Grundlagen des Maschinellen Lernens Kap 3: Lernverfahren in anderen Domänen
|
|
- Theodor Braun
- vor 7 Jahren
- Abrufe
Transkript
1 . Motivtion 2. Lernmodelle Teil I 2.. Lernen im Limes 2.2. Fllstudie: Lernen von Ptternsprchen 3. Lernverfhren in nderen Domänen Entscheidungsbäume 3.3. Entscheidungsbäume über regulären Ptterns 4. Lernmodelle Teil II 4.. Online-Lernen 4.2. PAC-Lernen 5. Spezielle Lernverfhren 5.. unüberwchtes Lernen 5.2 überwchtes Lernen 5/ Fhrpln motivierendes Beispiel Präzisierung des zu lösenden Lernproblems zugrunde liegende Begriffe (nur Wiederholung(!?)) Lernverfhren für endliche Automten mit Ein- und Ausgbe 5/2
2 Problemstellung: Kffeeutomt ein wohlwollender Sponsor ht in D4 einen Kffeeutomt zu freien Benutzung ufgestellt mn knn sich Kffee umsonst verschffen es gibt leider keine Bedienungsnleitung A B C 5/3 kurzfristiges Ziel Wir wollen einen Becher mit Kffee us dem Automten erhlten. lngfristiges Ziel Wir wollen verstehen, wie der Automt funktioniert, um plnmäßig (und beliebig oft) us dem Automten einen Becher mit Kffee erhlten zu können. Knn mn die Funktionsweise des Automten erlernen? 5/4
3 vom Kffeeutomten ist beknnt... Er ht 3 Knöpfe: A, B und C. Es sind 4 verschiedene Ausgben möglich: Ertönen einer Glocke Becher Zucker Kffee Gl Be Zu K A B C 5/5 A/Zu B/K strt C/Gl C/Be 2 A/Zu A/Zu B/Zu C/Gl B/Gl 5/6
4 Präzisierung des zu lösenden Lernproblems Klsse zu lernender Objekte endlich deterministische Automten A (mit Ausgbe) Informtionen über ds Verhlten eines unbeknnten Automten A werden Interktionsfolgen vorgelegt Lernziel es soll ein Automt B gelernt werden, der sich genuso wie A verhält 5/7 endliche Automten ohne Ausgbe (zur Erinnerung) A = [ X, Z, δ, {z 0 }, F ] Eingbelphbet X Zustndsmenge Z Zustndsüberführungsfunktion δ: Z x X Z Anfngzustnd z 0 Z Endzustände F Z 5/8
5 b 2, b 3 b b 4, b 5 X = {, b } Z = {, 2, 3, 4, 5 } z 0 = F = { 5 } δ b /9 endliche Automten mit Ausgbe A = [ X,Y,Z, δ, λ,{z 0 } ] Eingbe-/Ausgbelphbet X, Y Zustndsmenge Z Zustndsüberführungsfunktion δ: Z x X Z Ausgbefunktion λ: Z x X Y Anfngzustnd z 0 Z 5/0
6 /0 /0 2 3 /0 4 5 X = {, b } Y = { 0, } Z = {, 2, 3, 4, 5 } z 0 = δ/ λ 2 3 2/0 3/0 3/0 b /0 3/0 4/0 4 5/ 5/0 5 5/ 2/0 Hinweis: beschreibt dsselbe Akzeptierungsverhlten; letztes Bit der Ausgbe ist relevnt 5/ endliche Automten mit Ausgbe A = [ X,Y,Z, δ, λ, {z 0 } ] Eingbe-/Ausgbelphbet X, Y Zustndsmenge Z Zustndsüberführungsfunktion δ: Z x X Z Ausgbefunktion λ: Z x X Y Anfngzustnd z 0 Z Verhlten von A: V(A) = { (w, λ*(z 0,w)) w X + } 5/2
7 Fortsetzung der Ausgbe- und der Zustndsüberführungsfunktion sei A = [ X,Y,Z, δ, λ,{z 0 } ] λ*(z 0,x) = λ(z 0,x), flls x X λ*(z 0,wx) = λ*(z 0,w) λ(δ*(z 0,w),x), flls w X +, x X δ*(z 0,x) = δ(z 0,x), flls x X δ*(z 0,wx) = δ(δ*(z 0,w),x), flls w X +, x X 5/3 Interktionsfolgen (Eingbe für ds Lernverfhren) unendliche Folge {V i } endlicher Mengen, so dß für lle i gilt: V i V(A) V i ist nfngsstückvollständig (/* d.h. flls (u,λ*(u)) V i, so (u,λ*(u )) V i für lle Anfngsstücke u von u */) V i V i+ V V 2 = V(A) 5/4
8 Gundlgen Es sei A ein endl. det. Automt. Dnn gibt es einen (/* bis uf Isomorphie */) eindeutig bestimmten minimlen endl. det. Automten A mit V(A ) = V(A). Es gibt einen effizienten Algorithmus zur Bestimmung von A. 5/5 Ist folgender endl. det. Automt A miniml? 2 3 b/ b/ b/ miniml, flls gilt: es gibt keinen äquivlenten endl. det. Automt B mit weniger Zuständen 4 5 b/ 5/6
9 es sei A = [ X,Y,Z, δ, λ,{z 0 } ] zwei Zustände z, z heißen äquivlent, flls für lle w X + gilt: λ*(z,w) = λ*(z,w) zwei Zustände z, z heißen k-äquivlent, flls für lle w X + mit w = k gilt: λ*(z,w) = λ*(z,w) Beobchtung: Es seien z, z zwei k+-äquivlente Zustände. Dnn gilt für lle x X: λ(z,x) = λ(z,x) die Zustände δ(z,x) und δ(z,x) sind k-äquivlent 5/7 Minimierungslgorithmus (beknnt (!?)) -äquivlent: { } { 2, 3, 4, 5} 2-äquivlent: { } { 2, 4, 5 } { 3 } äquivlent: { } { 2 } { 4, 5 } { 3 } b/ b/ b/ 4-äquivlent: { } { 2 } { 4, 5 } { 3 } 4 5 b/ 5/8
10 gegebener Automt A zugehöriger minimler Automt A /~ 2 3 { } { 2 } { 3 } b/ b/ b/ b/ b/ 4 5 { 4, 5 } b/ b/ 5/9 Anstz für ein Lernverfhren wir betrchten V(A) ls Automten (/* V(A) ist äquivlent zu A */) Anstz: Wir minimieren V(A). Beobchtung: Ds Ergebnis ist ein Automt B mit den Eigenschften: B ist äquivlent zu V(A) (und dmit uch zu A). B ist miniml. 5/20
11 Wir betrchten V(A) ls Automten. V(A) = [X,Y,X *,δ,λ,{ ε }] mit: δ (z,x) = zx λ (z,x) = y, flls y Y und (zx,vy) V(A) für ein v Y* 5/2 gegebener Automt A zugehöriger Automt V(A) ε 2 3 b/ b b/ b/ b/ 4 5 b/ b/ b b bb b /22
12 gegebener Automt A zugehöriger Automt V(A) ε b b/ b/ 4 5 b/... b b bb b... Hinweis: einfchere, äquivlente Drstellung von V(A) 5/23 Wir betrchten V(A) = [X,Y,X *,δ,λ,{ε}]. ~ bezeichnet die Zustndsäquivlenz uf X *. V(A) /~ bezeichnet den nch ~ fktorisierten Automten Beobchtung: Es gibt eine endliche Teilmenge V von V(A), so dß gilt: V(A) /~ = V /~. Außerdem gilt für lle V mit V V: V /~ = V /~. 5/24
13 Rhmen für ein Lernverfhren betrchten V(A) = [X,Y,X *,δ,λ,{ ε }] und V V 2 V 3 V 4 V 5... V(A). Schritt : Input: V Output: Bilde V /~.Gib h = V /~ us. Schritt n + : Input: V n+ ; h n Output: Teste, ob der Automt h n mit den vorliegenden Informtionen verträglich ist, d.h. teste, ob V n+ V(h n ) gilt. Flls j, gib h n+ = h n us. Sonst bestimme V n+/~ und gib h n+ = V n+/~ us. 5/25 Bestimmung von V i/~ : Mn betrchtet V i ls (prtiellen) Automten und versucht, V i zu minimieren, d.h. V i/~ zu konstruieren.... ber ufgrund fehlender Informtion ist noch zu klären, wie mn die Reltion ~ bzw. eine Approximtion dvon berechnet 5/26
14 -äquivlent: { ε } {, b, } ε 0 2-äquivlent: {ε } {,??? } b b b bb b Idee: Zustände gelten ls äquivlent, solnge nichts dgegen spricht 5/27 Beispiel Input V zugehöriger minimler Automt V /~ ε 0 b 0 { ε, b } b bb 5/28
15 Beispiel 2 Input V 2 zugehöriger minimler Automt V 2/~ ε 0 { ε, b } b 0 b b bb b/ { } 5/29 Beispiel 3 Input V 3 zugehöriger minimler Automt V 3/~ ε 0 { ε, b, } b 0 { } 0 b b bb b/ b 5/30
16 Bestimmung von V i/~ : es gibt offenbr verschiedene Möglichkeiten, die Zustände von V i zusmmenzufssen und nicht definierte Werte im hypothetischen Automten V i/~ festzulegen (/* Heuristiken,... */) Festlegungen führen zu unterschiedlichen Lernverfhren... Grundkonzept: nchweisbre Inäquivlenz... technische Vorussetzung: lexikogrphische Ordnung 5/3 Bestimmung von V i/~ : Bezeichnung: u u 2, flls us dem mit V i verfügbren Wissen folgt, dß die mit u und u 2 bezeichneten Zustände nicht äquivlent sein können d.h., die in u und u 2 beginnenden Teilbäume unterscheiden sich merkbr, wenn mn sie übereinnder legt 5/32
17 Bestimmung von V i/~ (/* Bestimmung der Zustndsmenge */) sei V i gegeben; es sei R i := { u es gibt x X, v Y + : (ux,v) V i } k = ; while ( R i!= ) { z k = ; r k = min { r r R i }; R i = R i \{ r k }; z k = z k { r k } ; while ( es gibt ein u R i, so dß für lle r z k gilt: not ( u r ) ) R i = R i \{ u }; z k = z k { u }; k = k+; } 5/33 Bestimmung von V i/~ (/* Bestimmung von δ und λ */) sei V i gegeben, sei z,,z n die bestimmte Zustndsmenge - δ(z r,x) = z k, flls es ein u z r mit δ (u,x) z k gibt - δ(z r,x) = z r, sonst - λ(z r,x) = y, flls es ein u z r gibt mit λ (u,x) = y - λ(z r,x) = y, sonst Bemerkung: z i ist Anfngszustnd gdw. ε z i y ist usgezeichnetes Zeichen in Y 5/34
18 V i = { (,), (b,0), (,0), (b,0), (bb,00), (,00), (bb,00) } R i = { ε,, b,, bb } z = { ε, b, bb} 0 ε 0 0 b 0 b bb z bb z 2 = {, } Anmerkung: y = 0 z 2 /0 5/35
Endliche Automaten 7. Endliche Automaten
Endliche Automten 7 Endliche Automten Einfches Modellierungswekzeug (z.b. UML-Sttechrts) Verrbeiten Wörter/Ereignisfolgen Erkennen Sprchen Erluben schnelle Sprcherkennung Anwendungsbereiche: Objektorientierte
Mehr6. Übungsblatt. (i) Von welchem Typ ist die Grammatik G? Begründen Sie Ihre Antwort kurz.
Vorlesung Theoretische Informtik Sommersemester 2015 Prof. S. Lnge 6. Üungsltt 1. Aufge Es sei die folgende Grmmtik G = [Σ, V, S, R] gegeen. Dei seien Σ = {, } und V = {S, B}, woei S ds Strtsymol ist.
MehrEffiziente Algorithmen und Komplexitätstheorie
Effiziente Algorithmen und Komplexitätstheorie Vorlesung Ingo Wegener Vertretung Thoms Jnsen 10042006 1 Ws letzten Donnerstg geschh Linere Optimierung Wiederholung der Grundbegriffe und Aussgen M konvex
MehrBrückenkurs Lineare Gleichungssysteme und Vektoren
Brückenkurs Linere Gleichungssysteme und Vektoren Dr Alessndro Cobbe 30 September 06 Linere Gleichungssyteme Ws ist eine linere Gleichung? Es ist eine lgebrische Gleichung, in der lle Vriblen nur mit dem
MehrThema 7 Konvergenzkriterien (uneigentliche Integrale)
Them 7 Konvergenzkriterien (uneigentliche Integrle) In diesem Kpitel betrchten wir unendliche Reihen n= n, wobei ( n ) eine Folge von reellen Zhlen ist. Die Reihe konvergiert gegen s (oder s ist die Summe
MehrFrank Heitmann 2/71. 1 Betrachten wir Σ für ein Alphabet Σ, so ist Σ die Menge
Formle Grundlgen der Informtik Kpitel 2 und reguläre Sprchen Frnk Heitmnn heitmnn@informtik.uni-hmurg.de 7. April 24 Frnk Heitmnn heitmnn@informtik.uni-hmurg.de /7 Alphet und Wörter - Zusmmengefsst Die
MehrDEA1 Deterministische Version
Endliche Automten 4 Deterministische endliche Automten Zu dem nichtdeterministischen Automten EA git es eine deterministische Version. EA Akzeptor für Wörter üer X = { } mit mindestens einem führenden.
Mehr5.1 Charakterisierung relativ kompakter und kompakter
Kpitel 5 Kompkte Mengen 5.1 Chrkterisierung reltiv kompkter und kompkter Mengen X sei im weiteren ein Bnchrum. Definition 5.1. Eine Menge K X heißt kompkt, wenn us jeder offenen Überdeckung von K eine
MehrPotenzautomat. Gegeben: A = (Z, I, d, s 0, F ) P(A) = (P(Z), I, D, {s 0 }, F P ) P(Z) = {S S Z}: Potenzmenge von Z; D : P(Z) I P(Z) mit
1 Potenzutomt Gegeben: A = (Z, I, d, s 0, F ) P(A) = (P(Z), I, D, {s 0 }, F P ) P(Z) = {S S Z}: Potenzmenge von Z; D : P(Z) I P(Z) mit D(S, x) = d(s, x) s S für lle S P(Z), x I; F P = {S P(Z) S F }. Potenzutomt
MehrEndliche Automaten. S. Kuske: Endliche Automaten; 6.Novenber 2006
1 Endliche Automten Einfches Modellierungswekzeug (z.b. UML-Sttechrts) Verrbeiten Wörter/Ereignisfolgen Erkennen Sprchen Erluben schnelle Sprcherkennung Anwendungsbereiche: Objektorientierte Modellierung,
MehrEndliche Automaten und ihre Verwendung in der morphologischen Verarbeitung. Hans Uszkoreit
Vorlesung CL Endliche Automten und ihre Verwendung in der morphologischen Verrbeitung Hns Uszkoreit WS 00/01 Automten Automten in der weiteren Bedeutung des Wortes sind ein zentrles Konzept ber nicht forml
MehrFranz Binder. Vorlesung im 2006W
Formle Reguläre und Formle Institut für Alger Johnnes Kepler Universität Linz Vorlesung im 2006W http://www.lger.uni-linz.c.t/students/win/ml Formle Inhlt Reguläre Reguläre Formle Zustndsdigrmm δ: Σ (Q
MehrUmwandlung von endlichen Automaten in reguläre Ausdrücke
Umwndlung von endlichen Automten in reguläre Ausdrücke Wir werden sehen, wie mn us einem endlichen Automten M einen regulären Ausdruck γ konstruieren knn, der genu die von M kzeptierte Sprche erzeugt.
MehrAutomaten, Spiele, und Logik
Automten, Spiele, und Logik Woche 9 13. Juni 2014 Inhlt der heutigen Vorlesung Büchi Automten co-büchi Automten Komplementierung für deterministische Büchi Automten Ein Ziel: den Stz von Büchi-Elgot-Trkhtenrot
MehrRWTH Aachen Lehrgebiet Theoretische Informatik Rossmanith Dreier Hark Kuinke. SS 2017 Blatt
RWTH Achen Lehrgeiet Theoretische Informtik Rossmnith Dreier Hrk Kuinke SS 2017 Bltt 4 22.5.2017 Lösungsvorschlg zur Vorlesung Formle Sprchen, Automten und Prozesse Aufge T11 1. L, d L, er / L. L, d für
MehrPräfixcodes und der Huffman Algorithmus
Präfixcodes und der Huffmn Algorithmus Präfixcodes und Codebäume Im Folgenden werden wir Codes untersuchen, die in der Regel keine Blockcodes sind. In diesem Fll können Codewörter verschiedene Länge hben
MehrDie Zufallsvariable und ihre Verteilung
Die Zufllsvrible und ihre Verteilung Die Zufllsvrible In der Whrscheinlichkeitstheorie bzw. Sttistik betrchtet mn Zufllsvriblen. Eine Zufllsvrible ist eine Funktion, die Ergebnissen eines Zufllsexperimentes
MehrFalls die Werte von X als Ergebnisse eines Zufallsvorgangs resultieren, wird X zu einer stetigen Zufallsvariable.
Sttistik I für Sttistiker, Mthemtiker und Informtiker Lösungen zu Bltt 11 Gerhrd Tutz, Jn Ulbricht, Jn Gertheiss WS 7/8 Theorie: Stetige Zufllsvriblen Begriff Stetigkeit: Eine Vrible oder ein Merkml X
MehrWas nicht bewertet werden soll, streichen Sie bitte durch. Werden Täuschungsversuche beobachtet, so wird die Präsenzübung mit 0 Punkten bewertet.
Prof Dr Dr hc W Thoms Formle Systeme, Automten, Prozesse SS 2011 Musterlösung - Präsenzüung Dniel Neider, Crsten Otto Vornme: Nchnme: Mtrikelnummer: Studiengng (itte nkreuzen): Informtik Bchelor Informtik
MehrMitschrift Repetitorium Theoretische Informatik und Logik
Mitschrift Repetitorium Theoretische Informtik und Logik Teil 1: Formle Sprchen, 15.01.2010, 1. Edit Allgemeine Hinweise für die Prüfung Ds Pumping-Lemm für kontextfreie Sprchen kommt nicht (sehr wohl
MehrDef.: Sei Σ eine Menge von Zeichen. Die Menge Σ* aller Zeichenketten (Wörter) über Σ ist die kleinste Menge, für die gilt:
8. Grundlgen der Informtionstheorie 8.1 Informtionsgehlt, Entropie, Redundnz Def.: Sei Σ eine Menge von Zeichen. Die Menge Σ* ller Zeichenketten (Wörter) über Σ ist die kleinste Menge, für die gilt: 1.
MehrAlgorithmen und Datenstrukturen 1 Kapitel 4.2
Endliche Automten Algorithmen und Dtenstrukturen 1 Kpitel 4.2 Roert Giegerich Technische Fkultät roert@techfk.uni-bielefeld.de Vorlesung, U. Bielefeld, Winter 2005/2006 Roert Giegerich Endliche Automten
Mehrkann man das Riemannsche Unter- bzw. Oberintegral auch wie folgt definieren: xk+1 x k
Integrlrechnung Definition 1 (Treppenfunktion, Zerlegung eines Intervlls): Sei [, b] R ein Intervll. Eine Funktion g : [, b] R heißt Treppenfunktion, flls es eine Zerlegung := { =: 0 < 1
MehrLösung zur Klausur. Grundlagen der Theoretischen Informatik. 1. Zeigen Sie, dass die folgende Sprache regulär ist: w {a, b} w a w b 0 (mod 3) }.
Lösung zur Klusur Grundlgen der Theoretischen Informtik 1. Zeigen Sie, dss die folgende Sprche regulär ist: { w {, } w w 0 (mod 3) }. Lösung: Wir nennen die Sprche L. Eine Sprche ist genu dnn regulär,
Mehrvollständig (Vervollständigung) deterministisch, DFA (Potenzmengenkonstruktion) Minimalautomat: minimaler vollständiger DFA
Ws isher geschh NFA A = (X, Q, δ, I, F ) vollständig (Vervollständigung) deterministisch, DFA (Potenzmengenkonstruktion) Minimlutomt: minimler vollständiger DFA Für jede Sprche L X sind die folgenden Aussgen
Mehr2 Lineare Operatoren. T(αx + βy) = αtx + βty x,y X, α, β K. (b) Ist T linear, so heißt
2 Linere Opertoren Im Folgenden seien X,Y, Z stets normierte Räumen über dem selben Körper K = C oder K = R. 2.1. Definition. () Eine Abbildung T : X Y heißt liner, flls T(αx + βy) = αtx + βty x,y X, α,
MehrAutomaten und Formale Sprachen alias Theoretische Informatik. Sommersemester 2012. Sprachen. Grammatiken (Einführung)
Wörter, Grmmtiken und die Chomsky-Hierrchie Sprchen und Grmmtiken Wörter Automten und Formle Sprchen lis Theoretische Informtik Sommersemester 2012 Dr. Snder Bruggink Üungsleitung: Jn Stückrth Alphet Ein
MehrVorlesung. Einführung in die mathematische Sprache und naive Mengenlehre
Vorlesung Einführung in die mthemtische Sprche und nive Mengenlehre 1 Allgemeines RUD26 Erwin-Schrödinger-Zentrum (ESZ) RUD25 Johnn-von-Neumnn-Hus Fchschft Menge ller Studenten eines Institutes Fchschftsrt
Mehrdem Verfahren aus dem Beweis zu Satz 2.20 erhalten wir zunächst die folgenden beiden ε-ndeas für die Sprachen {a} {b} und {ε} {a} +
Lösungen zu Üungsltt 3 Aufge 1. Es gilt L(( ) ) = ({} {}) {} = ({} {}) ({} {} + ). Mit dem Verfhren us dem Beweis zu Stz 2.20 erhlten wir zunächst die folgenden eiden -NDEAs für die Sprchen {} {} und {}
MehrSeminar Quantum Computation - Finite Quanten-Automaten und Quanten-Turingmaschinen
Seminr Quntum Computtion - Finite Qunten-Automten und Qunten-Turingmschinen Sebstin Scholz sscholz@informtik.tu-cottbus.de Dezember 3. Einleitung Aus der klssischen Berechenbrkeitstheorie sind die odelle
MehrUneigentliche Riemann-Integrale
Uneigentliche iemnn-integrle Zweck dieses Abschnitts ist es, die Vorussetzungen zu lockern, die wir n die Funktion f : [, b] bei der Einführung des iemnn-integrls gestellt hben. Diese Vorussetzungen wren:
MehrMultiplikative Inverse
Multipliktive Inverse Ein Streifzug durch ds Bruchrechnen in Restklssen von Yimin Ge, Jänner 2006 Viele Leute hben Probleme dbei, Brüche und Restklssen unter einen Hut zu bringen. Dieser kurze Aufstz soll
MehrFORMALE SYSTEME. 6. Vorlesung: Reguläre Ausdrücke. TU Dresden, 27. Oktober Markus Krötzsch
FORMALE SYSTEME 6. Vorlesung: Reguläre Ausdrücke Mrkus Krötzsch TU Dresden, 27. Oktober 2016 Rückblick Mrkus Krötzsch, 27. Oktober 2016 Formle Systeme Folie 2 von 29 Wiederholung: Opertionen uf Automten
MehrUngleichungen. Jan Pöschko. 28. Mai Einführung
Ungleichungen Jn Pöschko 8. Mi 009 Inhltsverzeichnis Einführung. Ws sind Ungleichungen?................................. Äquivlenzumformungen..................................3 Rechnen mit Ungleichungen...............................
MehrKapitel 13. Taylorentwicklung Motivation
Kpitel 13 Tylorentwicklung 13.1 Motivtion Sei D R offen. Sie erinnern sich: Eine in D stetig differenzierbre Funktion f : D R wird durch die linere Funktion g(x) = f() + f ()(x ) in einer Umgebung von
MehrPräsenz-Aufgaben = i. (a) i 15 = i 14 i = (i 2 ) 7 i = ( 1) 7 i = i i 15 = 0 + ( 1)i, i (i i) = i 1 = i i 15 = 0 + 1i,
Präsenz-Aufgben 1. 1. Schreiben Sie z in der Form z α + βi mit α,β R. Aus der Vorlesung ist beknnt: i i i 1, i 1 1 i i i i i 1 i. () i 15 i 1 i (i ) 7 i ( 1) 7 i i i 15 + ( 1)i, (b) i 15 1 i 15 () 1 i
MehrLineare DGL zweiter Ordnung
Universität Duisburg-Essen Essen, 03.06.01 Fkultät für Mthemtik S. Buer C. Hubcsek C. Thiel Linere DGL zweiter Ordnung Betrchten wir ds AWP { x + x + bx = 0 mit, b, t 0, x 0, v 0 R. Der Anstz xt 0 = x
MehrVorkurs Mathematik DIFFERENTIATION
Vorkurs Mthemtik 6 DIFFERENTIATION Beispiel (Ableitung von sin( )). Es seien f() = sin g() = h() =f(g()) = sin. (f () =cos) (g () =) Also ist die Ableitung von h: h () =f (g())g () =cos = cos. Mn nennt
MehrTECHNISCHE UNIVERSITÄT MÜNCHEN
TECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mthemtik PROF. DR.DR. JÜRGEN RICHTER-GEBERT, VANESSA KRUMMECK, MICHAEL PRÄHOFER Höhere Mthemtik für Informtiker I (Wintersemester 00/00) Aufgbenbltt (. Oktober 00)
MehrDarstellung von Ebenen
Drstellung von Ebenen. Ebenengleichung in Prmeterform: Sei E eine Ebene. Dnn lässt sich die Ebene drstellen durch eine Gleichung der Form p u x = p + r v u + s v (r, s R). p u v Der Vektor p heißt Stützvektor
Mehr14 E N D L I C H E AU T O M AT E N erstes beispiel: ein getränkeautomat
14 E N D L I H E AU T O M AT E N 14.1 erstes beispiel: ein getränkeutomt Als erstes Beispiel betrchten wir den folgenden primitiven Getränkeutomten (siehe Abbildung 14.1). Mn knn nur 1-Euro-Stücke einwerfen
MehrÜbungsblatt Nr. 1. Lösungsvorschlag
Institut für Kryptogrphie und Sicherheit Prof. Dr. Jörn Müller-Qude Nico Döttling Dirk Achench Tois Nilges Vorlesung Theoretische Grundlgen der Informtik Üungsltt Nr. svorschlg Aufge (K) (4 Punkte): Semi-Thue-Systeme
Mehr7.9A. Nullstellensuche nach Newton
7.9A. Nullstellensuche nch Newton Wir hben früher bemerkt, dß zur Auffindung von Nullstellen einer gegebenen Funktion oft nur Näherungsverfhren helfen. Eine lte, ber wirkungsvolle Methode ist ds Newton-Verfhren
Mehr10: Lineare Abbildungen
Chr.Nelius: Linere Alger SS 2008 1 10: Linere Aildungen 10.1 BEISPIEL: Die Vektorräume V 2 und Ê 2 hen diegleiche Struktur. Es git eine ijektive Aildung f : V 2 Ê 2, die durch die Vorschrift definiert
Mehr- 1 - VB Inhaltsverzeichnis
- - VB Inhltsverzeichnis Inhltsverzeichnis... Die Inverse einer Mtrix.... Definition der Einheitsmtrix.... Bedingung für die inverse Mtrix.... Berechnung der Inversen Mtrix..... Ds Verfhren nch Guß mit
MehrVII. Folgen und Reihen von Funktionen (Vertauschung von Grenzprozessen)
VII. Folgen und Reihen von Funktionen (Vertuschung von Grenzprozessen) Definition. Sei {f n } eine Folge von Funktionen, die uf einer Menge E definiert sind. Die Folgen der Funktionswerte {f n (x)} seien
MehrFormale Systeme, Automaten, Prozesse SS 2010 Musterlösung - Übung 6 M. Brockschmidt, F. Emmes, C. Fuhs, C. Otto, T. Ströder
Prof Dr J Giesl Formle ysteme, utomten, Prozesse 2010 M rockschmidt, F Emmes, C Fuhs, C Otto, T tröder Hinweise: Die Husufgben sollen in Gruppen von je 2 tudierenden us dem gleichen Tutorium berbeitet
MehrVektoren. Definition. Der Betrag eines Vektors. Spezielle Vektoren
Vektoren In nderen Bereichen der Nturwissenschften treten Größen uf, die nicht nur durch eine Zhlenngbe drgestellt werden können, wie Krft, die Geschwindigkeit. Zur vollständigen Beschreibung z.b. der
Mehr10. Riemannsche Geometrie I: Riemannsche Metrik. Variable Bilinearformen.
10. Riemnnsche Geometrie I: Riemnnsche Metrik Wir können in der hyperbolischen Geometrie noch nicht wirklich messen. Hierfür bruchen wir ein Riemnnsches Längen- und Winkelmß, d.h. eine Riemnnsche Geometrie.
MehrEinführung und Beispiele
Kpitel 8 Prtielle Differentilgleichungen/Rndwertprobleme Prof. R. Leithner, E. Znder Einführung in numerische Methoden für Ingenieure 8/2 Einführung und Beispiele Prof. R. Leithner, E. Znder Einführung
MehrVorname: Nachname: Matrikelnummer: Studiengang (bitte ankreuzen): Technik-Kommunikation M.A.
Formle Systeme, Automten, Prozesse SS 2010 Musterlösung - Klusur 23.09.2010 Prof. Dr. J. Giesl M. Brockschmidt, F. Emmes, C. Fuhs, C. Otto, T. Ströder Vornme: Nchnme: Mtrikelnummer: Studiengng (itte nkreuzen):
MehrTheoretische Informatik und Logik Übungsblatt 2 (2013S) Lösung
Theoretische Informtik und Logik Üungsltt 2 (2013S) en Aufge 2.1 Geen Sie jeweils eine kontextfreie Grmmtik n, welche die folgenden Sprchen erzeugt, sowie einen Aleitungsum für ein von Ihnen gewähltes
Mehrb f(x)p(x) dx = f(ξ) 2e 2 , Hess f (2, 0) =
Es seien U R n offen und ψ : U R n stetig differenzierbr. Weiter sei f : U R zweiml stetig differenzierbr. Kennzeichnen Sie whre Aussgen mit W und flsche Aussgen mit F. F Flls dψ(x) ein Isomorphismus für
MehrQuadratische Funktionen
Qudrtische Funktionen Die Scheitelpunktform ist eine spezielle Drstellungsform von qudrtischen Funktionen, nhnd der viele geometrische Eigenschften des Funktionsgrphen bgelesen werden können. Abbildung
MehrDie Begrenzung der Beschleunigung und ihre Folgen Die Herleitung der relativistischen Kraftgesetze
Rolnd Meissner Bodestrße 7, D-06122 Hlle, E-Mil: rolndmeissner@gmx.de Die Begrenzung der Beschleunigung und ihre Folgen Die Herleitung der reltivistischen Krftgesetze Abstrct The reltivistic term of Force
Mehr2 Blatt - Festkörperphysik 2-2D Gitter
Heiko Dumlich April 9, Bltt - Festkörperphysik - D Gitter. (Oberflächen kubisch rumzentrierter Kristlle) ) In Abbildung () befinden sich die drei Drufsichten der (), () und () Ebenen des kubisch-rumzentrierten
MehrEinführung in die Integralrechnung
Einführung in die Integrlrechnung Vorbereitung für ds Probestudium n der LMU München 3. bis 7. September von W. Frks und O. Forster Integrle ls Flächeninhlte. Motivtion Flächeninhlte von Rechtecken sind
MehrGebrochenrationale Funktionen (Einführung)
Gebrochenrtionle Funktionen (Einführung) Ac Eine gebrochenrtionle Funktion R ist von der Form R(x) P(x) und Q(x) gnzrtionle Funktionen n-ten Grdes sind. P(x) Q(x), wobei Im Allgemeinen ht eine gebrochenrtionle
MehrMathematik Bruchrechnung Grundwissen und Übungen
Mthemtik Bruchrechnung Grundwissen und Übungen von Stefn Gärtner (Gr) Stefn Gärtner -00 Gr Mthemtik Bruchrechnung Seite Inhlt Inhltsverzeichnis Seite Grundwissen Ws ist ein Bruch? Rtionle Zhlen Q Erweitern
Mehrist ein Quotient ganzer Zahlen m,n Z und n = 0. Dabei heißt m Zähler und n Nenner. Wegen m 1 = m ist Z eine Teilmenge von Q. Zwei Brüche sind gleich:
Vorlesung 4 Zhlenbereiche 4.1 Rtionle Zhlen Wir hben gesehen, dss nicht jedes Eleent us Z ein ultipliktives Inverses besitzt. Dies führt zur Einführung der rtionlen Zhlen Q, obei der Buchstbe Q für Quotient
MehrGrundlagen der Theoretischen Informatik / Einführung in die Theoretische Informatik I
Vorlesung Grundlgen der Theoretischen Informtik / Einführung in die Theoretische Informtik I Bernhrd Beckert Institut für Informtik Sommersemester 2007 B. Beckert Grundlgen d. Theoretischen Informtik:
MehrHöhere Mathematik für Ingenieure , Uhr
Studiengng: Mtrikelnummer: 3 5 6 Z Punkte Note Prüfungsklusur zum Modul Höhere Mthemtik für Ingenieure 0. 7. 05, 8.00 -.00 Uhr Zugelssene Hilfsmittel: A-Blätter eigene, hndschriftliche Ausrbeitungen ber
MehrKlausur TheGI 2 Automaten und Komplexität (Niedermeier/Hartung/Nichterlein, Sommersemester 2013)
Berlin, 17.07.2013 Nme:... Mtr.-Nr.:... Klusur TheGI 2 Automten und Komplexität (Niedermeier/Hrtung/Nichterlein, Sommersemester 2013) 1 2 3 4 5 6 7 8 Σ Bereitungszeit: mx. Punktezhl: 60 min. 60 Punkte
MehrÜbungen zur Analysis 2
Mthemtisches Institut der Universität München Prof. Dr. Frnz Merkl Sommersemester 2013 Bltt 2 26.4.2013 Übungen zur Anlysis 2 2.1 Vernschulichung der Cuchy-Schwrz-Ungleichung. Gegeben seien die Vektoren
MehrUNIVERSITÄT KARLSRUHE Institut für Analysis HDoz. Dr. P. C. Kunstmann Dipl.-Math. M. Uhl. Sommersemester 2009
UNIVERSIÄ KARLSRUHE Institut für Anlysis HDoz. Dr. P. C. Kunstmnn Dipl.-Mth. M. Uhl Sommersemester 9 Höhere Mthemti II für die Fchrichtungen Eletroingenieurwesen, Physi und Geodäsie inlusive Komplexe Anlysis
MehrAnKa Hyp. , tan α= Weil die Ankathete des einen Winkels der Gegenkathete des anderen entspricht, gilt auch: sin α = cos β und sinβ = cosα.
Trigonometrie Wenn mn die Trigonometrischen Funktionen Sinus, Kosinus und Tngens berechnen will, ist es wichtig, uf welchen Winkel sie sich beziehen. Die Kthete, die direkt m Winkel nliegt, heißt Ankthete
Mehr1 Einleitung 3. 3 Die Methode der Pfadregeln Drei Pfadregeln Anwendungen von drei Pfadregeln... 6
Mrkow-Ketten JUAN LU AUSARBEITUNG ZUM VORTRAG IM Blockseminr Stochstik (WINTERSEMESTER 28/9, LEITUNG PD DR. GUDRUN THÄTER) Zusmmenfssung: Eine Mrkow-Kette ist eine spezielle Klsse von stochstischen Prozessen.
MehrDer Hauptsatz der Differential und Integralrechnung
Kpitel 4 Der Huptstz der Differentil und Integrlrechnung Bemerkung 4. Motivtion. Die Integrtionstheorie wurde im letzten Kpitel recht weit entwickelt. Nun wird ein Werkzeug bereitgestellt, mit welchem
MehrEs soll der Betrag eines Vektors berechnet werden, wenn dieser in Komponenten oder Koordinatenschreibweise gegeben ist. a 3. x 2
R. Brinkmnn http://brinkmnn-du.de Seite 8.. Vektoren im krtesischen Koordintensystem Betrg eines Vektors Es soll der Betrg eines Vektors berechnet werden, wenn dieser in Komponenten oder Koordintenschreibweise
MehrKapitel 10. Integration. Josef Leydold Mathematik für VW WS 2015/16 10 Integration 1 / 35
Kpitel 0 Integrtion Josef Leydold Mthemtik für VW WS 205/6 0 Integrtion / 35 Flächeninhlt Berechnen Sie die Inhlte der ngegebenen Flächen! f (x) = Fläche: A = f (x) = +x 2 Approximtion durch Treppenfunktion
MehrKapitel 3 Integralrechnung
Kpitel 3 Integrlrechnung Der Ausgngspunkt für die Entwicklung der Integrlrechnung ist ds Problem der Berechnung krummlinig begrenzter Flächen. Bereits in der Antike gelng es Archimedes, den Flächeninhlt
MehrLR(k)-Parser. CYK-Algorithmus ist zu langsam.
LR(k)-Prser Ziele: Effizienter (und deterministischer) Test, ob ein gegebenes Wort w in der Sprche L(G) enthlten ist. Flls j: Konstruktion des Syntxbums Flls nein: Hinweise zum Fehler CYK-Algorithmus ist
MehrDomäne und Bereich. Relationen zwischen Mengen/auf einer Menge. Anmerkungen zur Terminologie. r Relationen auf/in einer Menge.
Reltionen zwischen Mengen/uf einer Menge! Eine Reltion R A B (mit A B) ist eine Reltion zwischen der Menge A und der Menge B, oder uch: von A nch B. Drstellung: c A! Wenn A = B, d.h. R A A, heißt R eine
Mehr2.5 Messbare Mengen und Funktionen
1 2.5 Messbre Mengen und Funktionen Definition Eine beschränkte Menge M R n heißt messbr, flls die chrkteristische Funktion χ M integrierbr ist. Die Zhl vol n (M) := χ M dµ n nennt mn ds Volumen von M.
Mehrf(ξ k )(x k x k 1 ) k=1
Integrlrechnung Definition des bestimmten Integrls Die Integrtion ist die Umkehropertion zur Differentition. Grundufgbe der Integrlrechnung ist die Bestimmung von Flächen. Will mn beispielsweise den Inhlt
MehrProtokoll zur Vorlesung Theoretische Informatik I
Protokoll zur Vorlesung Theoretishe Informtik I! " # $ % # & ' ( % ) * + & " & & &, " ' % + - + # + & '. / 0 1 # 0 & 2 & # & 3 4 & 5 # 0 + & 6 & ' + 7 7 3 8 4 & 7 + + + % ( % 6 # 9 & 5 # 0 + & 3 8. : &
MehrQuadratische Gleichungen und Funktionen
Qudrtische Gleichungen und Funktionen Bei einer udrtischen Gleichung kommt die Unbeknnte Vrible mindestens einml in der.potenz vor, ber in keiner höheren Potenz. b c udrtischer Anteil linerer Anteil konstnter
MehrFunktionenfolgen. Kapitel 6
Kpitel 6 Funktionenfolgen Bemerkung 6.1 Motivtion. Dieser Abschnitt betrchtet die Konvergenz von Folgen von uf einem gemeinsmen Intervll definierten Funktionen. Dies ist eine wichtige Grundlge, um eine
Mehr11. DER HAUPTSATZ DER DIFFERENTIAL- UND INTEGRALRECHNUNG
91 Dieses Skript ist ein Auszug mit Lücken us Einführung in die mthemtische Behndlung der Nturwissenschften I von Hns Heiner Storrer, Birkhäuser Skripten. Als StudentIn sollten Sie ds Buch uch kufen und
Mehr7 Modellierung von Abläufen 7.1 Endliche Automaten
7 Modellierung von Aläufen 7. Endliche Automten Mod-7. Endlicher Automt: Formler Klkül zur Spezifiktion von relen oder strkten Mschinen. Sie regieren uf äußere Ereignisse, ändern ihren inneren Zustnd,
MehrSBP Mathe Grundkurs 2. Differentialquotient. Namen und Schreibweisen für Differentialquotienten. Ableitung von f(x) = c.
SBP Mthe Grundkurs 2 # 0 by Clifford Wolf # 0 Antwort Diese Lernkrten sind sorgfältig erstellt worden, erheben ber weder Anspruch uf Richtigkeit noch uf Vollständigkeit. Ds Lernen mit Lernkrten funktioniert
Mehr1.6 Bruchterme. 1 Theorie Lernziele Repetition Die Addition von zwei Bruchtermen-Methode I Doppelbrüche...
.6 Bruchterme Inhltsverzeichnis Theorie. Lernziele............................................ Repetition............................................3 Die Addition von zwei Bruchtermen-Methode I.......................
Mehr1.2 Der goldene Schnitt
Goldener Schnitt Psclsches Dreieck 8. Der goldene Schnitt Beim Begriff Goldener Schnitt denken viele Menschen n Kunst oder künstlerische Gestltung. Ds künstlerische Problem ist, wie ein Bild wohlproportioniert
MehrTheoretische Informatik. Äquivalenzsatz und Anwendungen
Theoretische Informtik Äquivlenzstz und Anwendungen Reguläre Sprchen reguläre Ausdrücke NFA DFA regulärer Ausdruck Äquivlenzstz für reguläre Sprchen flex Reguläre Ausdrücke Gegeben: Regulärer Ausdruck
Mehr4 Die rationalen Zahlen
4 Die rtionlen Zhlen Der Ring der gnzen Zhlen ht den Mngel, dß nicht jede Gleichung = X, 0 innerhl Z lösr ist. (Z.B. ist 1 = 2 X unlösr in Z). Zu seiner Beseitigung erweitert mn den Zhlereich zum Körper
MehrName... Matrikel Nr... Studiengang...
Proeklusur zur Vorlesung Berechenrkeitstheorie WS 201/1 1. Jnur 201 Prof. Dr. André Schulz Bereitungszeit: 120 Minuten [So oder so ähnlich wird ds Deckltt der Klusur ussehen.] Nme... Mtrikel Nr.... Studiengng...
MehrResultat: Hauptsatz der Differential- und Integralrechnung
17 Der Huptstz der Differentil- und Integrlrechnung Lernziele: Konzept: Stmmfunktion Resultt: Huptstz der Differentil- und Integrlrechnung Methoden: prtielle Integrtion, Substitutionsregel Kompetenzen:
MehrGrundbegriffe der Informatik
Grundegriffe der Informtik Einheit 14: Endliche Automten Thoms Worsch Krlsruher Institut für Technologie, Fkultät für Informtik Wintersemester 2009/2010 1/56 Üerlick Erstes Beispiel: ein Getränkeutomt
MehrTheoretische Informatik
Vorlesung Theoretische Informtik Version: März 23 Mrin Mrgrf Inhltsverzeichnis Einführung 4. Ds Problem Clique.................................. 5.2 Wort-, Entscheidungs-, Optimierungsprobleme und formle
MehrNumerische Integration durch Extrapolation
Numerische Integrtion durch Extrpoltion Pblo Thiel Romberg-Verfhren Idee: Im Gegenstz zur numerischen Integrtion mit Hilfe der einfchen bzw. zusmmengesetzten Trpez-, Simpson-, 3/8- oder zum Beispiel der
Mehr9.2.3 Durchbiegen eines Balkens ******
9.2.3 ****** 1 Motivtion Ein einseitig eingespnnter Blken wird m offenen Ende belstet. Die Durchbiegung hängt von der Orientierung und dmit vom Flächenträgheitsmoment des Blkens b. 2 Experiment b b s 1
Mehr10 Das Riemannsche Integral
10 Ds Riemnnsche Integrl 50 10 Ds Riemnnsche Integrl Ziel dieses Prgrphen ist es, den Inhlt einer Fläche, die vom Grphen einer Funktion berndet wird, exkt zu definieren. f(b) f() = t 0 t1 t2 t3 t4 t5 t
MehrDifferenzial- und Integralrechnung III
Differenzil- und Integrlrechnung III Riner Huser April 2012 1 Einleitung 1.1 Polynome und Potenzfunktionen Die Polynome oder Polynomfunktionen lssen sich durch die endliche Anzhl von n+1 Prmetern i R in
Mehr1KOhm + - y = x LED leuchtet wenn Schalter x gedrückt ist
. Ohm = LED leuchtet wenn chlter gedrückt ist 2. Ohm = NICH ( = NO ) LED leuchtet wenn chlter nicht gedrückt ist = ist die Negtion von? Gibt es so einen kleinen chlter (Mikrotster)? 2. Ohm = UND LED leuchtet
MehrIntegralrechnung. www.mathe-total.de. Aufgabe 1
Integrlrechnung Aufgbe Bestimme die Fläche zwischen der Kurve der Funktion f() = und -Achse über dem Intervll I = [; 3] näherungsweise. Bestimme die Obersumme und Teile ds Intervll I in drei gleich große
Mehr1.1 Grundlagen: Reguläre Ausdrücke
11 Grundlgen: Reguläre Ausdrücke Progrmmtext enutzt ein endliches Alphet Σ von Einge-Zeichen, zb ASCII :-) Die Menge der Textschnitte einer Token-Klsse ist i regulär Reguläre Sprchen knn mn mithile regulärer
MehrBRÜCKENKURS MATHEMATIK
Brückenkurs Linere Gleichungssysteme - Prof. r. M. Ludwig BRÜCKENKURS MATHEMATIK LINEARE GLEICHUNGSSYSTEME Schwerpunkte: Modellbildung Lösungsmethoden Geometrische Interprettion Prof. r. hbil. M. Ludwig
MehrDigitaltechnik. 3 Sequenzielle. Schaltungen. Revision 1.1
igitltechnik 3 Sequenzielle Schltungen A Revision 1.1 Trnsitionssysteme Synchroner sequenzieller Entwurf Timing-Anlyse Pipelining Mely und Moore Mschinen Zustndsmschinen in Verilog Sequentielle Schltungen
Mehr1. Motivation / Grundlagen 2. Sortierverfahren 3. Elementare Datenstrukturen / Anwendungen 4. Bäume / Graphen 5. Hashing 6. Algorithmische Geometrie
Gliederun 1. Motivtion / Grundlen 2. Sortierverfhren 3. Elementre Dtenstrukturen / Anwendunen 4. Bäume / Grphen 5. Hshin 6. Alorithmische Geometrie 3/1, Folie 1 2010 Prof. Steffen Lne - HD/FbI - Dtenstrukturen
Mehr4 Stetigkeit. 4.1 Intervalle
4 Stetigkeit Der Grenzwertbegriff für Zhlenfolgen lässt sich uf Funktionen übertrgen. Funktionen (oder Abbildungen) wren bereits im Kpitel über Mengen ufgetreten. Hier wird nun der Fll betrchtet, dss Definitionsbereich
Mehr