Größe: px
Ab Seite anzeigen:

Download ""

Transkript

1 URL: UNIVERSITY OF BIRMINGHAM THE of Computer Science School Edgbaston, Birmingham B15 2TT, England Inferenzverfahren Manfred Kerber and Jíorg Siekmann Published as: Wíorterbuch der Kognitionswissenschaft, 1996, Gerhard Strube èed.è, Klett-Cotta, in German

2 Inferenzverfahren 1 Inferenzverfahren Manfred Kerber Jíorg Siekmann Fachbereich Informatik, Universitíat des Saarlandes, Saarbríucken. Die klassische KI geht von der These aus è physical symbol hypothesisë, H. Simonè, daç intelligente Leistungen an die Fíahigkeit gebunden sind, Wissen symbolisch zu repríasentieren. Damit ergeben sich zwei fundamentale Forschungsfragen, die inzwischen in eigenen Fachdisziplinen mit einer Vielzahl internationaler Spezialkonferenzen untersucht werden: æ Wie kann man èalltags-è Wissen geeignet repríasentieren? æ Wie kann man aus einer gegebenen Wissensrepríasentation gíultige Schlíusse ziehen? Insbesondere die zweite Frage wird in der formalen Logik seit Jahrhunderten untersucht und bei der Bearbeitung dieser Frage ist es auch zur bisher fruchbarsten interdiszipliníaren Zusammenarbeit zwischen KI, Logik, Psychologie und Computerlinguistik gekommen. Inferenz ist ein Prozeç, durch den aus gegebenen Tatsachen und Annahmen Schlíusse gezogen werdenë; diese Deænition umfaçt verschiedene Formen des Schlieçens die wir im folgenden betrachten wollen. Deduktion Eine der am meisten untersuchten Inferenztechniken, die heute auch am besten verstanden wird, ist Das Ziel ist, aus einer gegebenen Menge von Fakten logische Konsequenzen herzuleiten. Fíur die Mathematik heiçt das beispielsweise unter der Annahme von gewissen Axiomen und Deænitionen zu beweisen, daç ein Theorem gilt. In der Physk míochte man eventuell aus gegebenen Sachverhalten èzum Beispiel Messungen in einem Versuchè auf die Bahngeschwindigkeit schlieçen. In der Psychologie interessiert man sich fíur die schon von Aristoteles beobachtete Tatsache, daç Menschen gewisse Schlíusse fíur logischkorrekt halten, andere dagegen nicht Grundlage der Deduktion ist das heiçt eine formale Sprache mit festgelegter Syntax und Semantik.Unter klassischer Logik versteht man und erster Stufe. Typische Formeln der Aussagenlogik haben die Gestalt P, èp! Qè, èèr^p è! Qè èlies P, P impliziert Q, R und P impliziert Qè. Dabei kann P zum Beispiel fíur Sokrates ist ein Menschë, Q fíur Sokrates ist sterblichë und R fíur Alle Menschen sind sterblichë stehen. Die erste Formel liest sich dann: Wenn Sokrates ein Mensch ist, dann ist Sokrates sterblichë. In der Príadikatenlogik erster Stufe sind íuber die aussagenlogischen Formeln hinausgehend nochformeln der Gestalt 8x Menschèxè! sterblichèxèë, MenschèSokratesèë oder sterblichèsokratesèë míoglich, wobei die erste Formel einen Allquantor enthíalt, sie lautet fíur alle x gilt, wenn x ein Mensch ist, dann ist x sterblich.ë Die Frage, was eine logische Konsequenz ist, kann nun durch Deduktionsregeln wie zum Beispiel Ponens oder beschrieben werden. Deduktionsregeln sind der Kern eines deduktiven Kalkíuls èhier konkret eines Hilbertkalkíulsè: aus 1

3 Inferenzverfahren 2 gegebenen Voraussetzungen, die als gíultig angenommen werden, wird in einer Kette von deduktiven Schlíussen èanwendungen einer Deduktionsregelè auf einen bestimmten Sachverhalt geschlossen, der damit ebenfalls gíultig ist. Eine wichtige Voraussetzung fíur diese Vorgehensweise ist die Korrektheit eines Kalkíuls, das heiçt aus einer wahren Voraussetzung kann man nie etwas Falsches schlieçen. Ebenso wichtig ist die Vollstíandigkeit eines Kalkíuls, das heiçt, daç man alle wahren Aussagen auch wirklich so erschlieçen kann. Fíur die Príadikatenlogik erster Stufe sind korrekte und vollstíandige Kalkíule seit 1930 bekannt. Man kann nun nach einer minimalen, aber ausreichenden Regelmenge fíur die Deduktion fragen èzum Beispiel geníugen der Modus Ponens und die Instantiierung, um einen vollstíandigen Kalkíul aufzubauenè, man kann sich aber auch umgekehrt fragen: welche der von Menschen als natíurlich angesehenen Schluçweisen lassen sich korrekt formalisieren? Die letzte Frage fíuhrte zu den Kalkíulen des Natíurlichen Schlieçens von Gentzen ëghe93, S. 76æë. Solche Kalkíule wurden in der ersten Híalfte dieses Jahrhunderts ausgiebig untersucht und es gibt inzwischen eine kaum noch íuberschaubare Menge an guten Logikbíuchern, die diese Resultate aufarbeiten und geschlossen darstellen èeine gute deutschsprachige Referenz ist ëeft86ëè. Die Entwicklung von Deduktionskalkíulen hat eine jahrhundertealte Tradition, die seit dem zweiten Weltkrieg um eine neue Variante bereichert wurde, níamlich die Frage, welche Deduktionsverfahren eignen sich besonders gut fíur die Implementierung auf einem Rechner? Zwei solche Verfahren sind und das Tableauverfahren. Das erste beruht auf der eigens fíur die Mechanisierung auf dem Rechner entwickelten Resolutionsregel, die eine Verallgemeinerung der beiden oben angefíuhrten Regeln ist. P _ Q 1 _ :::_ Q n :P 0 _ R 1 _ :::_ R m çèp è=çèp 0 è çèq 1 è _ :::_ çèq n è _ çèr 1 è _ :::_ çèr m è Allerdings míussen im Gegensatz zur Instantiierung die richtigen Instanzen nicht mehr geraten werden, sondern werden durch bestimmt. Wíahrend das Resolutionsverfahren auf einer bestimmten Normalform aufbaut, ist das fíur das Tableauverfahren nicht der Fall, die Herleitung geschieht durch Dekompositionsregeln, die die Formeln aufspalten ëghe93, S ë. Fíur die automatische Deduktion auf dem Rechner sind eine Reihe von Spezialverfahren zur Eæzienzsteigerung entwickelt worden. Diese betreæen zum Beispiel die Behandlung spezieller Theorien und sogenannte built-ins fíur bestimmte, híauæg vorkommende Príadikate wie die Gleichheit oder Theorien wie Ordnungsrelationen, Arithmetik oder Mengenlehre. Auf eine Spezialbehandlung wollen wir noch kurz eingehen, die Behandlung der Gleichheit. Die Gleichheit ist ein zweistelliges Príadikatensymbol ë= mit der Semantik, daç t 1 = t 2 genau dann gilt, wenn t 1 und t 2 nur als das gleiche Element des Universums interpretiert werden kíonnen. Zwar kann dieses Príadikat fíur eine gegebene Signatur hinreichend genau axiomatisiert werden èals íaquivalenzrelation mit Substitutionseigenschaftè, aber fíur die praktische Realisierung ist das sehr ineæzient. Deshalb wurde das Resolutionsverfahren um eine weitere Inferenzregel, die Paramodulationsregel, erweitert, die es erlaubt Gleiches 2

4 Inferenzverfahren 3 durch Gleiches zu ersetzen. In vielen praktischen Fíallen ist dies immer noch ineæzient und deshalb wurden sogenannte Termersetzungsverfahren entwickelt, die die Gleichheit behandeln, indem die Relation gerichtet wird. Zum Beispiel kann man mit einer Gleichung a = b alle Vorkommen von a durch b ersetzen, aber nicht umgekehrt. Im Zusammenhang mit Variablen und Funktionssymbolen ist es níotig sogenannte kritische Paare zu bestimmen und diese Termersetzung zu vervollstíandigen. Auch dieses Verfahren ist weiter verallgemeinert und verbessert worden. Fíur die Mechanisierung von Logiken und deren Implentierung auf dem Rechner gibt es zahlreiche Lehrbíucher mit unterschiedlichen Schwerpunkten, eine gute Referenz ist ëwolb84ë. Die bisher betrachteten maschinenorientierten Verfahren basieren auf einer mehr oder weniger geschickten, systematischen Suche in dem durch den Kalkíul aufgespannten Suchraum míoglicher Inferenzschritte. Im Gegensatz dazu versuchen èmenschlicheè Mathematiker riesige Suchríaume durch eine geschickte Beweisplanung von vornherein zu vermeiden. Diese Vorgehensweise wird zur Zeit auch fíur rechnerorientierte Verfahren entwickelt: in einem planorientierten Ansatz wird die Suche nach einem Beweis als eine Planungsaufgabe auf einer dem Menschen angepaçten Abstraktionsebene aufgefaçt. Diese Verfahren eignen sich besonders gut fíur interaktive mathematische Assistenzsysteme. Erweiterungen und Alternativen Gewisse Sachverhalte lassen sich in klassischer Príadikatenlogik nur unzureichend beschreiben und operationalisieren. Daher wurden und werden Erweiterungen der klassischen Logik ebenso wie Alternativen zu ihr entwickelt. Die Entwicklungsgeschichte dieser Nichtstandardlogiken ist teilweise schon sehr alt, aber teilweise ist sie auch durch Probleme der Kíunstlichen Intelligenzë èkiè initiiert worden, alle diese Entwicklungen haben jedoch durch die KI neue Aktualitíat erhalten. Man kann die Nichtstandard-Logiken grob in zwei Gruppen unterteilen: 1. in solche, die die klassische Logik erweitern und 2. in solche, die sich als Alternative zur klassischen Logik darstellen. Zur ersten Logiken híoherer Stufe In diesen Systemen wird die Syntax der zugrundeliegenden Sprache gegeníuber der klassischen Logik erweitert. Zur zweiten Gruppe gehíoren Logiken, sowie intuitionistische Logik und konstruktive Logik, die zwar èoftè die gleiche Sprache verwenden, aber einen anderen Tautologiebegriæ haben. Zum Beispiel gilt in der klassischen Logik das Gesetz vom ausgeschlossenen Dritten P _:P,in intuitionistischer Logik oder in mehrwertigen Logiken aber nicht. Eine andere Klassiæzierung nichtklassischer Logiken kann entsprechend dem Abweichen von wichtigen Prinzipien der klassischen Logik erfolgen ëkgs90, S.19ë: 3

5 Inferenzverfahren 4 1. Ein Prinzip ist die Zweiwertigkeit, das heiçt in der Semantik wird jeder Formel der Wert 1 oder 0 zugeordnet, wobei 1 fíur wahrë und 0 fíur falschë steht; dieses Prinzip wird in den mehrwertigen Logiken und der Fuzzylogik aufgehoben. 2. In den Modallogiken gilt das Extensionalitíatsprinzip nicht mehr, das heiçt der Wahrheitswert einer zusammengesetzten Aussage líaçt sichnicht mehr allein aus den Wahrheitswerten ihrer Bestandteile bestimmen. 3. Klassische Logik ist explosiv, das heiçt aus einem Widerspruch kann man beliebige Aussagen folgern. Somit muç man sich vor Widerspríuchen híuten, da sonst jeder Unsinn hergeleitet werden kann. Will man trotz widerspríuchlicher Datenmengen noch sinnvoll schlieçen èwie es Menschen ja auch oft tunè, so muç man zu Parakonsistenten Logiken íubergehen. 4. Ein weiteres Prinzip klassischer Logik ist die Monotonie: Folgt eine Formel ' aus einer Formelmenge,, so folgt ' auch aus jeder Obermenge von,. Die Abweichung von diesem Prinzip gibt Logiken ihren Namen. Im weiteren soll ein knapper íuberblick íuber die in der KI verwendeten Logiken gegeben werden, wobei sowohl die Einteilung als auch die Einzeldarstellungen stark vereinfacht sind. Entsprechend der Unterscheidung zwischen klassischer Aussagenlogik und klassischer Príadikatenlogik werden diese Logiken èabgesehen von der Logik híoherer Stufe natíurlichè auch fíur den aussagenlogischen und den príadikatenlogischen Fall unterschieden. Ein deutsches Lehrbuch zu nicht-klassischen Logiken ist ëkgs90ë. Logik híoherer Stufe Diese Logik kommt der mathematischen Fachsprache sehr nahe und ist fíur viele Anwendungen in der KI besser geeignet als eine Logik erste Stufe, da hier auch íuber Príadikatssymbole und Funktionssymbole quantiæziert werden darf. Ein typisches Beispiel fíur einen Ausdruck zweiter Stufe ist das Peano-Axiom, welches das Prinzip der vollstíandigen Induktion fíur natíurliche Zahlen beschreibt: 8P P è0è ^ è8n P ènè! P èsènèèè! è8n P ènèè In Worten: Wenn eine Eigenschaft èdas heiçt das Príadikat P èfíur die Null gezeigt werden kann und wenn sie fíur eine natíurliche Zahl n gilt, dann auch fíur deren Nachfolger sènè, dann gilt sie fíur alle natíurlichen Zahlen. Dieses Axiom ist híoherer Stufe, da hier íuber alle Príadikate gesprochen wird. èquantiæzierung: 8P è. Paradox zu vermeiden, werden íublicherweise alle Ausdríucke der Logik híoherer Stufe mit Typen versehen. Im Gegensatz zur Logik erster Stufe gibt es fíur die Logik híoherer Stufe bezíuglich der íublichen Semantik keine korrekten und vollstíandigen Kalkíule. Diese prinzipielle Schwíache kann durch Nichtstandardsemantiken fíur alle praktisch vorkommenden Fíalle behoben werden. Die wichtige Unterscheidung zwischen einer Logik erster Stufe und híoherer Stufe hat sich um 1915 herausgebildet. In einer Logik erster Stufe gelten fundamentale Eigenschaften, wie der Satz von Líowenheim-Skolem, der Kompaktheitssatz, das Uniækationstheorem und viele andere, die in einer Logik híoherer Stufe nicht mehr gelten. Fíur eine Einfíuhrung ist ëand86ë ein empfehlenswertes Lehrbuch. 4

6 Inferenzverfahren 5 erweitern die Syntax unsortierter Logiken. Diese Erweiterungen lassen sich im Prinzip zu allen Logiken bilden, am weitesten entwickelt sind sie fíur die klassische Príadikatenlogik erster Stufe. Sie entsprechen dem íublichen Vorgehen von Menschen, ihren Diskursbereich so zu strukturieren, daç fíur Objekte verschiedener Klassen auch verschiedene Klassen von Symbolen verwendet werden. Dadurch kann zum einen eine kompaktere und intuitivere Darstellung gefunden werden èzum Beispiel verwenden Mathematiker typischerweise n um anzuzeigen, daç n eine natíurliche Zahl ist, oder ç um anzuzeigen, daç ç eine Substitution istè. Zum anderen stellte sich heraus, daç auch der Suchraum in der automatischen Beweissuche erheblich kleiner wird. Formal stehen in der einfachsten Variante Sorten fíur bestimmte einstellige Príadikatssymbole. Zum Beispiel schreibt man in sortierter Logik 8n: IN geradeènè _ ungeradeènè. In unsortierter Logik liest sich diesinder sogenannten Relativierung als: 8n INènè! ègeradeènè _ ungeradeènèè ëmt93ë. behandeln die Konzepte Notwendigkeitë und Míoglichkeitë, mit der Vorstellung, daç eine notwendige Aussage in allen míoglichen Welten gilt, wíahrend eine míogliche Aussage in mindestens einer Welt gelten sollte. Zur Darstellung werden sogenannte Modaloperatoren 2 und 3 verwendet, wobei 2' fíur ' ist notwendigerweise wahrë und 3' fíur ' ist míoglicherweise wahrë steht. Damit ist es míoglich, Sachverhalte zu beschreiben, wie Wenn es míoglich ist, daç es regnet, ist es nicht níotig den Garten zu gieçen èè3rè! è:2gèè.ë Modallogiken selbst wurden schon von Aristoteles untersucht, aber eine formal befriedigende Formulierung wurde erst in diesem Jahrhundert durch die sogenannte Míogliche- Welten-Semantik von Kripke gefunden, in der verschiedene Erreichbarkeitsrelationen der Welten betrachtet werden. Je nach Interpretation der Modaloperatoren erhíalt man verschiedene Modallogiken wie T oder S4, die jeweils verschiedene philosophisch motivierte Ontologien beschreiben. Man kann 2' aber auch temporal interpretieren, es bedeutet dann fíur alle Zeiten gilt 'ë, und 3' bedeutet es gibt einen Zeitpunkt, in dem ' giltë. Je nach Interpretation fíur 2 und 3 erhíalt man: eine epistemische Logik Wissen èwissenèglaubenè, eine Temporallogik Zeit èereignis ist notwendigèmíoglich in der Zukunftè oder eine deontische Logik normative Aussagen èes ist geboten, es ist erlaubtè. Die dynamischen Logiken parametrisieren den Notwendigkeits- und Míoglichkeitsoperator unter anderem mit Computerprogrammen und eignen sich damit besonders gut fíur Aussagen íuber Computerprogramme beispielsweise in der Programmveriækation. In der Korrespondenztheorie werden Aussagen der Modallogik in Aussagen einer Logik híoherer Stufe èund diese wiederum oft in Aussagen der sortierten Príadikatenlogik erster Stufeè íubersetzt. Eine Einfíuhrung in Modallogiken ændet man in ëghe93, S ë. Wíahrend bislang Logiken vorgestellt wurden, deren Syntax und Semantik die klassische Logik erweitern, sollen nun Logiken betrachtet werden, die bei teilweise gleicher Syntax eine andere Semantik èbedeutungè haben. 5

7 Inferenzverfahren 6 Intuitionistische Logik In einem Grundlagenstreit Anfang des Jahrhunderts ging es darum, ob die klassische Logik und die in ihr entwickelte Mengenlehre ein geeignetes Mittel zur Modellierung der Mathematik sei: die Ablehnung des Prinzips vom ausgeschlossenen Dritten ' _:' in der intuitionistischen und der damit eng verwandten konstruktivistischen Logik ist ein wesentlicher Unterschied zur klassischen Logik. Dieses Prinzip besagt, daç wenn man zeigen kann, daç eine Formel ' falsch ist, man ihr Gegenteil :' als wahr ansehen darf. In der konstruktivistischen Logik ist dagegen fíur jede Aussage ein konstruktiver Beweis erforderlich und ein indirekter Schluç wie oben nicht zulíassig. Will man zum Beispiel zeigen, daç jede natíurliche Zahl eine Primfaktorzerlegung hat, so muç man im Prinzip einen Algorithmus dafíur angeben. Wenn die konstruktivistische Logik in der Mathematik auch eine Auçenseiterrolle spielt, so hat sie jedoch durch die Informatik und fíur Fragen der Berechenbarkeit èinsbesondere fíur funktionale Programmeè neue Aktualitíat erhalten. Zur Formalisierung intuitionistischer Logiken kann man Dialoglogiken verwenden, in denen Beweise als ein Wechselspiel von Behauptungen eines Proponenten, Angriæen dieser Behauptungen durch einen Opponenten und Erwiderungen des Proponenten aufgefaçt werden. Mehrwertige Logiken Mehrwertige Logiken weichen vom Prinzip der Zweiwertigkeit ab. Den logischen Formeln werden nicht mehr nur die Werte 0 und 1 èfíur falsch undwahrè zugeordnet sondern auch míogliche Zwischenwerte aus dem Intervall ë0; 1ë, mit denen so etwas wie vielleichtë modelliert werden kann. Mehrwertige Logiken wurden zuerst von èlukasiewicz und Post eingefíuhrt, zuníachst als dreiwertige Logik èwahr, falsch, unbekanntè und dann verallgemeinert. Gewisse Síatze, die in klassischer Logik allgemeingíultig sind, wie zum Beispiel P _:P, sind in mehrwertigen Logiken nicht mehrgíultig. Mehrwertige Logiken lassen sich auch gut einsetzen, um die Partialitíat von Funktionen zu formalisieren èpartielle Logikenè. In der klassischen Logik geht man davon aus, daç alle Funktionen total sind, das heiçt, daç sie íuberall deæniert sind. Damit kann man Funktionen wie x 7! 1 nur unzureichend modellieren, wenn man von einem Universum ausgeht, das x die Null enthíalt. Mit mehrwertigen Logiken hat man die Míoglichkeit, Aussagen neben den Werten wahrë und falschë auch noch den Wert undeæniertë zukommen zu lassen. Dies ist auch fíur die theoretische Informatik interessant, zum Beispiel um nicht-terminierende Programme zu beschreiben. Bei geht man davon aus, daç sich gewisse Begriæe wie warmë oder hat Fieberë nur unscharf fassen lassen. Als Werte sind dabei nicht nur endlich viele, sondern unendlich vielewahrheitswerte im Intervall ë0; 1ë zugelassen. Parakonsistente Logiken Da klassische Logiken explosiv sind, das heiçt aus einem Widerspruch kann man beliebige Aussagen folgern, eignen sie sich nur bedingt fíur das Alltagsschlieçen, denn Menschen kíonnen mit Widerspríuchen meist recht gut umgehen. Von unterschiedlichen philosphischen Ansíatzen ausgehend sind daher unterschiedliche parakonsistente Logiken entwickelt worden, in denen es míoglich ist, trotz widerspríuchlicher Aussagen verníunftig zu schlieçen. Sie basieren teilweise auf der Relevanzlogik, in der die 6

8 Inferenzverfahren 7 Implikation! so deæniert wird, daç die Konklusion einen inhaltlichen Bezug zur Príamisse haben muç ëprn89ë. Nichtmonotone Logiken Eine ganz andere Alternative zu den bisher erwíahnten Logiken sind die nichtmonotonen Logiken, die unter anderem zur Beschreibung der Revision von Wissen entwickelt wurden: menschliche und computerbasierte Schluçweisen sind im allgemeinen nichtmonoton nichtmonotonesè. Das typische Beispiel ist das Schlieçen íuber einen Vogel Tweety. Wir wissen, daç Víogel æiegen kíonnen, also kann auch der Vogel Tweety æiegen. Erfahren wir aber zusíatzlich, daç Tweety ein Pinguin ist, so nehmen wir diese Schluçfolgerung wieder zuríuck, da wir wissen, daç Pinguine nicht æiegen kíonnen. Das heiçt, eine Ableitung ètweety kann æiegenè ist eventuell nicht mehr gíultig, wenn neue Fakten hinzugenommen werden: der Schluç gilt nicht mehr in jeder beliebigen Obermenge der Príamissen. èdas heiçt æ ` ', aber æ ë æ 6` 'è Dieses Vorgehen modelliert ziemlich gut unser Vorgehen im Alltag: Wir gehen meist davon aus, daç sich alles in gewisser Hinsicht normal verhíalt. Erst wenn die Fakten uns dazu zwingen, íandern wir als gíultig angenommene íuberzeugungen. Nichtmonotone Logiken sind ein sehr aktiv untersuchtes Gebiet der KI, da man in allen realistischen Anwendungen davon ausgehen muç, daç allgemeine Aussagen im Einzelfall zuríuckgenommen werden míussen ëgn87ë. Metalogik Manchmal míochte man die Logik als formales System benutzen, um Aussagen íuber sie selbst zu machen. So kann man beispielsweise in einer Logik ein Beweissystem fíur die Resolution deænieren und dann formal auf der Metaebene Eigenschaften daríuber beweisen. Bei einem solchen Vorgehen muç man die Sprache, íuber die man Aussagen macht, genau von der unterscheiden, in der man solche Aussagen macht, um nicht inparadoxien zu laufen. Die erste Sprache wird Objektsprache genannt, die zweite Metasprache. Zum Beispiel kann man ausdríucken, daç TautologieèëA_:Aè oder TautologieèëAè^TautologieèëBè! TautologieèëA ^ Bè, wobei die Ausdríucke Formeln der Metalogik mit einem Metapríadikat Tautologie sind. Die Formel der Objektebene A _:A wird zu einer Konstanten der Metalogik und dort mit Anfíuhrungszeichen ë: geschrieben. Um eine Beziehung zwischen der Metalogik und der Objektlogik herzustellen, benutzt man sogenannte Reæektionsregeln èreæektion aufwíarts und Reæektion abwíartsè Tautologieèë'è ' èrefèè èrefè ' Tautologieèë'è Als Alternative zu dieser strengen Trennung von Objekt- und Metasprache gibt es amalgamierte Sprachen, in denen gemischte Ausdríucke wie 8' Tautologieèë'è! ' zulíassig sind. Man muç allerdings sehr aufpassen, daç Tarskis Paradoxon íuber die Wahrheit nicht alle Anstrengung zunichte macht. 7

9 Inferenzverfahren 8 Abduktion Der amerikanische Logiker Charles S. Peirce unterschied Dabei beschreibt die Abduktion die Suche nach geeigneten Vorbedingungen fíur einen logischen Schluç. Dies ist die Vorgehensweise eines Detektives èdie Schluçweisen von Sherlock Holmes sind in erster Linie abduktiv und daraufhin untersucht worden ëes83ë oder eines Mediziners, der eine Diagnose stellt. Nicht von ungefíahr ist dies auch die wichtigste Schluçweise, die den meisten Expertensystemen der KI zugrunde liegt. Ein Beispiel: Die Straçe wird naçë Wenn es regnet, wird die Straçe naçë Es regnetë In der geschickten Suche nach den sogenannten Abduciblesë í im Beispiel also die angenommene Aussage, daç es regnet í liegt die ganze Geschicklichkeit eines Programmes und eines Menschen wie Sherlock Holmes. Induktion Induktives Schlieçen ist ebenso wie abduktives nicht notwendigerweise korrekt, sondern eine Form èvom Speziellen zum Allgemeinenè, die auch in den empirischen Wissenschaften von zentraler Bedeutung ist, Aristoteles schreibt schon 330 v.chr.: Wissenschaftliche Erkenntnis durch Beweis èdeduktionè ist unmíoglich, auçer man weiç die erstenë primíaren Príamissen ::: Diese Príamissen míussen wir erhalten; denn die Methode, durch die selbst Sinneswahrnehmungen das Universelle ergeben ist induktiv. Eine typische Anwendung dieser allgemeinen Vorgehensweise ænden wirinderphysik: nach zahlreichen Messungen íuber den Zusammenhang zwischen Stromstíarke, Spannung und Widerstand, formulierte Ohm das nach ihm genannte Gesetz: U = R æ I, das diese Messungen verallgemeinert. In diesem Sinne ist eine empirische Wissenschaft niemals èendgíultigè korrekt, aber sie muç nach Popper falsiæzierbar sein, das heiçt ein Gegenbeispiel geníugt, um die allgemeine Aussage zu Fall zu bringen. Carnap ëcar50ë hat Ergebnisse der Wahrscheinlichkeitstheorie auf die Logik íubertragen, um solche induktiven Schlíusse zu formalisieren. In der KI wurden solche Schluçverfahren erstmals von Reynolds und Plotkin untersucht und implementiert. Heute ist induktives Schlieçen der Gegenstand einer Reihe von KI-Gebieten, wie dem induktiven Lernenë und dem fallbasierten Schlieçenë ècase-based reasoningè. 8

10 Inferenzverfahren 9 Analogie Das Schlieçen durch Analogie analogesè ist ebenso wie die beiden Schluçweisen zuvor nicht notwendigerweise logisch korrekt. Es ist aber eine der fundamentalen Formen menschlichen Schlieçens und spielt von daher in kognitionswissenschaftlichen Untersuchungen eine groçe Rolle. Die Frage, ob Berlin eine U-Bahn hat, kíonnte man bejahen, wenn man weiç, daç groçe Stíadte wie Míunchen ein solches Verkehrssystem haben: der Analogieschluç setzt Berlin fíur Míunchen. Das naive Modell fíur den elektrischen Strom ist analog zu einem Wasserrohrleitungssystem und kann helfen analoge Gesetzmíaçigkeiten èwie das Ohmsche Gesetz oder die Kirchhoæschen Gesetzeè zu entdecken. Im Gebiet der Inferenzsysteme sind analoge Schluçweisen weiter ausdiæerenziert und genauer untersucht worden: Um eine Aussage zu beweisen, ist es fíur Menschen oft hilfreich, eine analoge, schon bewiesene Aussage zu kennen, so daç der Beweis íubertragen werden kann. Um dies auf den Rechner zu íubertragen, ist eine erste Herangehensweise, eine Abbildung zwischen dem bekannten Quelltheorem èund -beweisè zu dem Zieltheorem und damit dem gesuchten Zielbeweis zu schaæen. Eine solche Beziehung líaçt sich allerdings meistens nicht durch eine einfache Symbolabbildung angeben, sondern man muç allgemeinere und abstraktere Formen des analogen Schlieçens formalisieren. Deduktion mit Annotationen Ein urspríungliches Ziel der logischen Formalisierung war, das menschliche Schlieçen zu untersuchen und formal zu fassen. Die starke mathematische Ausrichtung und Formalisierung hat jedoch dazugefíuhrt, daç dieses urspríungliche Ziel oftmals wieder aus den Augen verloren wurde. In einer neueren Entwicklung wird dies auch wieder formal gefaçt mit zwei Auspríagungen: Im kontext-basierten Schlieçen, wie es von McCarthy, Guha und Giunchiglia eingefíuhrt wurde, wird Schlieçen mit Bezug zu einem Kontext untersucht. Dies ermíoglicht zum Beispiel, Schlieçen mit groçen Wissensbasen wie CYC in verschiedene Kontexte zu partitionieren. Eng verwandt mit dem kontext-basierten Schlieçen sind deduktive Systeme zur Verarbeitung annotierter Formeln è labelled deductive systemsëè èkurz LDSè von Gabbay ëgab94ë. Jede Formel wird mit einer Annotation versehen, die eine Begríundung fíur diese Formel angibt und in Beweisen werden diese Annotationen propagiert. Sei zum Beispiel æ eine Annotation und ' ein Formel, dann ist æ : ' eine annotierte Formel. Der Modus Ponens hat dann die Gestalt: æ : ' æ : '! è èmpè èæ æ æè :è wobei æ eine Funktion ist, die aus den Annotationen æ und æ eine fíur die Formel è berechnet. Wíahlt man nun fíur die Ausgangsannahmen einer Herleitung verschiedene Annotationen und fíur die Funktion æ die Konkatenation, so kann man die Relevanzlogik dadurch deænieren, daç man nur solche Formeln als Theoreme ansieht, deren Annotationen alle Annahmen enthalten. Lineare Logik ergibt sich daraus, daç jede Annotation der 9

11 Inferenzverfahren 10 Annahmen in den Theoremen genau einmal vorkommen. Damit hat man ein sehr míachtiges Hilfsmittel in der Hand: durch Einschríankung der zulíassigen Annotationen in den Theoremen kann man die verschiedensten Schluçweisen simulieren. Auçer fíur die zwei erwíahnten Logiken, hat Gabbaydiesfíur Modallogiken, Temporallogiken und mehrwertige Logiken durchgefíuhrt, und es gibt Ansíatze zur Behandlung von Metalogiken und Abduktion. Logik-Programmierung Um Inferenzverfahren besonders eæzient auf dem Rechner zu realisieren, wurde Programmierung als ein eigenes Programmierparadigma èneben dem funktionalen und dem klassischen prozeduralen Programmierenè entwickelt. Die Grundidee ist, daç logische Formeln eingegeben werden und dann Anfragen gestellt werden, ob gewisse Aussagen èqueryè gelten. Dies ist auch die allgemeine Aufgabe des automatischen Beweisens, wo bekanntermaçen das Suchverhalten sehr unangenehm sein kann. Da in einer Programmiersprache besonderes Gewicht auf die Eæzienz gelegt wird, hat man die Eingabesprache in verschiedener Hinsicht abgeschwíacht. Zum einen werden keine beliebigen Formeln der Logik erster Stufe zugelassen, sondern nur Hornformeln, das sind Klauseln der Gestalt diebèxè ^ geldèy è! stiehltèx; Y è. In Klauselform :diebèxè _:geldèy è _ stiehltèx; Y è handelt es sich um Disjunktionen von Literalen, wobei maximal ein positives Literal auftreten darf. Diese Einschríankung verhindert indeænite Antworten wie stiehltèpeter; 10DMè_ stiehltèklara; 100DMè. Besteht eine Klausel nur aus einem positiven Literal, so heiçt sie ein Faktum wie magèhans; mariaè. Besteht eine Klausel aus einem positiven Literal und endlich vielen negativen, so handelt es sich um eine Regel wie :magèhans;xè_magèx; weinè. Anfragen sind Klauseln, die nur aus negative Literale bestehen, zum Beispiel :magèhans; hansè, mit der man anfragt, ob Hans sich selbst mag. Nun kann man aber zum Beispiel auch fragen, ob Hans sich nicht selbst mag. Dafíur enthalten logische Programmiersprachen wie prolog eine spezielle Negation, die in gewisser Weise keine echteë Negation ist, sondern íuberpríuft, ob das Gegenteil abgeleitet werden kann, wenn nicht, wird die Annahme als wahr angenommen, das heiçt nichtë steht fíur nicht ableitbarë. Fragt man, ob Hans sich nicht selbst mag, so versucht man zu zeigen, daç Hans sich selbst mag, scheitert dies, so wird angenommen, daç er sich nicht selbst mag. Durch as failure wird das logische Programmieren nicht-monoton, da nun durch das Hinzufíugen des Faktums magèhans; hansè nicht mehr abgeleitet werden kann, daç er sich nicht mag. In neueren Entwicklungen sind die Gebiete des nichtmonotonen Schlieçens und des logischen Programmierens wieder stark zusammengewachsen. Fíur die Inferenz ist entscheidend, wie eine Antwort gesucht wird. In der wird das Programm in der gegebenen Reihenfolge durchsucht, um Fakten und Regeln íuber das Anfragepríadikat zu ænden. Dabei werden Variablen gebunden und an die Stelle der letzten Bindung wird eine Marke gesetzt, zu der beim Scheitern der weiteren Suche oder beim Suchen nach einer weiteren Suche zuríuckgesprungen wird. Dies Verfahren genannt. Die wesentliche Entwicklung dieses Gebietes liegen in der 10

12 Inferenzverfahren 11 eæzienten Abarbeitung, zum Beispiel auf der WAM, der Warren Abstract Machine. Schluçbemerkung Die Untersuchung logischer Schluçweisen und die Entwicklung entsprechender Inferenzverfahren hat eine zweieinhalbtausendjíahrige Geschichte í wenn auch die eigentliche Explosion unseres Wissens íuber Logik erst in diesem Jahrhundert stattfand. Die Fíulle des heute bekannten Materials wurde und wird von Dov Gabbay als Hauptherausgeber in fast zehn Handbuchreihen mit insgesamt íuber einhundert Bíanden von renommierten Autoren der ganzen Welt zusammengetragen. Die bisher erschienenen Bíande sind von Oxford University Press veríoæentlicht worden. Literatur ëand86ë Peter B. Andrews. An Introduction to Mathematical Logic and Type Theory: To Truth through Proof. Academic Press, Orlando, Florida, USA, ëcar50ë Rudolf Carnap. Logical Foundations of Probability. University of Chicago Press, Chicago, USA, ëeft86ë ëes83ë Heinz-Dieter Ebbinghaus, Jíorg Flum, Wolfgang Thomas. Einfíuhrung in die mathematische Logik. Wissenschaftliche Buchgesellschaft, Darmstadt, Umberto Eco, Thomas A. Sebeok, Hrsg. The Sign of Three. Indiana University Press, Bloomington & Indianapolis, USA, ëgab94ë Dov M. Gabbay. LDS í Labelled Deductive Systems : Volume 1 í foundations. Technischer Bericht MPI-I , Max-Planck-Institut fíur Informatik, Saarbríucken, ëghe93ë ëgn87ë Dov M. Gabbay, C. J. Hogger, J. A. Robinson, Hrsg. Handbook of Logic in Artiæcial Intelligence and Logic Programming í Volume 1: Logical Foundations, Band 167. Oxford University Press, Oxford, England, Michael R. Genesereth, Nils J. Nilsson. Logical Foundations of Artiæcial Intelligence. Morgan Kaufmann, San Mateo, USA, ëkgs90ë Lothar Kreiser, Siegfried Gottwald, Werner Stelzner, Hrsg. Nichtklassische Logik. Akademie Verlag, Berlin, ëmt93ë ëprn89ë K. Meinke, J.V. Tucker, Hrsg. Many-sorted Logic and its Application. John Wiley & Sons, Chichester, England, Graham Priest, Richard Routley, Jean Norman, Hrsg. Paraconsistent Logic í Essay on the Inconsistent. Philosophia Verlag, Míunchen, ëwolb84ë Larry Wos, Ross Overbeek, Ewing Lusk, Jim Boyle. Automated Reasoning í Introduction and Applications. Prentice Hall, Englewood Cliæs, New Jersey, USA,

Entwicklung eines korrekten Übersetzers

Entwicklung eines korrekten Übersetzers Entwicklung eines korrekten Übersetzers für eine funktionale Programmiersprache im Theorembeweiser Coq Thomas Strathmann 14.01.2011 Gliederung 1 Einleitung

Mehr

Prolog basiert auf Prädikatenlogik

Prolog basiert auf Prädikatenlogik Software-Technologie Software-Systeme sind sehr komplex. Im Idealfall erfolgt die Programmierung problemorientiert, während die notwendige Übertragung in ausführbare Programme automatisch erfolgt. Prolog-Philosophie:

Mehr

I. Aussagenlogik. Aussagenlogik untersucht Verknüpfungen wie "und", "oder", "nicht", "wenn... dann" zwischen atomaren und komplexen Sätzen.

I. Aussagenlogik. Aussagenlogik untersucht Verknüpfungen wie und, oder, nicht, wenn... dann zwischen atomaren und komplexen Sätzen. I. Aussagenlogik 2.1 Syntax Aussagenlogik untersucht Verknüpfungen wie "und", "oder", "nicht", "wenn... dann" zwischen atomaren und komplexen Sätzen. Sätze selbst sind entweder wahr oder falsch. Ansonsten

Mehr

Binäre Suchbäume (binary search trees, kurz: bst)

Binäre Suchbäume (binary search trees, kurz: bst) Binäre Suchbäume (binary search trees, kurz: bst) Datenstruktur zum Speichern einer endlichen Menge M von Zahlen. Genauer: Binärbaum T mit n := M Knoten Jeder Knoten v von T ist mit einer Zahl m v M markiert.

Mehr

Beispiel. Bsp.: Betrachte Schlussweise in: (3) folgt aus (1) und (2), siehe z.b. Resolutionsregel. was ist mit folgender Schlußweise:

Beispiel. Bsp.: Betrachte Schlussweise in: (3) folgt aus (1) und (2), siehe z.b. Resolutionsregel. was ist mit folgender Schlußweise: Theoretische Informatik: Logik, M. Lange, FB16, Uni Kassel: 5.4 Prädikatenlogik mit Gleichheit Resolution 192 Beispiel Bsp.: Betrachte Schlussweise in: 1 Wenn es regnet, dann wird die Straße nass. R N

Mehr

WS 2009/10. Diskrete Strukturen

WS 2009/10. Diskrete Strukturen WS 29/ 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/ws9

Mehr

Einführung in PROLOG. Christian Stocker

Einführung in PROLOG. Christian Stocker Einführung in PROLOG Christian Stocker Inhalt Was ist PROLOG? Der PROLOG- Interpreter Welcher Interpreter? SWI-Prolog Syntax Einführung Fakten, Regeln, Anfragen Operatoren Rekursion Listen Cut Funktionsweise

Mehr

Answer Set Programming

Answer Set Programming Answer Set Programming mit Answer Set Prolog (A-Prolog) Wangler Thomas Logikprogrammierung Institut für Computerlinguistik Universität Heidelberg Inhaltsverzeichnis Inhaltsverzeichnis Inhaltsverzeichnis

Mehr

Grundlagen der Informationverarbeitung

Grundlagen der Informationverarbeitung Grundlagen der Informationverarbeitung Information wird im Computer binär repräsentiert. Die binär dargestellten Daten sollen im Computer verarbeitet werden, d.h. es müssen Rechnerschaltungen existieren,

Mehr

Prof. Dr. sc. Hans-Dieter Burkhard Vorlesung Winter-Semester 2003/04. Wissensrepräsentation: Resolution (im PK1)

Prof. Dr. sc. Hans-Dieter Burkhard Vorlesung Winter-Semester 2003/04. Wissensrepräsentation: Resolution (im PK1) Einführung in die KI Prof. Dr. sc. Hans-Dieter Burkhard Vorlesung Wissensrepräsentation: Resolution (im PK1) 2. Resolution Vorbild für Formalismus : exakt, präzise, (theoretisch) beherrscht Aufbau: Zeichen

Mehr

1 Vom Problem zum Programm

1 Vom Problem zum Programm 1 Vom Problem zum Programm Ein Problem besteht darin, aus einer gegebenen Menge von Informationen eine weitere (bisher unbekannte) Information zu bestimmen. 1 Vom Problem zum Programm Ein Algorithmus ist

Mehr

Datenstruktur zum Speichern einer endlichen Menge M von Zahlen. Genauer:

Datenstruktur zum Speichern einer endlichen Menge M von Zahlen. Genauer: Binäre Suchbäume (binary search trees, kurz: bst) Datenstruktur zum Speichern einer endlichen Menge M von Zahlen. Genauer: Binärbaum T mit n := M Knoten Jeder Knoten v von T ist mit einer Zahl m v M markiert.

Mehr

Zur Vereinfachung betrachten wir nun nur noch Funktionen f, die einen Funktionswert f nµberechnen. Sie werden alle in einer Tabelle dargestellt:

Zur Vereinfachung betrachten wir nun nur noch Funktionen f, die einen Funktionswert f nµberechnen. Sie werden alle in einer Tabelle dargestellt: Informatik 13: Gierhardt Theoretische Informatik III Berechenbarkeit Nicht-berechenbare Funktionen Nach der Church-Turing-These kann alles, was berechenbar ist, mit einer Turing-Maschine oder einer While-Maschine

Mehr

4. AUSSAGENLOGIK: SYNTAX. Der Unterschied zwischen Objektsprache und Metasprache lässt sich folgendermaßen charakterisieren:

4. 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

Mehr

Deductive Reasoning Agents

Deductive Reasoning Agents Multiagentensysteme Deductive Reasoning Agents Volkan Aksu & Sebastian Ptock Überblick Einleitung Deductive Reasoning Agents Der Staubsauger-Roboter Agentenorientierte Programmierung (AOP) Concurrent MetateM

Mehr

Programmieren mit Python in der Sek. 1

Programmieren mit Python in der Sek. 1 Programmieren mit Python in der Sek. 1 20.9.2010 Reinhard Oldenburg Überblick Kurzvorstellung: Was ist Python Didaktische Überlegungen zur Stellung des Programmierens Gründe für Python Beispiele Was ist

Mehr

A.1 Schaltfunktionen und Schaltnetze

A.1 Schaltfunktionen und Schaltnetze Schaltfunktionen und Schaltnetze A. Schaltfunktionen und Schaltnetze 22 Prof. Dr. Rainer Manthey Informatik II Bedeutung des Binärsystems für den Rechneraufbau Seit Beginn der Entwicklung von Computerhardware

Mehr

Datenbankhandbuch Kapitel 1: Datenbankmodelle und Datenbanksprachen Florian Matthes Joachim W. Schmidt Technische Universitíat Harburg, Harburger Schloçstr. 20 D-22527 Hamburg, Germany ff.matthes, j.w.schmidtg@sts.tu-harburg.de

Mehr

Kapitel 7 Dr. Jérôme Kunegis. Logische Kalküle. WeST Web Science & Technologies

Kapitel 7 Dr. Jérôme Kunegis. Logische Kalküle. WeST Web Science & Technologies Kapitel 7 Dr. Jérôme Kunegis Logische Kalküle WeST Web Science & Technologies Lernziele Grundideen des Domain-Relationenkalküls (DRK) und des Tupel-Relationenkalküls (TRK) Relationale Datenbank als Formelmenge

Mehr

Wie schreibt man eine Literaturübersicht?

Wie schreibt man eine Literaturübersicht? Wie schreibt man eine Literaturübersicht? Hinweis: Eine Literaturübersicht kann sowohl ein eigenständiger Text oder Teil einer wissenschaftlichen Arbeit sein. Im zweiten Fall findet sich in der Arbeit

Mehr

Universitíat Leipzig Fakultíat fíur Mathematik und Informatik Institut fíur Informatik Synchronisation heterogener LDAP Schemas Diplomarbeit Leipzig, 11. Dezember 2002 vorgelegt durch Oliver Schulze Inhaltsverzeichnis

Mehr

Kopf und Rest einer Liste (head and tail): Trennung durch. Listenkopf: kann mehrere Elemente umfassen

Kopf und Rest einer Liste (head and tail): Trennung durch. Listenkopf: kann mehrere Elemente umfassen Prolog Syntax Liste, Variable [ Term Liste ] Listenelemente: Trennung durch Komma [1, pferd, klaus] Kopf und Rest einer Liste (head and tail): Trennung durch [K R] = [1, pferd, klaus] (K = 1, R = [pferd,

Mehr

Programmierparadigmen

Programmierparadigmen 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...

Mehr

Web-2.0-Forschung der KWARC-Gruppe

Web-2.0-Forschung der KWARC-Gruppe Web-2.0-Forschung der KWARC-Gruppe 3. Web Montag Bremen Christoph Lange, Matthias Bröcheler International University Bremen (Jacobs University Bremen ab Frühjahr 2007) 27. November 2006 Ch. Lange/M. Bröcheler

Mehr

Einführung in die Informatik I

Einführung in die Informatik I Einführung in die Informatik I Algorithmen und deren Programmierung Prof. Dr. Nikolaus Wulff Definition Algorithmus Ein Algorithmus ist eine präzise formulierte Handlungsanweisung zur Lösung einer gleichartigen

Mehr

Lösungshinweise zu Kapitel 4

Lösungshinweise zu Kapitel 4 L-23 Lösungshinweise zu Kapitel 4 zu Selbsttestaufgabe 4.3 (Regelumformungen 1) Die Regeln R1, R2 und R2 sind bereits in vereinfachter Form und entsprechen genau den Regeln GA-1, GA-8 und GA-7. Die Umformung

Mehr

0, v 6 = 2 2. 1, v 4 = 1. 2. span(v 1, v 5, v 6 ) = span(v 1, v 2, v 3, v 4, v 5, v 6 ) 4. span(v 1, v 2, v 4 ) = span(v 2, v 3, v 5, v 6 )

0, v 6 = 2 2. 1, v 4 = 1. 2. span(v 1, v 5, v 6 ) = span(v 1, v 2, v 3, v 4, v 5, v 6 ) 4. span(v 1, v 2, v 4 ) = span(v 2, v 3, v 5, v 6 ) Aufgabe 65. Ganz schön span(n)end. Gegeben sei folgende Menge M von 6 Vektoren v, v,..., v 6 R 4 aus Aufgabe P 6: M = v =, v =, v =, v 4 =, v 5 =, v 6 = Welche der folgenden Aussagen sind wahr? span(v,

Mehr

Sprechen wir über Zahlen (Karl-Heinz Wolff)

Sprechen wir über Zahlen (Karl-Heinz Wolff) Sprechen wir über Zahlen (Karl-Heinz Wolff) Die Überschrift ist insoweit irreführend, als der Autor ja schreibt und nicht mit dem Leser spricht. Was Mathematik im allgemeinen und Zahlen im besonderen betrifft,

Mehr

Informatik I. Grundlagen der systematischen Programmierung. Peter Thiemann WS 2008/09. Universität Freiburg, Germany

Informatik I. Grundlagen der systematischen Programmierung. Peter Thiemann WS 2008/09. Universität Freiburg, Germany Informatik I Grundlagen der systematischen Programmierung Peter Thiemann Universität Freiburg, Germany WS 2008/09 Organisatorisches Vorlesung Di und Do, 11-13 Uhr, HS 101-00-036 Dozent Prof. Dr. Peter

Mehr

Die Cantor-Funktion. Stephan Welz

Die Cantor-Funktion. Stephan Welz Die Cantor-Funktion Stephan Welz Ausarbeitung zum Vortrag im Proseminar Überraschungen und Gegenbeispiele in der Analysis (Sommersemester 2009, Leitung PD Dr. Gudrun Thäter) Zusammenfassung: In dieser

Mehr

Was bisher geschah. deklarative Programmierung. funktionale Programmierung (Haskell):

Was bisher geschah. deklarative Programmierung. funktionale Programmierung (Haskell): Was bisher geschah deklarative Programmierung funktional: Programm: Menge von Termgleichungen, Term Auswertung: Pattern matsching, Termumformungen logisch: Programm: Menge von Regeln (Horn-Formeln), Formel

Mehr

Vorlesung. Funktionen/Abbildungen 1

Vorlesung. Funktionen/Abbildungen 1 Vorlesung Funktionen/Abbildungen 1 1 Grundlagen Hinweis: In dieser Vorlesung werden Funktionen und Abbildungen synonym verwendet. In der Schule wird eine Funktion häufig als eindeutige Zuordnung definiert.

Mehr

3. Sätze und Formeln

3. Sätze und Formeln Klaus Mainzer, Die Berechnung der Welt. Von der Weltformel zu Big Data, München 2014 29.07.14 (Verlag C.H. Beck, mit zahlreichen farbigen Abbildungen, geb. 24,95, S.352) (empfohlene Zitierweise: Detlef

Mehr

Die Bedeutung abstrakter Datentypen in der objektorientierten Programmierung. Klaus Kusche, September 2014

Die Bedeutung abstrakter Datentypen in der objektorientierten Programmierung. Klaus Kusche, September 2014 Die Bedeutung abstrakter Datentypen in der objektorientierten Programmierung Klaus Kusche, September 2014 Inhalt Ziel & Voraussetzungen Was sind abstrakte Datentypen? Was kann man damit grundsätzlich?

Mehr

Codierungstheorie Rudolf Scharlau, SoSe 2006 9

Codierungstheorie Rudolf Scharlau, SoSe 2006 9 Codierungstheorie Rudolf Scharlau, SoSe 2006 9 2 Optimale Codes Optimalität bezieht sich auf eine gegebene Quelle, d.h. eine Wahrscheinlichkeitsverteilung auf den Symbolen s 1,..., s q des Quellalphabets

Mehr

Programmiersprachen und Programmierkonzepte

Programmiersprachen und Programmierkonzepte Programmiersprachen und Programmierkonzepte Inhalt Programmiersprachen- Entwicklung Programmiersprachen und Programmierparadigmen Die Geschichte der Programmiersprachen Anfänge vor 200 Jahren Programmierbare

Mehr

Wie schreibt man eine Seminararbeit?

Wie schreibt man eine Seminararbeit? Wie schreibt man eine Seminararbeit? Eine kurze Einführung LS. Prof. Schulze, 27.04.2004 Vorgehensweise Literatur bearbeiten Grobgliederung Feingliederung (Argumentationskette in Stichpunkten) Zwischenbericht

Mehr

Ein neuer Beweis, dass die Newton sche Entwicklung der Potenzen des Binoms auch für gebrochene Exponenten gilt

Ein neuer Beweis, dass die Newton sche Entwicklung der Potenzen des Binoms auch für gebrochene Exponenten gilt Ein neuer Beweis, dass die Newton sche Entwicklung der Potenzen des Binoms auch für gebrochene Exponenten gilt Leonhard Euler 1 Wann immer in den Anfängen der Analysis die Potenzen des Binoms entwickelt

Mehr

1. Übersicht, Einführung und Motivation

1. Übersicht, Einführung und Motivation Kapitel 1 Übersicht, Einführung und Motivation 1. Übersicht, Einführung und Motivation 8 Struktur der Vorlesung 1 Übersicht, Einführung und Motivation 2 Wissensrepräsentation 3 Klassische und nichtklassische

Mehr

1. Grundlegende Konzepte der Informatik

1. Grundlegende Konzepte der Informatik 1. Grundlegende Konzepte der Informatik Inhalt Algorithmen Darstellung von Algorithmen mit Programmablaufplänen Beispiele für Algorithmen Aussagenlogik Zahlensysteme Kodierung Peter Sobe 1 Algorithmen

Mehr

Frieder Nake: Information und Daten

Frieder Nake: Information und Daten Frieder Nake: Information und Daten Mit Grundlagen der Zeichentheorie nach Morris Seminar 31120: Information Philosophische und informationswissenschaftliche Perspektiven, SS 2004 Frieder Nake: Information

Mehr

Naive Bayes. 5. Dezember 2014. Naive Bayes 5. Dezember 2014 1 / 18

Naive Bayes. 5. Dezember 2014. Naive Bayes 5. Dezember 2014 1 / 18 Naive Bayes 5. Dezember 2014 Naive Bayes 5. Dezember 2014 1 / 18 Inhaltsverzeichnis 1 Thomas Bayes 2 Anwendungsgebiete 3 Der Satz von Bayes 4 Ausführliche Form 5 Beispiel 6 Naive Bayes Einführung 7 Naive

Mehr

1. Terme und Gleichungen mit Klammern Leitidee L4: Funktionaler Zusammenhang: Terme und Gleichungen 1.1 Terme mit mehreren Variablen

1. Terme und Gleichungen mit Klammern Leitidee L4: Funktionaler Zusammenhang: Terme und Gleichungen 1.1 Terme mit mehreren Variablen Stoffverteilungsplan EdM 8RhPf Abfolge in EdM 8 Bleib fit im Umgang mit rationalen Zahlen Kompetenzen und Inhalte Umgang mit rationalen Zahlenim Zusammenhang 1. Terme und Gleichungen mit Klammern Leitidee

Mehr

3. Entscheidungsbäume. Verfahren zum Begriffslernen (Klassifikation) Beispiel: weiteres Beispiel: (aus Böhm 2003) (aus Morik 2002)

3. Entscheidungsbäume. Verfahren zum Begriffslernen (Klassifikation) Beispiel: weiteres Beispiel: (aus Böhm 2003) (aus Morik 2002) 3. Entscheidungsbäume Verfahren zum Begriffslernen (Klassifikation) Beispiel: weiteres Beispiel: (aus Böhm 2003) (aus Morik 2002) (aus Wilhelm 2001) Beispiel: (aus Böhm 2003) Wann sind Entscheidungsbäume

Mehr

Validierung und Verifikation!

Validierung und Verifikation! Martin Glinz Thomas Fritz Software Engineering Kapitel 7 Validierung und Verifikation 2005-2013 Martin Glinz. Alle Rechte vorbehalten. Speicherung und Wiedergabe für den persönlichen, nicht kommerziellen

Mehr

Wie schreibt man eine Ausarbeitung?

Wie schreibt man eine Ausarbeitung? Wie schreibt man eine Ausarbeitung? Holger Karl Holger.karl@upb.de Computer Networks Group Universität Paderborn Übersicht Ziel einer Ausarbeitung Struktur Sprache Korrektes Zitieren Weitere Informationen

Mehr

Graphen: Einführung. Vorlesung Mathematische Strukturen. Sommersemester 2011

Graphen: Einführung. Vorlesung Mathematische Strukturen. Sommersemester 2011 Graphen: Einführung Vorlesung Mathematische Strukturen Zum Ende der Vorlesung beschäftigen wir uns mit Graphen. Graphen sind netzartige Strukturen, bestehend aus Knoten und Kanten. Sommersemester 20 Prof.

Mehr

Extrema von Funktionen in zwei Variablen

Extrema von Funktionen in zwei Variablen Wirtschaftswissenschaftliches Zentrum Universität Basel Mathematik für Ökonomen 1 Dr. Thomas Zehrt Extrema von Funktionen in zwei Variablen Literatur: Gauglhofer, M. und Müller, H.: Mathematik für Ökonomen,

Mehr

Zeichnen von Graphen. graph drawing

Zeichnen von Graphen. graph drawing Zeichnen von Graphen graph drawing WS 2006 / 2007 Gruppe: D_rot_Ala0607 Christian Becker 11042315 Eugen Plischke 11042351 Vadim Filippov 11042026 Gegeben sei ein Graph G = (V; E) Problemstellung V E =

Mehr

Wissensmanagement WS 2010/2011

Wissensmanagement WS 2010/2011 Wissensmanagement Sibylle Schwarz Westsächsische Hochschule Zwickau Dr. Friedrichs-Ring 2a, RII 263 http://wwwstud.fh-zwickau.de/~sibsc/ sibylle.schwarz@fh-zwickau.de WS 2010/2011 Motivation Wie wird Wissen

Mehr

Intrusion Detection. Rechner paralleles Mitschneiden des Datenflusses. Rechner

Intrusion Detection. Rechner paralleles Mitschneiden des Datenflusses. Rechner FACTA UNIVERSITATIS èniçsè Series: Electronics and Energetics vol. 12, No. 3 è1999è, 47-55 681.3.004.14 RECHNERORIENTIERTE DATENAUFNAHME UND DESSEN VERTEILUNG ZUR ANALYSE Thomas Droste Kurzfassung. Der

Mehr

Folge 19 - Bäume. 19.1 Binärbäume - Allgemeines. Grundlagen: Ulrich Helmich: Informatik 2 mit BlueJ - Ein Kurs für die Stufe 12

Folge 19 - Bäume. 19.1 Binärbäume - Allgemeines. Grundlagen: Ulrich Helmich: Informatik 2 mit BlueJ - Ein Kurs für die Stufe 12 Grundlagen: Folge 19 - Bäume 19.1 Binärbäume - Allgemeines Unter Bäumen versteht man in der Informatik Datenstrukturen, bei denen jedes Element mindestens zwei Nachfolger hat. Bereits in der Folge 17 haben

Mehr

LEHRVERANSTALTUNGSBESCHREIBUNG

LEHRVERANSTALTUNGSBESCHREIBUNG LEHRVERANSTALTUNGSBESCHREIBUNG 1. Angaben zum Programm 1.1 Hochschuleinrichtung Babes-Bolyai Universität, Cluj-Napoca 1.2 Fakultät Mathematik und Informatik 1.3 Department Informatik 1.4 Fachgebiet Informatik

Mehr

Nichtlebenversicherungsmathematik Aus welchen Teilen besteht eine Prämie Zufallsrisiko, Parameterrisiko, Risikokapital Risikomasse (VaR, ES) Definition von Kohärenz Zusammengesetze Poisson: S(i) CP, was

Mehr

Bachelor Grundlagen der Logik und Logikprogrammierung 12. Februar 2009 3

Bachelor Grundlagen der Logik und Logikprogrammierung 12. Februar 2009 3 Bachelor Grundlagen der Logik und Logikprogrammierung 12. Februar 2009 3 Aufgabe 1 (20 Punkte) Dialogische Logik a) Was isteine formal wahrebehauptung? Welche Aussageschematasindallgemeingültig? b) Überprüfen

Mehr

Methods of Psychological Research Online 1996, Vol.1, No.4 Internet: http:èèwww.pabst-publishers.deèmprè Jenseits des Signiækanztest-Rituals: Ergíanzungen und Alternativen Peter Sedlmeier æ Zusammenfassung

Mehr

Die Informatik als junge Wissenschaft

Die Informatik als junge Wissenschaft Die Informatik als junge Wissenschaft Die Informatik ist die Wissenschaft von der automatischen Informationsverarbeitung. Die Informatik befasst sich mit den Gesetzmäßigkeiten und Prinzipien informationsverarbeitender

Mehr

ShopBot, ein Software-Agent für das Internet

ShopBot, ein Software-Agent für das Internet Software-Agenten p.1/20 ShopBot, ein Software-Agent für das Internet Eine Einführung in (Software-)Agenten Madeleine Theile Software-Agenten p.2/20 Aufbau des Vortrags grundlegende Theorie Definition Autonomy,

Mehr

Kapitel 6. Vererbung

Kapitel 6. Vererbung 1 Kapitel 6 2 Ziele Das sprinzip der objektorientierten Programmierung verstehen Und in Java umsetzen können Insbesondere folgende Begriffe verstehen und anwenden können: Ober/Unterklassen Subtyping Überschreiben

Mehr

Requirements Engineering Übung 10 - Formale Systemmodellierung im RE -

Requirements Engineering Übung 10 - Formale Systemmodellierung im RE - Requirements Engineering Übung 10 - Formale Systemmodellierung im RE - Dr. Birgit Penzenstadler, Dr. Daniel Méndez, Jonas Eckhardt 08.01.2012 Aufgabe 1: Empirisch formulierte vs. Formal fundierte Anforderungen:

Mehr

Kapitel WT:VIII (Fortsetzung)

Kapitel WT:VIII (Fortsetzung) Kapitel WT:VIII (Fortsetzung) VIII. Semantic Web WWW heute Semantic Web Vision RDF: Einführung RDF: Konzepte RDF: XML-Serialisierung RDF: Anwendungen RDFS: Einführung RDFS: Konzepte Semantik im Web Semantik

Mehr

Der Kapitän n ist heute nüchternn

Der Kapitän n ist heute nüchternn Konversationelle Implikaturen: : Bedeutungen der der anderen Art Art Martin Jung cognitas GmbH, Ottobrunn www.cognitas.de martin.jung@cognitas.de November 2003 Bedeutungen der anderen Art? Semantische

Mehr

Lehrplan Physik. Bildungsziele

Lehrplan Physik. Bildungsziele Lehrplan Physik Bildungsziele Physik erforscht mit experimentellen und theoretischen Methoden die messend erfassbaren und mathematisch beschreibbaren Erscheinungen und Vorgänge in der Natur. Der gymnasiale

Mehr

Vom Abitur zur Informatik (computer science)

Vom Abitur zur Informatik (computer science) Vom Abitur zur Informatik (computer science) André Frimberger, andre@frimberger.de 16.06.2009 André Frimberger Vom Abitur zur Informatik (computer science) 1 1 Einleitung Was ist Informatik? 2 Das Informatikstudium:

Mehr

Medizinische Statistik Epidemiologie und χ 2 Vierfeldertest

Medizinische Statistik Epidemiologie und χ 2 Vierfeldertest Universität Wien Institut für Mathematik Wintersemester 2009/2010 Medizinische Statistik Epidemiologie und χ 2 Vierfeldertest Seminar Angewandte Mathematik Ao. Univ. Prof. Dr. Peter Schmitt von Nadja Reiterer

Mehr

Grundlagen der Informatik. Prof. Dr. Stefan Enderle NTA Isny

Grundlagen der Informatik. Prof. Dr. Stefan Enderle NTA Isny Grundlagen der Informatik Prof. Dr. Stefan Enderle NTA Isny 2 Datenstrukturen 2.1 Einführung Syntax: Definition einer formalen Grammatik, um Regeln einer formalen Sprache (Programmiersprache) festzulegen.

Mehr

Einführung in die Informatik Grammars & Parsers

Einführung in die Informatik Grammars & Parsers Einführung in die Informatik Grammars & Parsers Grammatiken, Parsen von Texten Wolfram Burgard Cyrill Stachniss 12.1 Einleitung Wir haben in den vorangehenden Kapiteln meistens vollständige Java- Programme

Mehr

Grundlagen verteilter Systeme

Grundlagen verteilter Systeme Universität Augsburg Insitut für Informatik Prof. Dr. Bernhard Bauer Wolf Fischer Christian Saad Wintersemester 08/09 Übungsblatt 5 26.11.08 Grundlagen verteilter Systeme Lösungsvorschlag Aufgabe 1: Erläutern

Mehr

Das Bayes-Theorem. Christian Neukirchen Gleichwertige Leistungsfeststellung, Juni 2005

Das Bayes-Theorem. Christian Neukirchen Gleichwertige Leistungsfeststellung, Juni 2005 Das Bayes-Theorem Christian Neukirchen Gleichwertige Leistungsfeststellung, Juni 2005 Ein lahmer Witz Heute im Angebot: Ein praktisches Beispiel zur Einleitung Kurze Wiederholung der Überblick über Reverend

Mehr

w a is die Anzahl der Vorkommen von a in w Beispiel: abba a = 2

w a is die Anzahl der Vorkommen von a in w Beispiel: abba a = 2 1 2 Notation für Wörter Grundlagen der Theoretischen Informatik Till Mossakowski Fakultät für Informatik Otto-von-Guericke Universität Magdeburg w a is die Anzahl der Vorkommen von a in w Beispiel: abba

Mehr

Software-Test: Funktionstest

Software-Test: Funktionstest Software-Test: Funktionstest Andreas Zeller Lehrstuhl für Softwaretechnik Universität des Saarlandes, Saarbrücken 2006-02-06 Funktionale Testverfahren Funktionale Testverfahren testen gegen die Spezifikation

Mehr

Gibt es verschiedene Arten unendlich? Dieter Wolke

Gibt es verschiedene Arten unendlich? Dieter Wolke Gibt es verschiedene Arten unendlich? Dieter Wolke 1 Zuerst zum Gebrauch des Wortes unendlich Es wird in der Mathematik in zwei unterschiedlichen Bedeutungen benutzt Erstens im Zusammenhang mit Funktionen

Mehr

Also kann nur A ist roter Südler und B ist grüner Nordler gelten.

Also kann nur A ist roter Südler und B ist grüner Nordler gelten. Aufgabe 1.1: (4 Punkte) Der Planet Og wird von zwei verschiedenen Rassen bewohnt - dem grünen und dem roten Volk. Desweiteren sind die Leute, die auf der nördlichen Halbkugel geboren wurden von denen auf

Mehr

Konzepte für den Informatikunterricht an Primarschulen und auf der Sekundarstufe

Konzepte für den Informatikunterricht an Primarschulen und auf der Sekundarstufe Departement Informatik Konzepte für den Informatikunterricht an Primarschulen und auf der Sekundarstufe I 1. Leitidee und Bildungsziele Genau wie im Unterricht der Mathematik oder der naturwissenschaftlichen

Mehr

Kapitel 6. Vererbung

Kapitel 6. Vererbung 1 Kapitel 6 2 Ziele Das sprinzip der objektorientierten Programmierung verstehen Und in Java umsetzen können Insbesondere folgende Begriffe verstehen und anwenden können: Ober/Unterklassen Subtyping Überschreiben

Mehr

1 Aussagenlogik und Mengenlehre

1 Aussagenlogik und Mengenlehre 1 Aussagenlogik und engenlehre 1.1 engenlehre Definition (Georg Cantor): nter einer enge verstehen wir jede Zusammenfassung von bestimmten wohl unterschiedenen Objekten (m) unserer Anschauung oder unseres

Mehr

Echtzeitfähige Ereignisgetriebene Scheduling-Strategien

Echtzeitfähige Ereignisgetriebene Scheduling-Strategien Friedrich-Alexander-Universität Erlangen-Nürnberg Ausgewählte Kapitel eingebetteter Systeme Echtzeitfähige Ereignisgetriebene Scheduling-Strategien Sven Kerschbaum 1. Einführung Bei einem eingebetteten

Mehr

Methods of Psychological Research Online 1998, Vol.3, No.1 Internet: http:èèwww.pabst-publishers.deèmprè Therapieevaluation: Begriæsbildung, Kontrolle, Randomisierung und statistische Auswertung. Einige

Mehr

Formale Methoden im Software Engineering

Formale Methoden im Software Engineering Formale Methoden im Software Engineering Eine praktische Einführung Dominik Haneberg, Florian Nafz, Bogdan Tofan 1 Organisatorisches Vorlesung: Mittwoch 12:15 Uhr - 13:45 Uhr (1058 N) Versuche: (Raum 3017

Mehr

Programmiertechnik II

Programmiertechnik II Analyse von Algorithmen Algorithmenentwurf Algorithmen sind oft Teil einer größeren Anwendung operieren auf Daten der Anwendung, sollen aber unabhängig von konkreten Typen sein Darstellung der Algorithmen

Mehr

Seite 1 von 2. Teil Theorie Praxis S Punkte 80+25 120+73 200+98 erreicht

Seite 1 von 2. Teil Theorie Praxis S Punkte 80+25 120+73 200+98 erreicht Seite 1 von 2 Ostfalia Hochschule Fakultät Elektrotechnik Wolfenbüttel Prof. Dr.-Ing. T. Harriehausen Bearbeitungszeit: Theoretischer Teil: 60 Minuten Praktischer Teil: 60 Minuten Klausur FEM für elektromagnetische

Mehr

Technische Informatik - Eine Einführung

Technische Informatik - Eine Einführung Martin-Luther-Universität Halle-Wittenberg Fachbereich Mathematik und Informatik Lehrstuhl für Technische Informatik Prof. P. Molitor Ausgabe: 2005-02-21 Abgabe: 2005-02-21 Technische Informatik - Eine

Mehr

3. Spezielle ER-Modelle und Tabellenableitung. Transformation von ER-Diagrammen in Relationen

3. Spezielle ER-Modelle und Tabellenableitung. Transformation von ER-Diagrammen in Relationen 3. Spezielle ER-Modelle und Tabellenableitung Spezialfälle von ER-Modellen Grundlage, was sind Relationen Transformation von ER-Diagrammen in Relationen 56 Lesebeispiel Access (Realisierungmodell!) 57

Mehr

Kapitel 15: Differentialgleichungen

Kapitel 15: Differentialgleichungen FernUNI Hagen WS 00/03 Kapitel 15: Differentialgleichungen Differentialgleichungen = Gleichungen die Beziehungen zwischen einer Funktion und mindestens einer ihrer Ableitungen herstellen. Kommen bei vielen

Mehr

Grundlagen der Informatik

Grundlagen der Informatik Grundlagen der Informatik Prof. Dr. Bernhard Schiefer bernhard.schiefer@fh-kl.de http://www.fh-kl.de/~schiefer Wesentliche Inhalte Einführung Rechnergrundlagen Grundlagen der Programmierung Kern imperativer

Mehr

Entscheidungsprobleme. Berechenbarkeit und Komplexität Entscheidbarkeit und Unentscheidbarkeit. Die Entscheidbarkeit von Problemen

Entscheidungsprobleme. Berechenbarkeit und Komplexität Entscheidbarkeit und Unentscheidbarkeit. Die Entscheidbarkeit von Problemen Berechenbarkeit und Komlexität Entscheidbarkeit und Unentscheidbarkeit Wolfgang Schreiner Wolfgang.Schreiner@risc.uni-linz.ac.at Research Institute for Symbolic Comutation (RISC) Johannes Keler University,

Mehr

Beispiel 48. 4.3.2 Zusammengesetzte Zufallsvariablen

Beispiel 48. 4.3.2 Zusammengesetzte Zufallsvariablen 4.3.2 Zusammengesetzte Zufallsvariablen Beispiel 48 Ein Würfel werde zweimal geworfen. X bzw. Y bezeichne die Augenzahl im ersten bzw. zweiten Wurf. Sei Z := X + Y die Summe der gewürfelten Augenzahlen.

Mehr

Einführung in die Computerlinguistik

Einführung in die Computerlinguistik Einführung in die Computerlinguistik Syntax WS 2006/2007 Manfred Pinkal Einführung in die Computerlinguistik 2006/2007 M. Pinkal UdS 1 Morphologie und Syntax Gegenstand der Morphologie ist die Struktur

Mehr

Whitepaper. Automatisierte Akzeptanztests mit FIT. Einleitung. Die Bedeutung von Akzeptanztests

Whitepaper. Automatisierte Akzeptanztests mit FIT. Einleitung. Die Bedeutung von Akzeptanztests Automatisierte Akzeptanztests mit FIT Einleitung Dieses beschreibt, wie man Tests aus Anwender-/Kundensicht mit dem Open-Source-Werkzeug FIT beschreibt und durchführt. Das ist für Kunden, Anwender und

Mehr

Der Bipolar-Transistor und die Emitterschaltung Gruppe B412

Der Bipolar-Transistor und die Emitterschaltung Gruppe B412 TECHNISCHE UNIVERSITÄT MÜNCHEN Der Bipolar-Transistor und die Emitterschaltung Gruppe B412 Patrick Christ und Daniel Biedermann 16.10.2009 1. INHALTSVERZEICHNIS 1. INHALTSVERZEICHNIS... 2 2. AUFGABE 1...

Mehr

Seminar Analysis Konvexe Funktionen und einige wichtige Ungleichungen

Seminar Analysis Konvexe Funktionen und einige wichtige Ungleichungen Seminar Analysis Konvexe Funktionen und einige wichtige Ungleichungen Michael Schaeer 3.04.03 Abstract This seminar is about convex functions and several imortant ineualities. At the beginning the term

Mehr

Phänomene der Semantik: Konditionalsätze (Handout 8) Janneke Huitink - Cécile Meier Sommersemester 2009

Phänomene der Semantik: Konditionalsätze (Handout 8) Janneke Huitink - Cécile Meier Sommersemester 2009 Phänomene der Semantik: Konditionalsätze (Handout 8) Janneke Huitink - Cécile Meier Sommersemester 2009 1. Arten von Konditionalsätzen Konditionalsätze drücken aus, dass ein Ereignis nur unter einer bestimmten

Mehr

FACTA UNIVERSITATIS èniçsè Series: Electronics and Energetics vol. 11, No.3è1998è, 263-270 MODERNE FIREWALLS F íur LANS Thomas Droste and Wolfgang Weber Kurzfassung. In Abhíangigkeit der geforderten Sicherheit

Mehr

Programmierung - Paradigmen und Konzepte

Programmierung - Paradigmen und Konzepte Programmierung - Paradigmen und Konzepte Peter Forbrig, Immo O. Kerner ISBN 3-446-40301-9 Vorwort Weitere Informationen oder Bestellungen unter http://www.hanser.de/3-446-40301-9 sowie im Buchhandel Vorwort

Mehr

Rekursionen (Teschl/Teschl 8.1-8.2)

Rekursionen (Teschl/Teschl 8.1-8.2) Rekursionen (Teschl/Teschl 8.1-8.2) Eine Rekursion kter Ordnung für k N ist eine Folge x 1, x 2, x 3,... deniert durch eine Rekursionsvorschrift x n = f n (x n 1,..., x n k ) für n > k, d. h. jedes Folgenglied

Mehr

9. Schätzen und Testen bei unbekannter Varianz

9. Schätzen und Testen bei unbekannter Varianz 9. Schätzen und Testen bei unbekannter Varianz Dr. Antje Kiesel Institut für Angewandte Mathematik WS 2011/2012 Schätzen und Testen bei unbekannter Varianz Wenn wir die Standardabweichung σ nicht kennen,

Mehr

Modellierungsmethoden in der Informatik

Modellierungsmethoden in der Informatik Modellierungsmethoden in der Informatik Probeklausur WS 2007/08 UNIVERSITÄT D U I S B U R G E S S E N Disclaimer Die Aufgaben sind lediglich Beispiele Sie decken nicht den ganzen klausurrelevanten Stoff

Mehr

Von der Metaethik zur Moralphilosophie: R. M. Hare Der praktische Schluss/Prinzipien Überblick zum 26.10.2009

Von der Metaethik zur Moralphilosophie: R. M. Hare Der praktische Schluss/Prinzipien Überblick zum 26.10.2009 TU Dortmund, Wintersemester 2009/10 Institut für Philosophie und Politikwissenschaft C. Beisbart Von der Metaethik zur Moralphilosophie: R. M. Hare Der praktische Schluss/Prinzipien Überblick zum 26.10.2009

Mehr

Wie entwickle ich eine Fragestellung?

Wie entwickle ich eine Fragestellung? Wie entwickle eine Fragestellung? Wie entwickle ich eine Fragestellung? Was ist eine wissenschaftliche Fragestellung? Am Beginn jeder wissenschaftlichen Arbeit steht eine Fragestellung. Wer fragt, möchte

Mehr

Logik & Semantik 7. Vorlesung Prädikatenlogik 1. Syntax der Prädikatenlogik Semantik der Prädikatenlogik: Grundbegriffe (Variablen-)Substitutionen

Logik & Semantik 7. Vorlesung Prädikatenlogik 1. Syntax der Prädikatenlogik Semantik der Prädikatenlogik: Grundbegriffe (Variablen-)Substitutionen Logik & Semantik 7. Vorlesung Prädikatenlogik 1 Syntax der Prädikatenlogik Semantik der Prädikatenlogik: Grundbegriffe (Variablen-)Substitutionen 1 Definition eines logischen Systems: Generelles Schema

Mehr