Fakultät für Informatik Universität Magdeburg Jürgen Dassow. Literatur
|
|
- Ralph Kruse
- vor 6 Jahren
- Abrufe
Transkript
1 Literatur J.Berstel/D.Perrin, Theorie of Codes. Academic Press, J. Duske/H.Jürgensen, Kodierungstheorie. BI-Taschenb., Mannheim, T. Grams, Codierungsverfahren. BI-Taschenbuch, Mannheim, W.I.Löwenstein, Kodierungstheorie. In: Diskrete Mathematik und mathematische Fragen der Kybernetik, Herausg.: S.W.Jablonski/O.B.Lupanov, Akademie-Verlag, W.W.Peterson/E.J.Weldon, Error-Correcting Codes. MIT Press, Cambridge, A.Salomaa, Jewels of Formal Language Theory. Comp. Sci. Press, H.J.Shyr, Free Monoids and Languages. Hon Min Book Co., Taichung, Taiwan, P. Sweeney, Codierung zur Fehlererkennung und Fehlerkorrektur. Hanser- Verlag, Codierungstheorie 1
2 Code Definition Definition: Eine eineindeutige Funktion φ : A C ist eine Codierung der Menge A durch die nichtleere Sprache C über dem Alphabet X, wenn die homomorphe Erweiterung von φ auf A eine injektive Funktion von A in X ist. Eine nichtleere Sprache C (über X) heißt Code, wenn C Wertevorrat einer Kodierung ist. Codierungstheorie 2
3 Code Charakterisierung Eine nichtleere Sprache C ist genau dann ein Code, wenn für beliebige x i1, x i2,..., x in, x j1, x j2,..., x jm C, n 1, m 1 aus x i1 x i2... x in = x j1 x j2... x jm die Gleichheit x i1 = x j1 folgt. Eine Sprache C ist genau dann ein Code, wenn für beliebige x i1, x i2,..., x in, x j1, x j2,..., x jm C, n 1, m 1, aus x i1 x i2... x in = x j1 x j2... x jm die Gleichheiten n = m und x it = x jt für 1 t n folgen. Codierungstheorie 3
4 Strenger Code Definition: Eine Code C heißt strenger Code, wenn für beliebige x ik C und x jk C, k 1, so dass für n 1 x i1 x i2... x in ein Präfix von x j1 x j2... x jn oder x j1 x j2... x jn ein Präfix von x i1 x i2... x in ist die Gleichheit x i1 = x j1 gilt. Bemerkung: Eine Code C ist ein strenger Code, wenn für beliebige x ik C und x jk C, k 1, so dass für n 1 x i1 x i2... x in ein Präfix von x j1 x j2... x jn oder x j1 x j2... x jn ein Präfix von x i1 x i2... x in ist die Gleichheiten x ik = x jk für k 1 gelten. Codierungstheorie 4
5 Spezielle Codes Definition: Eine nichtleere Sprache C heißt Präfixcode, wenn kein Wort aus C Präfix eines anderen Wortes aus C ist. Definition: Sei n 1 eine natürliche Zahl. heißt Blockcode der Länge n über X. Eine Teilmenge C von X n Für einen Code C und eine natürliche Zahl k 1 ist auch C k ein Code. Codierungstheorie 5
6 Decodierung Definition: Ein Mealy-Automat ist ein 6-Tupel A = (X, Y, Z, f, g, z 0 ) mit X, Y, Z sind Alphabete (endliche nichtleere Mengen) f : Z X Z und g : Z X Y sind Funktionen, und z 0 ist ein Element von Z. f und g werden auf Z X fortgesetzt mittels f (z, λ) = z, g (z, λ) = λ, f (z, wa) = f(f (z, w), a), g (z, wa) = g (z, w)g(f (z, w), a) für w X, a X Es gibt einen Algorithmus, der für jede strenge Codierung φ : A C X + und jedes Wort x X + in linearer Zeit φ 1 (x) berechnet bzw. feststellt, dass φ 1 (x) nicht definiert ist. Codierungstheorie 6
7 Produktunabhängige Mengen Definition: Eine Sprache L heißt produktunabhängig, falls kein Wort in L als Produkt von mindestens zwei Wörtern aus L dargestellt werden kann. Sei C eine produktunabhängige Menge über X. Dann ist C genau dann ein Code, wenn für jedes Wort w X gilt, dass wc C und C w C implizieren w C. Codierungstheorie 7
8 Entscheidbarkeit der Code-Eigenschaft Die Menge C = {x, y} bestehe aus zwei nichtleeren Wörtern über X. Dann ist C genau dann ein Code, wenn xy yx gilt. K 0 (C) = C, K i+1 (C) = {w X + : yw = x oder xw = y für gewisse x C, y K i (C)}. Eine nichtleere Sprache C über X ist genau dann ein Code, wenn K i (C) C = für i 1 gilt. Eine nichtleere Sprache endliche C über X ist genau dann ein strenger Code, wenn K n (C) = für n card(c)(max{ c : c C} 1) + 1 gilt. Es gibt einen Algorithmus, der für jede endliche Sprache C über dem endlichen Alphabet X entscheidet, ob C ein (strenger) Code ist. Codierungstheorie 8
9 Codeindikator I Definition: Sei X ein Alphabet der Kardinalität n 2. Der Codeindikator ci(w) eines Wortes w X ist durch ci(w) = n w definiert. Für eine Sprache L mit X = min(l) setzen wir ci(l) = w L ci(w). Codierungstheorie 9
10 Codeindikator II Seien L 1 und L 2 zwei Sprachen über dem Alphabet X, das aus n Buchstaben besteht. Dann gilt ci(l 1 L 2 ) ci(l 1 ) ci(l 2 ), und die Gleichheit tritt genau dann ein, wenn für je vier Wörter w 1, w 2 L 1 und w 3, w 4 L 4 aus w 1 w 3 = w 2 w 4 folgt, dass w 1 = w 2 gilt. Für jeden Code C gilt ci(c) 1. Codierungstheorie 10
11 Codeindikator III Seien n 2 und l 1, l 2,..., l m natürliche positive Zahlen, die der Bedingung m n l i 1 i=1 genügen. Dann gibt es einen Code (Präfixcode) C = {c 0, c 1,..., c m 1 } über dem n-elementigen Alphabet X mit c i 1 = l i für 1 i m. Codierungstheorie 11
12 Maximale Codes Definition: Ein Code C heißt maximal, wenn für jedes Wort w / C die Menge C {w} kein Code ist. Ein Code C mit ci(c) = 1 ist ein maximaler Code. Ein endlicher Code C ist genau dann maximal, wenn ci(c) = 1 gilt. Codierungstheorie 12
13 Kosten und Optimalität von Codes Definition: i) Für einen Code C = {c 1, c 2,..., c m } und eine Wahrscheinlichkeitsverteilung P = {p 1, p 2,..., p m }, p i 0 für 1 i m, m i=1 p i = 1, definieren wir die Kosten von C unter P durch L(C, P ) = m p i c i. i=1 ii) Für eine Wahrscheinlichkeitsverteilung P = {p 1, p 2,..., p m }, p i 0 für 1 i m, m i=1 p i = 1, und ein Alphabet X setzen wir L X (P ) = inf L(C, P ), wobei das Infimum über alle m-elementigen Codes über X zu nehmen ist. Ein Code C über X heißt optimal für P, wenn L(C, P ) = L X (P ) gilt. Codierungstheorie 13
14 Optimale Codes Für jede Verteilung P, deren Wahrscheinlichkeiten alle positiv sind, und jedes Alphabet X existiert ein (Präfix)-Code über X, der optimal für P ist. Für jede Verteilung P = {p 0, p 1,..., p m } und jedes Alphabet X mit card(x) = n gilt m ( ) 1 p i log n L X (P ) 1 + p i i=1 wobei die Gleichheit L X (P ) = ( m i=1 p i log n log n (p i ) für 1 i m ganze Zahlen sind. m ( ) 1 p i log n, p i i=1 ) 1 p i genau dann gilt, wenn Codierungstheorie 14
C O D I E R U N G S T H E O R I E. und K R Y P T O G R A P H I E
Prof. Dr. Jürgen Dassow und Dr. Bianca Truthe Otto-von-Guericke-Universität Magdeburg Fakultät für Informatik C O D I E R U N G S T H E O R I E und K R Y P T O G R A P H I E Vorlesungsmanuskript Magdeburg,
MehrDiskrete Mathematik II
Diskrete Mathematik II Alexander May Fakultät für Mathematik Ruhr-Universität Bochum Sommersemester 2008 DiMA II - Vorlesung 01-07.04.2008 Einführung in die Codierungstheorie, Definition Codes 1 / 36 Organisatorisches
MehrWann sind Codes eindeutig entschlüsselbar?
Wann sind Codes eindeutig entschlüsselbar? Definition Suffix Sei C ein Code. Ein Folge s {0, 1} heißt Suffix in C falls 1 c i, c j C : c i = c j s oder 2 c C und einen Suffix s in C: s = cs oder 3 c C
MehrFehlererkennung und Fehlerkorrektur in Codes
Fehlererkennung und Fehlerkorrektur in Codes Blockcodes und Hamming Abstand Untersuchungen zu Codierungen von Informationen, die über einen Nachrichtenkanal übertragen werden sollen, konzentrieren sich
Mehr21. Greedy Algorithmen. Aktivitätenauswahl, Fractional Knapsack Problem, Huffman Coding Cormen et al, Kap. 16.1, 16.3
581 21. Greedy Algorithmen Aktivitätenauswahl, Fractional Knapsack Problem, Huffman Coding Cormen et al, Kap. 16.1, 16.3 Aktivitäten Auswahl 582 Koordination von Aktivitäten, die gemeinsame Resource exklusiv
MehrProseminar Datenkompression Suchstrategien und Präfixcodes
Proseminar Datenkompression Suchstrategien und Präfixcodes Patrick Sonntag Mittwoch, den 05.02.2003 I. Einführung - Suche elementares Problem in Informatik - hierbei Beschränkung auf binäre Tests nur 2
Mehr2. Woche Eindeutige Entschlüsselbarleit, Sätze von Kraft und McMillan, Huffmancodierung
2 Woche Eindeutige Entschlüsselbarleit, Sätze von Kraft und McMillan, Huffmancodierung 2 Woche: Eindeutige Entschlüsselbarleit, Sätze von Kraft und McMillan, Huffmancodierung 24/ 44 Zwei Beispiele a 0
MehrInformations- und Codierungstheorie (Informationstheorie) Vorlesungsunterlagen
J O H A N N E S K E P L E R U N I V E R S I T Ä T L I N Z N e t z w e r k f ü r F o r s c h u n g, L e h r e u n d P r a x i s Informations- und Codierungstheorie (Informationstheorie) Vorlesungsunterlagen
Mehr2.7 Der Shannon-Fano-Elias Code
2.7 Der Shannon-Fano-Elias Code Die Huffman-Codierung ist ein asymptotisch optimales Verfahren. Wir haben auch gesehen, dass sich die Huffman-Codierung gut berechnen und dann auch gut decodieren lassen.
MehrWir erinnern uns: Um eine Zufallsvariable mit N verschiedenen, gleichwahrscheinlichen Zuständen binär zu codieren, benötigen wir
Kapitel 3: Entropie Motivation Wir erinnern uns: Um eine Zufallsvariable mit N verschiedenen, gleichwahrscheinlichen Zuständen binär zu codieren, benötigen wir log N Bits log p N Bits Die Information steht
MehrSeminar Mathematische Logik L-Strukturen und Syntax der Prädikatenlogik
Seminar Mathematische Logik L-Strukturen und Syntax der Prädikatenlogik Linda Raabe 7. März 2012 1 L-Strukturen Definition 1.1 (Struktur) Eine Struktur A ist eine nichtleere Trägermenge A zusammen mit
MehrZur Vorbereitung auf die Vorlesung Grundlagen der theoretischen Informatik Mo 4., Mi 6. und Fr. 8. Oktober in H/C 3310 um Uhr.
M a t h e m a t i s c h e s P r o p ä d e u t i k u m Zur Vorbereitung auf die Vorlesung Grundlagen der theoretischen Informatik Mo 4., Mi 6. und Fr. 8. Oktober in H/C 3310 um14 00-16 00 Uhr. Erfahrungsgemäß
MehrKapitel 2. Zahlenbereiche
Kapitel 2. Zahlenbereiche 2.3. Reelle Zahlen Erweiterung des Zahlenbereichs der natürlichen Zahlen Ganze Zahlen Z := {..., 3, 2, 1, 0, 1, 2, 3,... } = N {0} N. Rationale Zahlen Q := { m n m Z, n N }. Beachte:
MehrIT-Sicherheitsmanagement. Teil 4: Einführung in algebraische Strukturen
IT-Sicherheitsmanagement Teil 4: Einführung in algebraische Strukturen 19.09.18 1 Literatur und Videos [4-1] http://www.iti.fh-flensburg.de/lang/krypto [4-2] Forster, Otto: Algorithmische Zahlentheorie.
Mehr3 Allgemeine Algebren
Grundlagen der Mathematik für Informatiker 1 3 Allgemeine Algebren Definition 3.1 Für eine Menge A nennen wir eine n-stellige Funktion ω : A n A eine n-äre algebraische Operation. Bemerkung zum Fall n
MehrIT-Security. Teil 9: Einführung in algebraische Strukturen
IT-Security Teil 9: Einführung in algebraische Strukturen 08.05.17 1 Literatur und Videos [9-1] http://www.iti.fh-flensburg.de/lang/krypto [9-2] Forster, Otto: Algorithmische Zahlentheorie. 2. Auflage,
MehrProf. Dr. Jürgen Dassow Otto-von-Guericke-Universität Magdeburg. Codierungstheorie und Kryptographie
Prof. Dr. Jürgen Dassow Otto-von-Guericke-Universität Magdeburg Fakultät für Informatik Codierungstheorie und Kryptographie Wintersemester 2008 1 2 Inhaltsverzeichnis 1 Definition und Charakterisierung
MehrFormale Methoden 2. Gaetano Geck Lehrstuhl I Logik in der Informatik WS 2015/2016
Formale Methoden 2 Gaetano Geck Lehrstuhl I Logik in der Informatik WS 2015/2016 Teil 3: Kodierung 1 Motivation 2 Exkurs Grundlagen formaler Sprachen 3 Grundlagen 4 Beispielkodierungen FM2 (WS 2014/15,
MehrWichtige Begriffe und Sätze aus der Wahrscheinlichkeitsrechnung
Wichtige Begriffe und Sätze aus der Wahrscheinlichkeitsrechnung Version: 22. September 2015 Evelina Erlacher 1 Mengen Es sei Ω eine Menge (die Universalmenge ) und A, B seien Teilmengen von Ω. Dann schreiben
MehrLiteratur und Videos. ISM WS 2017/18 Teil 4/Algebren
Literatur und Videos [4-1] http://www.iti.fh-flensburg.de/lang/krypto [4-2] Forster, Otto: Algorithmische Zahlentheorie. 2. Auflage, Springer, 2015 [4-3] Teschl, Gerald; Teschl, Susanne: Mathematik für
MehrMathematik I für Studierende der Informatik und Wirtschaftsinformatik (Diskrete Mathematik) im Wintersemester 2015/16
Mathematik I für Studierende der Informatik und Wirtschaftsinformatik (Diskrete Mathematik) im Wintersemester 2015/16 12. November 2015 Satz 3.16 (Binomischer Lehrsatz) Seien a, b R. Dann gilt für alle
MehrEinleitung. Kapitel 1
Kapitel 1 Einleitung In diesem Abschnitt geben wir einen kurzen Überblick über den Inhalt der Vorlesung. Wir werden kurz die wesentlichen Probleme erläutern, die wir ansprechen wollen. Wir werden auch
MehrWichtige Begriffe und Sätze aus der Wahrscheinlichkeitsrechnung
Wichtige Begriffe und Sätze aus der Wahrscheinlichkeitsrechnung Version: 15. Jänner 2017 Evelina Erlacher Inhaltsverzeichnis 1 Mengen 2 2 Wahrscheinlichkeiten 3 3 Zufallsvariablen 5 3.1 Diskrete Zufallsvariablen............................
Mehrr i w i (siehe (3.7)). r i v, w i = 0.
Orthogonales Komplement und Orthogonalprojektion Wir betrachten weiterhin einen euklidischen Vektorraum V,,. (6.13) Def.: Ist M V, so heißt das orthogonale Komplement von M. (6.14) Fakt. (i) M ist Untervektorraum
MehrKapitel 7: Optimalcodierung und Huffman Coding
Kapitel 7: codierung und Huffman Coding Ziele des Kapitels Auftreten von Fehlern bei zu starker Kompression Konstruktion optimaler Codes Huffman Coding 2 Bisher Theorem (Shannon I): Die mittlere Codewortlänge
MehrKapitel 1.4. Exkurs: Entscheidbarkeit und Komplexität. Mathematische Logik (WS 2012/3) K. 1.4: Entscheidbarkeit und Komplexität 1/10
Kapitel 1.4 Exkurs: Entscheidbarkeit und Komplexität Mathematische Logik (WS 2012/3) K. 1.4: Entscheidbarkeit und Komplexität 1/10 Algorithmen Ein Algorithmus oder eine Rechenvorschrift ist ein effektives
MehrDiskrete Mathematik I
Diskrete Mathematik I Alexander May Fakultät für Mathematik Ruhr-Universität Bochum Wintersemester 08/09 DiMa I - Vorlesung 01-13.10.2008 Mengen, Relationen, Funktionen, Indirekter Beweis 1 / 59 Organisatorisches
Mehr(Prüfungs-)Aufgaben zur Codierungstheorie
(Prüfungs-)Aufgaben zur Codierungstheorie 1) Gegeben sei die folgende CCITT2-Codierung der Dezimalziffern: Dezimal CCITT2 0 0 1 1 0 1 1 1 1 1 0 1 2 1 1 0 0 1 3 1 0 0 0 0 4 0 1 0 1 0 5 0 0 0 0 1 6 1 0 1
MehrDefinition der Kolmogorov-Komplexität I
Definition der Kolmogorov-Komplexität I Definition: Die Komplexität K A (x) eines Wortes x V + bezüglich des Algorithmus A ist die Länge der kürzesten Eingabe p {0, 1} + mit A(p) = x, d.h. in formalisierter
MehrInformatik II, SS 2018
Informatik II - SS 28 (Algorithmen & Datenstrukturen) Vorlesung 22 (6.7.28) Greedy Algorithmen II (Datenkompression) Algorithmen und Komplexität Datenkompression Reduziert Größen von Files Viele Verfahren
MehrMengen, Funktionen und Logik
Wirtschaftswissenschaftliches Zentrum Universität Basel Mathematik für Ökonomen 1 Dr. Thomas Zehrt Mengen, Funktionen und Logik Literatur Referenz: Gauglhofer, M. und Müller, H.: Mathematik für Ökonomen,
MehrTeil VI. Gemeinsame Verteilungen. Lernziele. Beispiel: Zwei Würfel. Gemeinsame Verteilung
Zusammenfassung: diskrete und stetige Verteilungen Woche 4: Verteilungen Patric Müller diskret Wahrscheinlichkeitsverteilung p() stetig Wahrscheinlichkeitsdichte f ()
MehrNachklausur zur Vorlesung Theoretische Grundlagen der Informatik Wintersemester 2012/13
Institut für Kryptographie und Sicherheit Prof. Dr. Jörn Müller-Quade Nachklausur zur Vorlesung Theoretische Grundlagen der Informatik Wintersemester 2012/13 Vorname Nachname Matrikelnummer Hinweise Für
MehrHöhere Mathematik I für die Fachrichtung Informatik. Lösungsvorschläge zum 1. Übungsblatt
KARLSRUHER INSTITUT FÜR TECHNOLOGIE INSTITUT FÜR ANALYSIS Dr. Christoph Schmoeger Heiko Hoffmann WS 013/1 Höhere Mathematik I für die Fachrichtung Informatik Lösungsvorschläge zum 1. Übungsblatt Aufgabe
MehrGrundbegrie der Codierungstheorie
Grundbegrie der Codierungstheorie Pia Lackamp 12. Juni 2017 Inhaltsverzeichnis 1 Einleitung 2 2 Hauptteil 3 2.1 Blockcodes............................ 3 2.1.1 Beispiele.......................... 3 2.2
MehrADS: Algorithmen und Datenstrukturen 2
ADS: Algorithmen und Datenstrukturen 2 Teil 4 Prof. Dr. Gerhard Heyer Institut für Informatik Abteilung Automatische Sprachverarbeitung Universität Leipzig 24. April 2019 [Letzte Aktualisierung: 24/04/2019,
MehrCodierungstheorie Teil 1: Fehlererkennung und -behebung
Codierungstheorie Teil 1: Fehlererkennung und -behebung von Manuel Sprock 1 Einleitung Eine Codierung ist eine injektive Abbildung von Wortmengen aus einem Alphabet A in über einem Alphabet B. Jedem Wort
MehrEinführung in die Codierungstheorie
11. Dezember 2007 Ausblick Einführung und Definitionen 1 Einführung und Definitionen 2 3 Einführung und Definitionen Code: eindeutige Zuordnung von x i X = {x 1,.., x k } und y j Y = {y 1,..., y n } Sender
MehrZahlen und metrische Räume
Zahlen und metrische Räume Natürliche Zahlen : Die natürlichen Zahlen sind die grundlegendste Zahlenmenge, da man diese Menge für das einfache Zählen verwendet. N = {1, 2, 3, 4,...} bzw. N 0 = {0, 1, 2,
MehrGrundlagen der theoretischen Informatik
Grundlagen der theoretischen Informatik Kurt Sieber Fakultät IV, Department ETI Universität Siegen SS 2013 Vorlesung vom 09.04.2013 Inhalt der Vorlesung Teil I: Automaten und formale Sprachen (Kurt Sieber)
MehrZusammenfassung der letzten LVA. Diskrete Mathematik
Zusammenfassung Zusammenfassung der letzten LVA Diskrete Mathematik Christina Kohl Georg Moser Oleksandra Panasiuk Christian Sternagel Vincent van Oostrom (Beweisformen) Beweisformen sind etwa (i) deduktive
MehrTheoretische Grundlagen des Software Engineering
Theoretische Grundlagen des Software Engineering 1: Grundlagen, Sprachen, Automaten schulz@eprover.org Software Systems Engineering Definition Eine Definition ist eine genaue Beschreibung eines Objektes
MehrWarum Mathe? IG/StV-Mathematik der KFU-Graz. 1 Mengen Mengenoperationen Rechenregeln Mengen 4. Funktionen 7
Warum Mathe? IG/StV-Mathematik der KFU-Graz März 2011 Inhalt 1 Mengen 1 1.1 Mengenoperationen.............................. 2 1.2 Rechenregeln.................................. 3 2 Übungsbeispiele zum
MehrSurjektive, injektive und bijektive Funktionen.
Kapitel 1: Aussagen, Mengen, Funktionen Surjektive, injektive und bijektive Funktionen. Definition. Sei f : M N eine Funktion. Dann heißt f surjektiv, falls die Gleichung f(x) = y für jedes y N mindestens
MehrSeminararbeit Zahlentheorie. Gitter und der Minkowskische Gitterpunktsatz
Seminararbeit Zahlentheorie Gitter und der Minkowskische Gitterpunktsatz Natascha Bilkic und Andreas Welling 4. Dezember 2007 Inhaltsverzeichnis I. Einführung 3 8.1. Definition: Gitter................................
Mehr2.1 Definitionen Sätze und Beweise Erklärungen zu den Definitionen... 15
Mengen Übersicht.1 Definitionen................................................. 11. Sätze und Beweise............................................ 14.3 Erklärungen zu den Definitionen...............................
MehrTutorium: Diskrete Mathematik
Tutorium: Diskrete Mathematik Vorbereitung der Bonusklausur am 24.11.2016 (Teil 2) 23. November 2016 Steven Köhler mathe@stevenkoehler.de mathe.stevenkoehler.de 2 c 2016 Steven Köhler 23. November 2016
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
MehrEinführung in die Codierungstheorie
Einführung in die Codierungstheorie Monika König 11.12.2007 Inhaltsverzeichnis 1 Einführung und Definitionen 2 2 Fehlererkennende Codes 3 2.1 Paritycheck - Code............................... 3 2.2 Prüfziffersysteme................................
MehrKompakte Operatoren in Hilberträumen
Kompakte Operatoren in Hilberträumen 1 Vorbemerkungen Im Folgenden bezeichne H immer einen seperablen Hilbertraum über C Mit B(H 1, H 2 ) bezeichnen wir die Menge aller beschränkten linearen Operatoren
MehrÜbersicht. Aktivitäten-Auswahl-Problem. Greedy Algorithmen. Aktivitäten-Auswahl-Problem. Aktivitäten-Auswahl-Problem. Datenstrukturen & Algorithmen
Datenstrukturen & Algorithmen Übersicht Greedy Algorithmen Einführung Aktivitäten-Auswahl-Problem Huffman Codierung Matthias Zwicker Universität Bern Frühling 2009 2 Greedy Algorithmen Entwurfsstrategie
Mehr21. Dynamic Programming III
Approximation 21. Dynamic Programming III FPTAS [Ottman/Widmayer, Kap. 7.2, 7.3, Cormen et al, Kap. 15,35.5] Sei ein ε (, 1) gegeben. Sei I eine bestmögliche Auswahl. Suchen eine gültige Auswahl I mit
MehrEinführung in die Computerlinguistik Chomskyhierarchie
Einführung in die Computerlinguistik Chomskyhierarchie Dozentin: Wiebke Petersen 14. Foliensatz Wiebke Petersen Einführung CL 1 Wiederholung: Formale Grammatik Denition Eine formale Grammatik ist ein 4-Tupel
MehrKapitel 2. Zahlenbereiche
Kapitel 2. Zahlenbereiche 2.3. Reelle Zahlen Erweiterung des Zahlenbereichs der natürlichen Zahlen Ganze Zahlen Z := {..., 3, 2, 1, 0, 1, 2, 3,...} = N {0} N. Rationale Zahlen Q := { m } n m Z, n N. Beachte:
MehrEinführung in die Computerlinguistik Chomskyhierarchie
Einführung in die Computerlinguistik Chomskyhierarchie Dozentin: Wiebke Petersen 14. Foliensatz Wiebke Petersen Einführung CL 1 Wiederholung: Formale Grammatik Denition Eine formale Grammatik ist ein 4-Tupel
MehrRandomisierte Algorithmen
Randomisierte Algorithmen Randomisierte Algorithmen Thomas Worsch Fakultät für Informatik Karlsruher Institut für Technologie Wintersemester 2018/2019 1 / 40 Überblick Überblick Grundlegendes zu Markov-Ketten
Mehr1. Woche Einführung in die Codierungstheorie, Definition Codes, Präfixcode, kompakte Codes
1 Woche Einführung in die Codierungstheorie, Definition Codes, Präfixcode, kompakte Codes 1 Woche: Einführung in die Codierungstheorie, Definition Codes, Präfixcode, kompakte Codes 5/ 44 Unser Modell Shannon
MehrBild, Faser, Kern. Stefan Ruzika. 23. Mai Mathematisches Institut Universität Koblenz-Landau Campus Koblenz
Stefan Ruzika Mathematisches Institut Universität Koblenz-Landau Campus Koblenz 23. Mai 2016 Stefan Ruzika 7: Bild, Faser, Kern 23. Mai 2016 1 / 11 Gliederung 1 Schulstoff 2 Körper 3 Vektorräume 4 Basis
MehrLineare Algebra I (WS 13/14)
Lineare Algebra I (WS 13/14) Alexander Lytchak Nach einer Vorlage von Bernhard Hanke 03.12.2013 Alexander Lytchak 1 / 16 Wiederholung und Beispiele Der Spaltenrang einer Matrix ist gleich ihrem Zeilenrang.
MehrDiskrete Mathematik. Sebastian Iwanowski FH Wedel. Kapitel 2: Mengenlehre. Referenzen zum Nacharbeiten:
DM2 Slide 1 Diskrete Mathematik Sebastian Iwanowski FH Wedel Kapitel 2: Mengenlehre Referenzen zum Nacharbeiten: Lang 3 Meinel 2, 4, 5, 10.2-10.4 (zur Vertiefung: Meinel 10.5-10.8 und Beutelspacher 10)
MehrDefinition 3.1. Sei A X. Unter einer offenen Überdeckung von A versteht man eine Familie (U i ) i I offener Mengen U i X mit U i
3 Kompaktheit In der Analysis I zeigt man, dass stetige Funktionen f : [a, b] R auf abgeschlossenen, beschränkten Intervallen [a, b] gleichmäßig stetig und beschränkt sind und dass sie ihr Supremum und
MehrVorkurs Mathematik und Informatik Mengen, natürliche Zahlen, Induktion
Vorkurs Mathematik und Informatik Mengen, natürliche Zahlen, Induktion Saskia Klaus 07.10.016 1 Motivation In den ersten beiden Vorträgen des Vorkurses haben wir gesehen, wie man aus schon bekannten Wahrheiten
MehrWir suchen Antworten auf die folgenden Fragen: Was ist Berechenbarkeit? Wie kann man das intuitiv Berechenbare formal fassen?
Einige Fragen Ziel: Wir suchen Antworten auf die folgenden Fragen: Wie kann man das intuitiv Berechenbare formal fassen? Was ist ein Algorithmus? Welche Indizien hat man dafür, dass ein formaler Algorithmenbegriff
MehrDiskrete Mathematik. Sebastian Iwanowski FH Wedel. Kapitel 2: Mengenlehre
Referenzen zum Nacharbeiten: Diskrete Mathematik Sebastian Iwanowski FH Wedel Kapitel 2: Mengenlehre Lang 3 Meinel 2, 4, 5, 10.2-10.4 (zur Vertiefung: Meinel 10.5-10.8 und Beutelspacher 10) Dean 2, 5-7
MehrVorlesung Diskrete Strukturen Abbildungen
Vorlesung Diskrete Strukturen Abbildungen Bernhard Ganter Institut für Algebra TU Dresden D-01062 Dresden bernhard.ganter@tu-dresden.de WS 2009/10 1 Bernhard Ganter, TU Dresden Modul Einführung in die
MehrEinführung in die Theoretische Informatik
Technische Universität München Fakultät für Informatik Prof. Tobias Nipkow, Ph.D. Dr. Werner Meixner, Dr. Alexander Krauss Sommersemester 2010 Lösungsblatt 11 15. Juli 2010 Einführung in die Theoretische
MehrLineare Abbildungen - I
Lineare Abbildungen - I Definition. Seien V und W K-Vektorräume (über demselben K). Eine Abbildung F : V W heißt K-linear, wenn L1) F (v + w) = F (v) + F (w) v, w V L2) F (λv) = λf (v) v V, λ K. Somit
MehrBasiswissen Matrizen
Basiswissen Matrizen Mathematik GK 32 Definition (Die Matrix) Eine Matrix A mit m Zeilen und n Spalten heißt m x n Matrix: a a 2 a 4 A a 2 a 22 a 24 a 4 a 42 a 44 Definition 2 (Die Addition von Matrizen)
MehrDie Mathematik in der CD
Lehrstuhl D für Mathematik RWTH Aachen Lehrstuhl D für Mathematik RWTH Aachen St.-Michael-Gymnasium Monschau 14. 09. 2006 Codes: Definition und Aufgaben Ein Code ist eine künstliche Sprache zum Speichern
MehrHöhere Mathematik I für die Fachrichtung Informatik Lösungsvorschlag zum Präsenzübungsblatt
KARLSRUHER INSTITUT FÜR TECHNOLOGIE INSTITUT FÜR ANALYSIS Dr. Christoph Schmoeger Heiko Hoffmann WS 2013/14 24.10.2013 Höhere Mathematik I für die Fachrichtung Informatik Lösungsvorschlag zum Präsenzübungsblatt
MehrGrundlagen exakter Methoden zur Verschlüsselung von Codewörtern mittels linearer Codes*
Grundlagen exakter Methoden zur Verschlüsselung von Codewörtern mittels linearer Codes* Andrea Kraft andreakraft@gmx.at Elisabeth Pilgerstorfer elisabeth_pilg@hotmail.com Johannes Kepler Universität Linz
MehrStochastik I. Vorlesungsmitschrift
Stochastik I Vorlesungsmitschrift Ulrich Horst Institut für Mathematik Humboldt-Universität zu Berlin Inhaltsverzeichnis 1 Grundbegriffe 1 1.1 Wahrscheinlichkeitsräume..................................
MehrAnhang II zur Vorlesung Kryptologie: Entropie
Anhang II zur Vorlesung Kryptologie: Entropie von Peter Hellekalek Fakultät für Mathematik, Universität Wien, und Fachbereich Mathematik, Universität Salzburg Tel: +43-(0)662-8044-5310 Fax: +43-(0)662-8044-137
MehrLösung des 2. Übungsblattes (Lösung erstellt von Adam.)
Lösung des 2. Übungsblattes (Lösung erstellt von Adam.) Aufgabe 1: Für die gesamte Aufgabe nehmen wir an, dass stärker bindet als und, damit wir uns im Folgenden ein paar Klammern sparen können. (i) Für
MehrInduktionsbeweis. Satz Primfaktorzerlegung. Jede natürliche Zahl n 2 lässt sich als Produkt von Primzahlen darstellen.
Induktionsbeweis Satz Primfaktorzerlegung Jede natürliche Zahl n 2 lässt sich als Produkt von Primzahlen darstellen. Beweis: Induktion über n (IV) Induktionsverankerung: n=2 prim. (IA) Induktionsannahme:
MehrInvarianz-Entropie für Kontrollsysteme
Invarianz-Entropie für Kontrollsysteme Christoph Kawan Institut für Mathematik, Universität Augsburg in Zusammenarbeit mit Fritz Colonius, Institut für Mathematik, Universität Augsburg im Rahmen des DFG-Schwerpunktprogramms
MehrInformation und Codierung
Richard W. Hamming Information und Codierung Technische Universität Darmstadt FACHBEREICH INFORMATIK BIBLIOTHEK Invantar-Nr.: Sachgebiete:. Standort: VCH Inhalt Vorwort zur 1. Auflage der Originalausgabe
MehrWS 20013/14. Diskrete Strukturen
WS 20013/14 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/ws1314
MehrTheorie der Informatik. Theorie der Informatik. 6.1 Einführung. 6.2 Alphabete und formale Sprachen. 6.3 Grammatiken. 6.4 Chomsky-Hierarchie
Theorie der Informatik 17. März 2014 6. Formale Sprachen und Grammatiken Theorie der Informatik 6. Formale Sprachen und Grammatiken Malte Helmert Gabriele Röger Universität Basel 17. März 2014 6.1 Einführung
MehrGruppen. Kapitel Operationen Definiton Gruppe, symmetrische Gruppen. Gruppen und Untergruppen, Lernziele 1. Erzeugendensysteme,
Kapitel 1 Gruppen 1.1 Operationen Lernziele 1. Gruppen und Untergruppen, Erzeugendensysteme, Operationen und Bahnen 1.1.1 Definiton Gruppe, symmetrische Gruppen Definition 1.1. Sei G eine nicht leere Menge
MehrNachklausur zur Vorlesung Theoretische Grundlagen der Informatik Wintersemester 2013/14
Institut für Theoretische Informatik Prof. Dr. Jörn Müller-Quade Nachklausur zur Vorlesung Theoretische Grundlagen der Informatik Wintersemester 2013/14 Vorname Nachname Matrikelnummer Hinweise Für die
MehrGierige Algorithmen Interval Scheduling
Gierige Algorithmen Interval Scheduling IntervalScheduling(s,f). n length[s] 2. A {} 3. j 4. for i 2 to n do 5. if s[i] f[j] then 6. A A {i} 7. j i 8. return A Gierige Algorithmen Interval Scheduling Beweisidee:
MehrBegriffe aus der Informatik Nachrichten
Begriffe aus der Informatik Nachrichten Gerhard Goos definiert in Vorlesungen über Informatik, Band 1, 1995 Springer-Verlag Berlin Heidelberg: Die Darstellung einer Mitteilung durch die zeitliche Veränderung
MehrAnalysis I für Studierende der Ingenieurwissenschaften
Analysis I für Studierende der Ingenieurwissenschaften Ingenuin Gasser Department Mathematik Universität Hamburg Technische Universität Hamburg Harburg Wintersemester 2008/2009 1 Definition: Sei M R, alsom
MehrStetige Funktionen, Binomischer Lehrsatz
Vorlesung 13 Stetige Funktionen, Binomischer Lehrsatz 13.1 Funktionenfolgen Wir verbinden nun den Grenzwertbegriff mit dem Funktionsbegriff. Es seien (a n ) n N eine reelle Folge und f : R R eine Funktion.
Mehr6. Vorlesung. Rechnen mit Matrizen.
6. Vorlesung. Rechnen mit Matrizen. In dieser Vorlesung betrachten wir lineare Gleichungs System. Wir betrachten lineare Gleichungs Systeme wieder von zwei Gesichtspunkten her: dem angewandten Gesichtspunkt
MehrKONSTRUKTION VON MASSEN
KONSTRUKTION VON MASSEN MARCUS HEITEL 1. Einleitung Wir wollen im Folgenden das Lebesguemaß konstruieren. Dieses soll die Eigenschaft λ ( [a, b = b a für a, b R besitzen. Nun ist ein Maß aber auf einer
MehrTechnische Universität München
Stand der Vorlesung Kapitel 2: Auffrischung einiger mathematischer Grundlagen Mengen, Potenzmenge, Kreuzprodukt (Paare, Tripel, n-tupel) Relation: Teilmenge MxN Eigenschaften: reflexiv, symmetrisch, transitiv,
MehrWiederholung: lineare Abbildungen
Wiederholung: lineare Abbildungen Def Es seien (V,+, ) und (U, +, ) zwei Vektorräume Eine Abbildung f : V U heißt linear, falls für alle Vektoren v 1, v 2 V und für jedes λ R gilt: (a) f (v 1 + v 2 ) =
MehrDiskrete Strukturen Kapitel 2: Grundlagen (Relationen)
WS 2016/17 Diskrete Strukturen Kapitel 2: Grundlagen (Relationen) Hans-Joachim Bungartz Lehrstuhl für wissenschaftliches Rechnen Fakultät für Informatik Technische Universität München http://www5.in.tum.de/wiki/index.php/diskrete_strukturen_-_winter_16
Mehr5 Noethersche Ringe und Moduln, Algebren und Ganzheit
5 Noethersche Ringe und Moduln, Algebren und Ganzheit Sofern nichts anderes gesagt wird, sind im Folgenden alle Ringe kommutativ mit 1 0. Satz und Definition 5.1. Sei A ein Ring. Die folgenden Aussagen
MehrGrundlagen Theoretischer Informatik I SoSe 2011 in Trier. Henning Fernau Universität Trier
Grundlagen Theoretischer Informatik I SoSe 2011 in Trier Henning Fernau Universität Trier fernau@uni-trier.de 1 Grundlagen Theoretischer Informatik I Gesamtübersicht Organisatorisches; Einführung Logik
Mehr2 Alphabete, Wörter, Sprachen und die Darstellung von Problemen
Das Tiefste, das wir erfahren können, sind die Offenbarungen der Mystik. Sie sind das fundamentalste Gefühl, das an der Wiege aller wahren Kunst und Wissenschaft steht. Wer es nicht kennt, kann sich nicht
MehrTheoretische Grundlagen der Informatik
Theoretische Grundlagen der Informatik Vorlesung am 17.November 2011 INSTITUT FÜR THEORETISCHE 0 KIT 17.11.2011 Universität des Dorothea Landes Baden-Württemberg Wagner - Theoretische und Grundlagen der
Mehr