicht zu verstehen, wartbar und wiederverwendbar sind? Objektorientierte Programmierung mit Java
Objektorientierte Programmierung mit Java Eine praxisnahe Einführung mit BlueJ Klassenentwurf Wie schreiben wir Klassen, die leicht zu verstehen, wartbar und wiederverwendbar sind? 1.0 Zentrale Konzepte
MehrEigenen Farbverlauf erstellen
Diese Serie ist an totale Neulinge gerichtet. Neu bei PhotoLine, evtl. sogar komplett neu, was Bildbearbeitung betrifft. So versuche ich, hier alles einfach zu halten. Ich habe sogar PhotoLine ein zweites
MehrWie löst man Mathematikaufgaben?
Wie löst man Mathematikaufgaben? Manfred Dobrowolski Universität Würzburg Wie löst man Mathematikaufgaben? 1 Das Schubfachprinzip 2 Das Invarianzprinzip 3 Das Extremalprinzip Das Schubfachprinzip Verteilt
Mehr«Integration in WebSite» HTML-/Javascript-Code-Beispiele
QuickInfo «Integration in WebSite» HTML-/Javascript-Code-Beispiele Fragen? Ihre Umfrage soll direkt in resp. auf Ihrer WebSite erscheinen? Die Möglichkeiten für eine technische Integration an exakten Stellen
MehrInformation Systems Engineering Seminar
Information Systems Engineering Seminar Algorithmische Prüfung der Planarität eines Graphen Marcel Stüttgen, 22.10.2012 FH AACHEN UNIVERSITY OF APPLIED SCIENCES 1 Planarität - Definition Ein Graph heißt
MehrÜbungen Workflow Management. Blatt 2
Übungen Workflow Management Blatt 2 Aufgabe 1: Erstellen Sie ein Petrinetz inklusive Anfangsmarkierung für den im Folgenden beschriebenen Prozess zur Bearbeitung einer Münzbestellung. Zuerst geht eine
MehrLineargleichungssysteme: Additions-/ Subtraktionsverfahren
Lineargleichungssysteme: Additions-/ Subtraktionsverfahren W. Kippels 22. Februar 2014 Inhaltsverzeichnis 1 Einleitung 2 2 Lineargleichungssysteme zweiten Grades 2 3 Lineargleichungssysteme höheren als
MehrLasersteuerung. Themengruppen FTDI - Interface ILDA Format Ausgabensteuerung Figurenerstellung Lasershowerstellung Lasershowarten Software / Community
Themengruppen FTDI - Interface ILDA Format Ausgabensteuerung Figurenerstellung Lasershowerstellung Lasershowarten Software / Community FTDI Interface FTDI = Future Technology Devices International 4(6)
MehrLogik für Informatiker
Logik für Informatiker 2. Aussagenlogik Teil 3 30.04.2012 Viorica Sofronie-Stokkermans Universität Koblenz-Landau e-mail: sofronie@uni-koblenz.de 1 Letztes Mal Aussagenlogik Syntax: welche Formeln? Semantik:
Mehr10. Vorlesung Spieltheorie in der Nachrichtentechnik
10. Vorlesung Spieltheorie in der Nachrichtentechnik Vorlesung: Eduard Jorswieck Übung: Rami Mochaourab Sommersemester 2010 Kooperative Spiele - Stabile Paarungen Wir studieren Märkte mit zweiseitigen
MehrMai 2006. Hauptseminar: Nichtrelationale Datenbanken Historisch-Kulturwissenschaftliche Informationsverarbeitung Universität zu Köln
Hauptseminar: Nichtrelationale Historisch-Kulturwissenschaftliche Informationsverarbeitung Universität zu Köln Mai 2006 Was ist eine Datenbank? Erweiterung relationaler um eine Deduktionskomponente Diese
MehrCognitive Systems Master thesis
Cognitive Systems Master thesis Recherche Phase SS 2011 Gliederung 1. Einleitung 2. Analogie Modelle 2.1 SME 2.2 Ava 2.3 Lisa 3. Zusammenfassung 4. Ausblick 2 Einleitung Analogie Problemsituation wird
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
MehrSEMINAR Modifikation für die Nutzung des Community Builders
20.04.2010 SEMINAR Modifikation für die Nutzung des Community Builders Step by Step Anleitung ecktion SEMINAR Modifikation für die Nutzung des Community Builders Step by Step Anleitung Bevor Sie loslegen
Mehrder Eingabe! Haben Sie das Ergebnis? Auf diesen schwarzen Punkt kommen wir noch zu sprechen.
Medizintechnik MATHCAD Kapitel. Einfache Rechnungen mit MATHCAD ohne Variablendefinition In diesem kleinen Kapitel wollen wir die ersten Schritte mit MATHCAD tun und folgende Aufgaben lösen: 8 a: 5 =?
MehrDie reellen Lösungen der kubischen Gleichung
Die reellen Lösungen der kubischen Gleichung Klaus-R. Löffler Inhaltsverzeichnis 1 Einfach zu behandelnde Sonderfälle 1 2 Die ganzrationale Funktion dritten Grades 2 2.1 Reduktion...........................................
MehrFachhochschule Deggendorf Platzziffer:...
Sommersemester 2008 Zahl der Blätter: 9 Fachbereich: Betriebswirtschaft WI Bachelor Hilfsmittel: alles ohne Computer Zeit: 90 Minuten 1 Betrachten Sie die drei markierten Zeilen. 1. Angenommen Sie hätten
MehrEinführung in die Linguistik, Teil 4
Einführung in die Linguistik, Teil 4 Syntax - Das Berechnen syntaktischer Strukturen beim menschlichen Sprachverstehen Markus Bader, Frans Plank, Henning Reetz, Björn Wiemer Einführung in die Linguistik,
MehrPROSTEP AG: Anmelden für eine mehrtägige Schulung für Opel-Zulieferer
PROSTEP AG: Anmelden für eine mehrtägige Schulung für Opel-Zulieferer Für eine reibungslose Zusammenarbeit fordert Opel von jedem seiner Zulieferunternehmen, dass es für das General Motors-Zulieferer-Portal
Mehr15.3 Bedingte Wahrscheinlichkeit und Unabhängigkeit
5.3 Bedingte Wahrscheinlichkeit und Unabhängigkeit Einführendes Beispiel ( Erhöhung der Sicherheit bei Flugreisen ) Die statistische Wahrscheinlichkeit, dass während eines Fluges ein Sprengsatz an Bord
MehrMitarbeiter IVR - Wozu
Mitarbeiter IVR - Wozu Da alle Fahrzeuge auch mit GSM-Telefonen ausgestattet sind, ist es naheliegend, dass ein Großteil der Kommunikation zwischen Fahrzeugen (Mitarbeitern) und der Leitstelle über das
MehrBasis und Dimension. Als nächstes wollen wir die wichtigen Begriffe Erzeugendensystem und Basis eines Vektorraums definieren.
Basis und Dimension Als nächstes wollen wir die wichtigen Begriffe Erzeugendensystem und Basis eines Vektorraums definieren. Definition. Sei V ein K-Vektorraum und (v i ) i I eine Familie von Vektoren
Mehr