F - Logik. Konzepte und Subkonzept- Beziehung. Objekte werden durch eindeutige Ids identifiziert: Objektorientierte (Frame basierte) Logik
|
|
- Otto Fuchs
- vor 6 Jahren
- Abrufe
Transkript
1 F-Logik F-Logik (Syntx) Kifer, Lusen, Wu, Journl of the ACM, 42: , Dnk n Jürgen J Angele F - Logik Objektorientierte (Frme bsierte) Logik Konzepte und Subkonzept- Beziehung Objekte werden durh eindeutige Ids identifiziert: Element::OBJECT. Wohl-definierte Semntik (wohl-fundierte Semntik) Effiziente Evlutionsstrtegie Turing-vollständig Moleule:: OBJECT. IoniMoleule::Moleule. Slt::IoniMoleule. Aid::IoniMoleule. Bse::IoniMoleule. StrongAid::Aid. WekAid::Aid. -> downlods -> Hlo pilot downlods -> Ontoprise Hlo Improved downlod (Formt: EXE/78 MB) Mtter::OBJECT. PureSubstne::Mtter. Mixture::Mtter. HomogeniousMixture::Mixture.
2 Konzeptuelle Modellierung Definiere Bereihe von Beziehungen: Element[hsNme=>>STRING; hssymbol=>string; hsweight=>number; hsgroupnme=>string;... elementnumber=>number; eletronegtivity=>number]. Moleule[hsNme=>>STRING; hsformul=>>string; hschrge=>number]. IoniMoleule[hsNme=>>STRING; hsanion=>anion; hsction=>ction; hsanioncoeffiient=>number; hsctioncoeffiient=>number; hsformul=>>string]. Instnzen und Attribute Zuordnung von Attributswerte : Lti:WekAid. Lti[hsFormul->>"HC3H5O3"; hsnme->>"lti Aid"; hsk1->1.4e-4]. Sodiumltte:Slt. Sodiumltte[hsFormul->>"NC3H5O3"; hsnme->>"sodium ltte"; issltof->lti]. Regeln // Der ph-wert hängt von der Konzentrtion des Hydronium (H3O+) b Regel phvlue: FORALL Ph,H,R phh(h,ph) <- power(10,r,h) nd multiply(r,-1,ph). // Der ph-wert hängt von der Konzentrtion des Hydronium b Regel phmixture: FORALL H,Ph,M M[hsPh->Ph] <- M:Mixture[hsH->H] nd phh(h,ph). /* Shem */ Mixture[ hsh =>NUMBER; hsph=>number]. /* Fkten */ m:mixture[hsh -> 1.7 E-4]. Erstes Beispiel /* Regeln */ FORALL Ph,H,R phh(h,ph) <- power(10,r,h) nd multiply(r,-1,ph). FORALL H,Ph,M m[hsph->ph] <- M:Mixture[hsH->H] nd phh(h,ph). /* Query */ FORALL Ph <- m[hsph->ph].
3 Quntifizierung Quntifizierung knn sih uh über Konzepte und Beziehungen erstreken: FORALL X,Y <- X::Y. FORALL X,R <- X[hsNme=>>R]. FORALL A,R <- Element[A=>R]. F-Molekül Ein F-Molekül: Sodiumltte:Slt[hsFormul->>"NC3H5O3"; hsnme->>{"sodium ltte", "sodiumltte"}; issltof->lti]. Knn in mehrere F-Atome gesplittet werden: Sodiumltte:Slt. Sodiumltte[hsFormul->>"NC3H5O3"]. Sodiumltte[hsNme->>"Sodium ltte"]. Sodiumltte[hsNme->>"sodiumltte"]. Sodiumltte[isSltOf->Lti]. Prmetrisierte Beziehungen m:mixture[ hsmole(lti)->0.1; hsmole(sodiumltte)->0.12 ]. Anstelle von Prädikte m:mixture[ hsmole(lti)->0.1; hsmole(sodiumltte)->0.12 ]. shreibe uh hsmole(m,lti,0.1). hsmole(m,sodiumltte,0.12).
4 Builtins isstring(<rg>) ont(<string 1 >, <string 2 >, <string 3 >) ut(<string>,<n>,<vrible>) tokenize(<string>,<delimiters>,<vrible>) tokenizen(<string>,<n>,<delimiters>,<vrible>) tolower(<string>,<vrible>) toupper(<string>,<vrible>) regexp(<regulr expression>,<string1>,<string2>) onstnt2string(<funtion>,<string>) string2number(<string>,<number>) sin,os,tn,sin,os,eil,floor,exp, rint,sqrt,round,mx,min,pow Builtin Beispiele tolower: FORALL X <- tolower( I Love Ontologies!,X). is, equls: FORALL B,C,A <- (B is A+1) AND (C is A+2) AND equls(a,1). dbessuser2, ont: FORALL X, PROJECTID, PROJECTNAME X:Projet[nme->> PROJECTNAME] <- dbessuser2( tble_projets", F( projetid",projectid, projet_nme",projectname), "mssqlserver2000", dtbse_projets", omputer_xyz:1433", "zope","zope") AND ont( projet", PROJECTID,X). [, b,, d, e] [Hed Til] [, b,, d Til] Listen Vershhtelung und Pfdusdrüke Sodiumltte[isSltOf-> Lti[hsFormul->>"HC3H5O3"; hsnme->>"lti Aid"; hsk1->>1.4e-4]]. FORALL X,Y <- Sodiumltte[isSltOf->X[hsNme->>Y]. FORALL Y <- Sodiumltte.isSltOf[hsNme->>Y].
5 Negtion FORALL I,A,C I[isSoluble->true] <- I:IoniMoleule[hsAnion->A; hsction->c] nd (equl(a,chlorine) or equl(a,bromine) or equl(a,iodine)) nd not equl(c,merury) nd not equl(c,led) nd not equl(c,silver). p(1). p(2). p(3). Komplexere Regeln FORALL X mximum(x) <- p(x) AND FORALL Y (p(y) -> lessorequl(y,x)). Beliebige first-order Formel Nmensräume (Nmespes) Um vershiedene Objekte in vershiedenen Ontologien zu untersheiden: <ns ontons:rs=" ontons:finne=" ontons=" rs#cr[rs#driver => rs#person; rs#pssenger =>> rs#person; rs#sets => NUMBER]. rs#person[rs#nme => STRING]. </ns> Modellierung mit unbeknnten Ressouren _1:BufferSolution[hsPrt->>{_2,_3}] nd _2:WekAid nd _3:Slt[isSltOf->_2]. Drükt us, dss eine Pufferlösung us zwei Substnzen s1 und s2 besteht; s1 ist eine shwhe Säure (WekAid) und s2 ein Slz (Slt) dieser shwhen Säure s1.
6 Modellierung uf der Metebene Substne ist ein Konzept. Substne[numberOfKnownSubstnes->10000]. Module Blne { import Retion. Retion[ privte hsretntslist; privte hsprodutslist ]. FORALL P,L,R bproduts1(r,l) <- R:om.ontoprise.ontonov.ontology.Retion[hsProduts->>P] nd list(r,p,l). FORALL R,C,C1,M,Re,Pr,L,L1,L2,Z R[oeffiients->>C; hsretntslist->>l1;hsprodutslist->>l2] <- bretnts(r,re) nd bretnts1(r,l1) nd bproduts(r,pr) nd bproduts1(r,l2) nd ontlists(re,pr,l) nd mtrixbyols(l,m) nd lessolve(m,c1) nd length(l,z) nd length(c,z) nd wholenumbered(c1,c). } Prmetrisierte Module: Sttishe Vershhtelung Trnsitive { // Trnsitive Subklssenbeziehung FORALL X[subClssOf->>Z] <- X[subClssOf->>Y] nd Y[subClssOf->>Z] } Cr { } publi PssengerVehile[subClssOf ->> MotorVehile]. publi Truk[subClssOf ->> MotorVehile]. publi Vn[rdfs:subClssOf ->> PssengerVehile]. FORALL X,Y <- X[subClssOf->>Y]@Cr. Prmetrisierte Module Trnsitive { // Trnsitive Subklssenbeziehung FORALL X[subClssOf->>Z] <- X[subClssOf->>Y] nd Y[subClssOf->>Z] } Cr { } PssengerVehile[rdfs:subClssOf ->> MotorVehile]. Truk[subClssOf ->> MotorVehile]. Vn[rdfs:subClssOf ->> PssengerVehile].
7 Prmetrisierte Module FORALL X,Y <- X = PssengerVehile, Y = MotorVehile X = Truk, Y = MotorVehile X = Vn, Y = PssengerVehile Lloyd-Topor Trnsformtion FORALL X mximum(x) <- p(x) AND FORALL Y (p(y) -> lessorequl(y,x)). FORALL X,Y mximum(x) <- p(x) AND (NOT p(y) OR lessorequl(y,x)). FORALL X,Y <- X[subClssOf->>Y]@Trnsitive(Cr). X = PssengerVehile, Y = MotorVehile X = Truk, Y = MotorVehile X = Vn, Y = PssengerVehile X = Vn, Y = MotorVehile FORALL X mximum(x) <- p(x) AND NOT q(x). FORALL X,Y q(x) <- p(y) AND NOT lessorequl(y,x). Trnsformtion von F-LogikF nh Horn-Logik :C is_(,c) A::B sub_(a,b) Trnsformtion von F-LogikF nh Horn-Logik FORALL X,Y,Z X[nestor->>Y] <- X[fther->Z] AND Z[nestor->>Y]. A[B=>C] A[B=>>C] [B->] [B->>] tttype_(a,b,c) settttype_(a,b,c) tt_(,b,) settt_(,b,) FORALL X,Y,Z settt_(x,nestor,y) <- settt_(x,fther,z) AND settt_(z,nestor,y).
8 Nive Evlution Unmittelbrer Folgeopertor X q(f(), ), q(,), q(f(),), r(, ), r(, d), r(e,f) p(x, Y) q(f(x), X) r(x, Y) p(x, ) Y d f(x) f() f() X X e Y d f Gegeben ist eine Menge von Fkten F. Der unmittelbre Folgeopertor T ist gegeben durh: T (F) = {H σ H <- B 1 Λ.. Λ B n. nd B i σ F} F, σ ist eine Vriblensubstitution. T i (F) = T(T(T(.(F).))) i-ml Semntik eines F-Logik Progrmms (ohne Negtion) Wenn ein n existiert, so dss: T n (F) = T n+1 (F) dnn ist G = T n (F) = F p (F) die Menge der durh die Regeln (ohne Negtion) gemeinten Fkten. p(). p(b). q(). r(x) q(x). t(x) p(x) nd r(x). F = {p(), p(b), q()} Beispiel T(F) = {r()} {p(), p(b), q()} T(T(F)) = {r(), t(b), p(), p(b), q()} = T(T(T(F))) = T(T(T(.(F).)))
9 Unmittelbrer Folgeopertor mit Negtion Gegeben ist eine Menge von Fkten F. Der unmittelbre Folgeopertor T ist gegeben durh: T (F) = {H σ H <- B 1 Λ.. Λ B n Λ N 1 Λ.. Λ N n. nd B i σ F nd N j σ F }, σ ist eine Vriblensubstitution. Strtifizierung: Beispiel p(). p(b). q(). r(x) q(x). Shiht 1 t(x) p(x) nd not r(x). Shiht 2 F 0 = {p(), p(b), q()} F p (F 0 ) = {r()} {p(), p(b), q()} = F 1 F p (F 1 ) = {t(b), r(), p(), p(b), q()} = F 2 Aber ws ist dmit? person(somebody). womn(x) <- person(x) nd not mn(x). mn(x) <- person(x) nd not womn(x). Alternierender Fixpunkt (Wohl-fundierte Semntik) Vn Gelder et l., JACM 1991, Wenn ein n existiert wie: T n+1 (F) = T n-1 (F) und T n+2 (F) = T n (F) Dnn sind die whren Fkten gegeben durh die kleinere Menge von T n-1 (F) und T n (F) Unbeknnte Fkten sind durh die Mengendifferenz gegeben.
10 Alternierender Fixpunkt: Beispiel person(sb). womn(x) <- person(x) nd not mn(x). mn(x) <- person(x) nd not womn(x). T(F={person{sb}}) = {womn(sb), mn(sb), person(sb)} T(T(F)) = {person(sb)} T(T(T(F))) = {womn(sb), mn(sb), person(sb)} T(T(T(T(F)))) = {person(sb)} Whre Fkten = {person(sb)} Unbeknnte Fkten = {womn(sb), mn(sb)} Dynmishes Filtern (Kifer( Kifer) q(f(), ), q(,), q(f(),), r(, ), r(, d), r(e,f) p(x, Y) q(f(x), X) r(x, Y) p(x, ) p(x, ) X,, p(x, Y) q(f(x), X) r(x, Y) f(), f(e), e, f(), q(f(), ) q(,) q(f(),) X,, e, r(, ) r(, d) r(e, ), e, f() Problem Negtion f() q(x, ) not p(x, ) f() f() Strtifizierung q(x, ) not p(x, ) Shiht 2 X,,,, p(x, Y) q(f(x), X) r(x, Y) X,,,, p(x, Y) q(f(x), X) r(x, Y) Shiht 1 X,, f(), f(), f(), q(f(), ) q(,) q(f(),) X, r(, ) r(,d) r(e,f) X,, f(), f(), f(), q(f(), ) q(,) q(f(),) X, r(, ) r(,d) r(e,f) Shiht 0
Semantic Web Technologies II SS 2008
Semantic Web Technologies II SS 2008 09.07.2008 Die Regelbasierte Ontologiesprache F-Logik Dr. Peter Haase PD Dr. Pascal Hitzler Dr. Steffen Lamparter Denny Vrandecic Content licensed under Creative Commons
MehrAutomaten, Spiele, und Logik
Automten, Spiele, und Logik Wohe 7 19. Mi 2014 Inhlt der heutigen Vorlesung Alternierende Automten Definition Verindung zu regulären Sprhen Komplementtion Engel und Teufel Ws ist eine nihtdeterministishe
MehrStudiengang: Umweltingenieurwesen M.Sc. Modul Wasseraufbereitungstechnologien Hydrochemie der Wasseraufbereitung
Studiengng: Umweltingenieurwesen M.Sc. Modul Wsserufbereitungstechnologien Hydrochemie der Wsserufbereitung Grundlgen: Hydrochemie der Wsserversorgung us dem chelorstudium wünschenswert: eigener Lptop
MehrBeweisen mit Semantischen Tableaux
Beweisen mit Semantischen Tableaux Semantische Tableaux geben ein Beweisverfahren, mit dem ähnlich wie mit Resolution eine Formel dadurch bewiesen wird, dass ihre Negation als widersprüchlich abgeleitet
MehrFunktionen und Mächtigkeiten
Vorlesung Funktionen und Mähtigkeiten. Etws Mengenlehre In der Folge reiten wir intuitiv mit Mengen. Eine Menge ist eine Zusmmenfssung von Elementen. Zum Beispiel ist A = {,,,,5} eine endlihe Menge mit
Mehrping karlsruhe Mining Software Call Graphs Frank Eichinger
ping krlsruhe Motivtion Softwre Mining Cll-Grphen Grph Mining Trnsformtionen Auslik Mining Softwre Cll Grphs Frnk Eihinger Lehrstuhl Prof. Böhm Institut für Progrmmstrukturen und Dtenorgnistion (IPD) Universität
Mehr10 Das Riemannsche Integral
10 Ds Riemnnsche Integrl 50 10 Ds Riemnnsche Integrl Ziel dieses Prgrphen ist es, den Inhlt einer Fläche, die vom Grphen einer Funktion berndet wird, exkt zu definieren. f(b) f() = t 0 t1 t2 t3 t4 t5 t
MehrChemisches Gleichgewicht
TU Ilmenu Chemishes Prktikum Versuh Fhgebiet Chemie 1. Aufgbe Chemishes Gleihgewiht Stellen Sie 500 ml einer 0,1m N her! estimmen Sie die genue onzentrtion der hergestellten N mit zwei vershiedenen Anlysenmethoden
MehrBoole'sche Algebra. Inhaltsübersicht. Binäre Funktionen, Boole'sche Algebren, Schaltalgebra. Verknüpfungen der mathematischen Logik
Boole'sche Algebr Binäre Funktionen, Boole'sche Algebren, Schltlgebr Inhltsübersicht Verknüpfungen der mthemtischen Logik Boole sche Algebren Grundelemente der Schltlgebr Regeln der Schltlgebr Normlformen
MehrTop-Aevo Prüfungsbuch
Top-Aevo Prüfungsbuh Testufgben zur Ausbildereignungsprüfung (AEVO) 250 progrmmierte Testufgben (Multiple Choie) 1 Unterweisungsentwurf / 1 Präsenttion 40 möglihe Frgen nh einer Unterweisung Top-Aevo.de
MehrÜbungen zur Vorlesung Modellierung WS 2003/2004 Blatt 11 Musterlösungen
Dr. Theo Lettmnn Pderorn, den 9. Jnur 24 Age 9. Jnur 24 A x, A 2 x, Üungen zur Vorlesung Modellierung WS 23/24 Bltt Musterlösungen AUFGABE 7 : Es sei der folgende prtielle deterministishe endlihe Automt
Mehr2 Lineare Operatoren. T(αx + βy) = αtx + βty x,y X, α, β K. (b) Ist T linear, so heißt
2 Linere Opertoren Im Folgenden seien X,Y, Z stets normierte Räumen über dem selben Körper K = C oder K = R. 2.1. Definition. () Eine Abbildung T : X Y heißt liner, flls T(αx + βy) = αtx + βty x,y X, α,
MehrSeminar zum anorganisch-chemischen Praktikum I. Quantitative Analyse. Prof. Dr. M. Scheer Patrick Schwarz
Seminr zum norgnish-hemishen Prktikum I Quntittive Anlyse Prof. Dr. M. Sheer Ptrik Shwrz itertur A. F. Hollemn, E. Wierg, ehruh der Anorgnishen Chemie, de Gruyter Verlg, Berlin, New York (Ahtung, neue
MehrFalls die Werte von X als Ergebnisse eines Zufallsvorgangs resultieren, wird X zu einer stetigen Zufallsvariable.
Sttistik I für Sttistiker, Mthemtiker und Informtiker Lösungen zu Bltt 11 Gerhrd Tutz, Jn Ulbricht, Jn Gertheiss WS 7/8 Theorie: Stetige Zufllsvriblen Begriff Stetigkeit: Eine Vrible oder ein Merkml X
MehrSpiele und logische Komplexitätsklassen
Spiele und logische Komplexitätsklssen Mrtin Horsch 26. Jnur 2006 Inhlt des Seminrvortrges Ehrenfeucht-Frïssé-Spiel mit k Mrken Formeln mit k Vrilen und logische Komplexitätsklssen k-vrileneigenschft logischer
MehrDomäne und Bereich. Relationen zwischen Mengen/auf einer Menge. Anmerkungen zur Terminologie. r Relationen auf/in einer Menge.
Reltionen zwischen Mengen/uf einer Menge! Eine Reltion R A B (mit A B) ist eine Reltion zwischen der Menge A und der Menge B, oder uch: von A nch B. Drstellung: c A! Wenn A = B, d.h. R A A, heißt R eine
MehrHöhere Mathematik II für die Fachrichtung Informatik. Lösungsvorschläge zum 8. Übungsblatt
KARLSRUHER INSTITUT FÜR TECHNOLOGIE INSTITUT FÜR ANALYSIS Dr. Christoph Schmoeger Heiko Hoffmnn SS Höhere Mthemtik II für die Fchrichtung Informtik Lösungsvorschläge zum 8. Übungsbltt Aufgbe 9 erechnen
Mehr2.1 Motivation, Zurückführung auf ein Doppelintegral. Wir betrachten einen zylindrischen Körper K, der von der Fläche
Kpitel 2 Ds Flähenintegrl 2.1 Motivtion, Zurükführung uf ein Doppelintegrl Wir betrhten einen zylindrishen Körper K, der von der Flähe z f(x, y, seitlih von einer Zylinderflähe mit Erzeugenden prllel zur
MehrEhrenfeucht-Fraïssé-Spiele über Spuren
Ehrenfeuht-Frïssé-Spiele üer Spuren Mrtin Horsh 14. Juni 2006 Vortrgsinhlt Ehrenfeuht-Frïssé-Spiel mit n Runden und k Mrken Lokle Temporllogik üer Mzurkiewiz-Spuren (LoTL) LoTL und die Logik erster Stufe
MehrTeil 2: Objektorientierte deduktive Datenbanken (DOOD)
Teil 2: Objektorientierte deduktive Datenbanken (DOOD) Gerd Stumme Christoph Schmitz Wintersemester 2004/05 Nachteile relationaler Modellierung Polyeder PolyID (4,*) cubo#5 Hülle (1,1) Flächen (3,*) Begrzg
MehrDer Tigerschwanz kann als Stimmungsbarometer gesehen werden. a) Richtig b) Falsch. Tiger sind wasserscheu. a) Richtig b) Falsch
?37??38? Der Tigershwnz knn ls Stimmungsrometer gesehen werden. Tiger sind wssersheu.?39??40? Ds Gerüll der Tigermännhen soll die Weihen nloken. Die Anzhl der Südhinesishen Tiger eträgt nur mehr ) 2 )
MehrUmstellen von Formeln und Gleichungen
Umstellen von Formeln und Gleihungen. Ds Zusmmenfssen von Termen edeutet grundsätzlih ein Ausklmmern, uh wenn mn den Zwishenshritt niht immer ufshreit. 4 6 = (4 6) =. Steht eine Vrile, nh der ufgelöst
MehrThema 7 Konvergenzkriterien (uneigentliche Integrale)
Them 7 Konvergenzkriterien (uneigentliche Integrle) In diesem Kpitel betrchten wir unendliche Reihen n= n, wobei ( n ) eine Folge von reellen Zhlen ist. Die Reihe konvergiert gegen s (oder s ist die Summe
MehrGrundlagen des Maschinellen Lernens Kap 3: Lernverfahren in anderen Domänen
. Motivtion 2. Lernmodelle Teil I 2.. Lernen im Limes 2.2. Fllstudie: Lernen von Ptternsprchen 3. Lernverfhren in nderen Domänen 3.. 3.2. Entscheidungsbäume 3.3. Entscheidungsbäume über regulären Ptterns
MehrR. Brinkmann http://brinkmann-du.de Seite 1 17.11.2010
R. rinkmnn http://rinkmnn-du.de Seite 7..2 Grundegriffe der Vektorrehnung Vektor und Sklr Ein Teil der in Nturwissenshft und Tehnik uftretenden Größen ist ei festgelegter Mßeinheit durh die nge einer Mßzhl
MehrLÖSUNGSVORSCHLÄGE ZUM 7. ÜBUNGSBLATT IN LINEARER ALGEBRA II
LÖSUNGSVORSCHLÄGE ZUM 7. ÜBUNGSBLATT IN LINEARER ALGEBRA II Prof. Werner Bley, Frnz Gmeineder Deember 9, 211 Aufgbe 1 Obwohl ds Resultt dieser Aufgbe niht sehr tiefliegend ist, ht es doh eine gnz wihtige
MehrDatenaustausch mit JSON
Datenaustausch mit JSON Datenaustausch Kodierung von Daten Binärformate (PNG, MP4, Word,... ) effizient, aufwändig, nicht menschenlesbar Textformate (Java,... ): menschenlesbar, Aufwand für Ein- und Ausgabe
MehrMathe Warm-Up, Teil 1 1 2
Mthe Wrm-Up, Teil 1 1 2 HEUTE: 1. Elementre Rechenopertionen: Brüche, Potenzen, Logrithmus, Wurzeln 2. Summen- und Produktzeichen 3. Gleichungen/Ungleichungen 1 orientiert sich n den Kpiteln 3,4,6,8 des
MehrAutomaten, Spiele, und Logik
Automten, Spiele, und Logik Woche 9 13. Juni 2014 Inhlt der heutigen Vorlesung Büchi Automten co-büchi Automten Komplementierung für deterministische Büchi Automten Ein Ziel: den Stz von Büchi-Elgot-Trkhtenrot
MehrMathematik Trigonometrie Einführung
Mthemtik Trigonometrie Einführung Ws edeutet ds Wort Trigonometrie und mit ws eshäftigt sih die Trigonometrie? Eine kleine Wortkunde: tri edeutet 'drei' Beispiel: Trithlon,... gon edeutet 'Winkel'/'Ek'
MehrTaylorreihen - Uneigentlische Integrale
Anlysis II für M, LG und Ph, WS 2006/07, Übung 2, Lösungsskizze Gruppenübung Tylorreihen - Uneigentlische Integrle G 5 Berechnen Sie die Tylorreihe mit der Entwicklungsmitte 0 von f (x) = log(x + ), f
MehrVorlesung. Einführung in die mathematische Sprache und naive Mengenlehre
Vorlesung Einführung in die mthemtische Sprche und nive Mengenlehre 1 Allgemeines RUD26 Erwin-Schrödinger-Zentrum (ESZ) RUD25 Johnn-von-Neumnn-Hus Fchschft Menge ller Studenten eines Institutes Fchschftsrt
Mehrπ 2 r 2 r 2 sin 2 (t)r cos(t) dt π 2 cos2 (t) cos(t) dt = r 2 π dt = cos(x) sin(x) u v = cos(x) sin(x) + = cos(x) sin(x) + x
Wir substituieren x x(t) r sin(t), t [ π, π ]. Dnn ist x (t) r cos(t), lso r x dx π π r π r r sin (t)r cos(t) dt π cos (t) cos(t) dt r π π cos (t) dt Wir integrieren cos mittels prtieller Integrtion: Sei
MehrTechnische Universität München Sommer 2016 Prof. J. Esparza / Dr. M. Luttenberger, S. Sickert 18. Juni HA-Lösung. TA-Lösung
ehnishe niversität Münhen ommer 2016 Prof. J. Esprz / Dr. M. Luttenerger,. ikert 18. Juni 2016 HA-Lösung A-Lösung Einführung in die theoretishe Informtik Aufgenltt 8 Behten ie: oweit niht explizit ngegeen,
MehrFormale Systeme, Automaten, Prozesse SS 2010 Musterlösung - Übung 6 M. Brockschmidt, F. Emmes, C. Fuhs, C. Otto, T. Ströder
Prof Dr J Giesl Formle ysteme, utomten, Prozesse 2010 M rockschmidt, F Emmes, C Fuhs, C Otto, T tröder Hinweise: Die Husufgben sollen in Gruppen von je 2 tudierenden us dem gleichen Tutorium berbeitet
MehrKomplexe Kurvenintegrale
Komplexe Kurvenintegrle nlog zu Kurvenintegrlen: Sei : [, b] D R n ein stükweiser C Weg, f : D R und F : D R n gegeben. Dnn htten wir in Anlysis II/III die beiden Kurvenintegrle. und 2. Art f (x)ds = b
Mehr1KOhm + - y = x LED leuchtet wenn Schalter x gedrückt ist
. Ohm = LED leuchtet wenn chlter gedrückt ist 2. Ohm = NICH ( = NO ) LED leuchtet wenn chlter nicht gedrückt ist = ist die Negtion von? Gibt es so einen kleinen chlter (Mikrotster)? 2. Ohm = UND LED leuchtet
MehrNormalformen der Prädikatenlogik
Normalformen der Prädikatenlogik prädikatenlogische Ausdrücke können in äquivalente Ausdrücke umgeformt werden Beispiel "X (mensch(x) Æ sterblich(x)) "X (ÿ mensch(x) sterblich(x)) "X (ÿ (mensch(x) Ÿ ÿ
Mehr10: Lineare Abbildungen
Chr.Nelius: Linere Alger SS 2008 1 10: Linere Aildungen 10.1 BEISPIEL: Die Vektorräume V 2 und Ê 2 hen diegleiche Struktur. Es git eine ijektive Aildung f : V 2 Ê 2, die durch die Vorschrift definiert
MehrErkundungen. Terme vergleichen. Rechteck Fläche als Produkt der Seitenlängen Fläche als Summe der Teilflächen A B
Erkundungen Terme vergleihen Forshungsuftrg : Fläheninhlte von Rehteken uf vershiedene Arten erehnen Die Terme () is (6) eshreien jeweils den Fläheninhlt von einem der drei Rehteke. Ordnet die Terme den
MehrTheoretische Informatik und Logik Übungsblatt 2 (2013S) Lösung
Theoretische Informtik und Logik Üungsltt 2 (2013S) en Aufge 2.1 Geen Sie jeweils eine kontextfreie Grmmtik n, welche die folgenden Sprchen erzeugt, sowie einen Aleitungsum für ein von Ihnen gewähltes
Mehr1 152.17. 1. Gegenstand und Zweck
5.7. März 0 Verordnung üer die Klssifizierung, die Veröffentlihung und die Arhivierung von Dokumenten zu Regierungsrtsgeshäften (Klssifizierungsverordnung, KRGV) Der Regierungsrt des Kntons Bern, gestützt
Mehr2.5 Algebra. 1 Faktorisieren Terme faktorisieren (-1) ausklammern Terme mit Klammern faktorisieren... 3
2.5 Algebr Inhltsverzeichnis Fktorisieren 2. Terme fktorisieren...................................... 2.2 (-) usklmmern....................................... 2.3 Terme mit Klmmern fktorisieren..............................
MehrAbiturprüfung Mathematik 2013 (Baden-Württemberg) Berufliche Gymnasien Analysis, Aufgabe 1
www.mthe-ufgben.com Abiturprüfung Mthemtik 013 (Bden-Württemberg) Berufliche Gymnsien Anlysis, Aufgbe 1 1.1 Die Funktion f ist gegeben durch π f( x) = + sin x ; x. Ds Schubild von f ist K. 1.1.1 (8 Punkte)
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
Mehr9 Riemann-Integral für Funktionen einer Variablen
9 Riemnn-Integrl für Funktionen einer Vriblen Integrl = (orientierte) Fläche zwischen Funktion f : r, bs Ñ R und der x-achse «ř n px n x n 1 qf pξ n q mit Zwischenpunkten ξ n P rx n 1, x n s x n 1 x n
MehrLogarithmen und Logarithmengesetze
R. Brinkmnn http://brinkmnn-du.de Seite 9.. Logrithmen und Logrithmengesetze Wir betrhten die Gleihung 5 = 5 Auf der linken Seite steht eine Potenz mit der Bsis 5 und dem Eponenten. Auf der rehten Seite
MehrJavakurs FSS Lehrstuhl Stuckenschmidt. Tag 3 - Objektorientierung
Javakurs FSS 2012 Lehrstuhl Stuckenschmidt Tag 3 - Objektorientierung Warum Objektorientierung Daten und Funktionen möglichst eng koppeln und nach außen kapseln Komplexität der Software besser modellieren
MehrEinführung in die Stochastik 6. Übungsblatt
Einführung in die Stochastik 6. Übungsblatt Fachbereich Mathematik SS M. Kohler 3. Mai A. Fromkorth D. Furer Gruppen und Hausübung Aufgabe (a) Die Wahrscheinlichkeit, dass eine S Bahn Verspätung hat, betrage.3.
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
MehrChapter 1 : þÿ b e t a t h o m e Z i t a t b a y e r n c h a p t e r
Chapter 1 : þÿ b e t a t h o m e Z i t a t b a y e r n c h a p t e r þÿ 2 8. O k t. 2 0 1 2 D a s b e s t e P r e i s - L e i s t u n g s - V e r h ä l t n i s : S i e g e r B e s t C a r s 2 0 1 2, «A
MehrGetriebe und Übersetzungen Übungsaufgaben
Gewereshule Lörrh Getriee und Üersetzungen Üungsufgen Quelle: Ai-Prüfungen des Lndes Bden-Württeerg 1 HP 1996/97-1 Shiffsufzug Bei der Bergfhrt uss von jeder Motor-Getrieeeinheit eine Krftdifferenz von
MehrG2 Grundlagen der Vektorrechnung
G Grundlgen der Vektorrechnung G Grundlgen der Vektorrechnung G. Die Vektorräume R und R Vektoren Beispiel: Physiklische Größen wie Krft und Geschwindigkeit werden nicht nur durch ihre Mßzhl und ihre Einheit,
Mehr3 Prädikatenlogik der 1. Stufe (PL1) Teil I
3 Prädikatenlogik der 1. Stufe (PL1) Teil I 3.3 Quantoren [ Gamut 70-74 McCawley 23-44 Chierchia 113-117 ]? Sind folgende Sätze jeweils synonym? (1) (a) Hans ist verheiratet oder nicht verheiratet. (b)
MehrGebrochenrationale Funktionen (Einführung)
Gebrochenrtionle Funktionen (Einführung) Ac Eine gebrochenrtionle Funktion R ist von der Form R(x) P(x) und Q(x) gnzrtionle Funktionen n-ten Grdes sind. P(x) Q(x), wobei Im Allgemeinen ht eine gebrochenrtionle
MehrGrundwissen Mathematik 8.Klasse Gymnasium SOB. Darstellung im Koordinatensystem: Der Kreisumfang ist direkt proportional zu seinem Radius.
Gymso 1 Grundwissen Mthemtik 8.Klsse Gymnsium SOB 1.Funktionle Zusmmenhänge 1.1.Proportionlität Ändern sih ei einer Zuordnung die eiden Größen im gleihen Verhältnis, so spriht mn von einer direkten Proportionlität.
MehrF-Logic - Einblick und Vergleich mit Prolog
F-Logic - Einblick und Vergleich mit Prolog Stefan Clepce 26. Jan. 2005 (überarbeitete Fassung des Vortrags am 17. Jan. 2005) Horn Klauseln: Klauseln (Disjunktionen von Literalen) mit höchstens einem positiven
Mehr2. Landeswettbewerb Mathematik Bayern 2. Runde 1999/2000
Lndeswettewer Mthemtik Bern Runde 999/000 Aufge Ein Würfel wird durh je einen Shnitt rllel zur order-, Seiten und Dekflähe in ht Quder zerlegt (siehe Skizze) Können sih die Ruminhlte dieser Quder wie :
MehrDie Begrenzung der Beschleunigung und ihre Folgen Die Herleitung der relativistischen Kraftgesetze
Rolnd Meissner Bodestrße 7, D-06122 Hlle, E-Mil: rolndmeissner@gmx.de Die Begrenzung der Beschleunigung und ihre Folgen Die Herleitung der reltivistischen Krftgesetze Abstrct The reltivistic term of Force
Mehrvollständig (Vervollständigung) deterministisch, DFA (Potenzmengenkonstruktion) Minimalautomat: minimaler vollständiger DFA
Ws isher geschh NFA A = (X, Q, δ, I, F ) vollständig (Vervollständigung) deterministisch, DFA (Potenzmengenkonstruktion) Minimlutomt: minimler vollständiger DFA Für jede Sprche L X sind die folgenden Aussgen
MehrDas kleine 9er-Einmaleins mit den 10 Fingern lernen.
Ws? Multiplizieren 9er-Finger-Einmleins Wozu? Ds kleine 9er-Einmleins mit den 10 Fingern lernen. 1. Beide Hände mit usgestrekten Fingern zeigen nh oen. 2. Die Dumen zeigen nh ußen (Hndflähen zum Gesiht).
MehrVII. Folgen und Reihen von Funktionen (Vertauschung von Grenzprozessen)
VII. Folgen und Reihen von Funktionen (Vertuschung von Grenzprozessen) Definition. Sei {f n } eine Folge von Funktionen, die uf einer Menge E definiert sind. Die Folgen der Funktionswerte {f n (x)} seien
MehrMultiplikative Inverse
Multipliktive Inverse Ein Streifzug durch ds Bruchrechnen in Restklssen von Yimin Ge, Jänner 2006 Viele Leute hben Probleme dbei, Brüche und Restklssen unter einen Hut zu bringen. Dieser kurze Aufstz soll
MehrSie das Gerät aus und überprüfen Sie den Lieferumfang. Netzkabel. Trägerbogen/Plastikkarten-Trägerbogen DVD-ROM
Instlltionsnleitung Hier eginnen ADS-2100 Lesen Sie zuerst die Produkt-Siherheitshinweise, evor Sie ds Gerät einrihten. Lesen Sie dnn diese Instlltionsnleitung zur korrekten Einrihtung und Instlltion.
MehrInformatik III Wintersemester 2016/17. Aufgabenblatt 4
Informatik III Wintersemester 2016/17 Universität Augsburg Prof. Dr. W. Vogler Moritz Laudahn, M.S. Aufgabe 1 Aufgabenblatt 4 Geben Sie einen Entsheidungsbaum für das im Skript beshriebene Insertion Sort
MehrGESTRA SPECTORcom-Gateway. Kessel- und Brennersteuerung Durch das Intranet, Internet oder GSM-Netz ins Kesselhaus
GESTRA -Gtewy - un steuerung Durh s Intrnet, oer GSM-Netz ins hus Die Systemvorteile im einzelnen Mit em -Gtewy ist es GESTRA gelungen, ie Welt er steuerung mit er er Wsserseite zu verinen. Ein kleines,
MehrSymmetrische Polynome,Diskriminante und Resultante, Fermatscher Satz für Polynome
Proseminar Lineare Algebra SS10 Symmetrische Polynome,Diskriminante und Resultante, Fermatscher Satz für Polynome Natalja Shesterina Heinrich-Heine-Universität ASymmetrische Polynome Definition 1 Sei n
MehrAusdrucksstärke von monadischem Datalog auf Bäumen
Ausdrucksstärke von monadischem Datalog auf Bäumen RWTH Aachen Seminar über Automaten für XML (WS 2005/06) 06. Dezember 2005 Druckversion Worum es geht... Aufgabe: Selektieren von Knoten in Bäumen Anfragesprache:
MehrAnalysis II WS 11/12 Serie 9 Musterlösung
Analysis II WS / Serie 9 Musterlösung Aufgabe Bestimmen Sie die kritischen Punkte und die lokalen Extrema der folgenden Funktionen f : R R: a fx, y = x + y xy b fx, y = cos x cos y Entscheiden Sie bei
Mehr1 - FortProg ist: [ ] objekt-orientiert; [ ] funktional; [ ] logisch; [ ] manchmal nicht auszuhalten
1 - FortProg ist: [ ] objekt-orientiert; [ ] funktional; [ ] logisch; [ ] manchmal nicht auszuhalten Java-1. a), e) Java-2. --- gestrichen --- Java-3. keine Antwort ist richtig Java-4. a) Java-5. a), b)
MehrPräsenz-Aufgaben = i. (a) i 15 = i 14 i = (i 2 ) 7 i = ( 1) 7 i = i i 15 = 0 + ( 1)i, i (i i) = i 1 = i i 15 = 0 + 1i,
Präsenz-Aufgben 1. 1. Schreiben Sie z in der Form z α + βi mit α,β R. Aus der Vorlesung ist beknnt: i i i 1, i 1 1 i i i i i 1 i. () i 15 i 1 i (i ) 7 i ( 1) 7 i i i 15 + ( 1)i, (b) i 15 1 i 15 () 1 i
Mehrb f(x)p(x) dx = f(ξ) 2e 2 , Hess f (2, 0) =
Es seien U R n offen und ψ : U R n stetig differenzierbr. Weiter sei f : U R zweiml stetig differenzierbr. Kennzeichnen Sie whre Aussgen mit W und flsche Aussgen mit F. F Flls dψ(x) ein Isomorphismus für
MehrChapter 1 : þÿ A b h e b u n g e n b e t a t h o m e c h a p t e r
Chapter 1 : þÿ A b h e b u n g e n b e t a t h o m e c h a p t e r þÿ i c h? H a b e n S i e b e i u n s e i n e G e p ä c k v e r s i c h e r u n g a b g e s c h l o s s e n, b i t t e n w i r S i e,.
MehrChapter 1 : þÿ b e t a t h o m e s y s t e m w e t t e c h a p t e r
Chapter 1 : þÿ b e t a t h o m e s y s t e m w e t t e c h a p t e r þÿ h ä n g t v o n d e r S t r a h l e n a r t u n d v o n d e r e n E n e r g i e a b. S i e l i e g t f ü r A l p h a s t r a h l
MehrDer Punkt von Fermat 1
Der Punkt von Fermat 1 Geometrie Der Punkt von Fermat Autor: Peter Andree Inhaltsverzeichnis 9 Der Punkt von Fermat 1 9.1 Die Aufgabe von Fermat an Torricelli................... 1 9.2 Der klassische, analytische
MehrTypisierung von semistrukturierten Daten. Steffen Staab ISWeb Informationssysteme & Semantic Web
Typisierung von semistrukturierten Daten Typisierung von semistrukturierten Daten Idee: Strukturieren und Typisieren von semistrukturierte Daten. Zwei einfache Formalismen basierend auf: Logik Graphensimulation
MehrStudienbegleitende Prüfung Modul 12 Anorganisch-Chemisches Grundpraktikum SS Niederschlag von CuS Niederschlag von PbS
Studienbegleitende Prüfung Modul 1 Anorganish-Chemishes Grundpraktikum SS 003.09.003 Name: Vorname: Matrikelnummer: Fahsemester: Punkte: Note: Frage 1 Was geshieht, wenn Sie Lösungen folgender Kationen
MehrRWTH Aachen Lehrgebiet Theoretische Informatik Rossmanith Dreier Hark Kuinke. SS 2017 Blatt
RWTH Achen Lehrgeiet Theoretische Informtik Rossmnith Dreier Hrk Kuinke SS 2017 Bltt 4 22.5.2017 Lösungsvorschlg zur Vorlesung Formle Sprchen, Automten und Prozesse Aufge T11 1. L, d L, er / L. L, d für
MehrLogik-Grundlagen. Syntax der Prädikatenlogik
Logik-Grundlagen X 1 :...: X k : ( A 1 A 2... A m B 1 B 2... B n ) Logische und funktionale Programmierung - Universität Potsdam - M. Thomas - Prädikatenlogik III.1 Syntax der Prädikatenlogik Prädikat:
Mehr( ) ( 1) ( ) ( ) ( ) S ( 1;1) a () 1 1. Analysis Ableitungen: x x. Berechnung der Koeffizienten: b = ( ) Gleichung der Tangenten t:
Lösungen Abiur Leisungskurs Mhemik www.mhe-schule.de Seie von 9 P Anlysis = R, ² k.. p = + b+, b, R Ableiungen: k' ( ) = = p' = + b Berechnung der Koeffizienen: ; p =.. S : () p' () k' () + b + = b= =
MehrKlausur Formale Systeme Fakultät für Informatik 2. Klausur zum WS 2010/2011
Fakultät für Informatik 2. Klausur zum WS 2010/2011 Prof. Dr. Bernhard Beckert 08. April 2011 Vorname: Matrikel-Nr.: Platz: Klausur-ID: **Platz** **Id** Die Bearbeitungszeit beträgt 60 Minuten. A1 (17)
Mehr9 Das Riemannsche Integral
1 9 Ds Riemnnsche Integrl 9.1 Definition und Beispiele Sei I = [, ] R mit
Mehr4.1 Motivation. Theorie der Informatik. Theorie der Informatik. 4.1 Motivation. 4.2 Syntax der Prädikatenlogik. 4.3 Semantik der Prädikatenlogik
Theorie der Informatik 3. März 2014 4. Prädikatenlogik I Theorie der Informatik 4. Prädikatenlogik I 4.1 Motivation Malte Helmert Gabriele Röger 4.2 Syntax der Prädikatenlogik Universität Basel 3. März
MehrUnterrichtsmaterialien in digitaler und in gedruckter Form. Auszug aus: Flächenberechnung - Umfang und Fläche von Rechteck und Quadrat
Unterrichtsmterilien in digitler und in gedruckter Form Auszug us: Flächenberechnung - Umfng und Fläche von Rechteck und Qudrt Ds komplette Mteril finden Sie hier: Downlod bei School-Scout.de Inhltsverzeichnis
Mehr10. Riemannsche Geometrie I: Riemannsche Metrik. Variable Bilinearformen.
10. Riemnnsche Geometrie I: Riemnnsche Metrik Wir können in der hyperbolischen Geometrie noch nicht wirklich messen. Hierfür bruchen wir ein Riemnnsches Längen- und Winkelmß, d.h. eine Riemnnsche Geometrie.
MehrDas Relationale Modell
Kapitel 3 Das Relationale Modell 1 / 50 Generelle Anmerkungen Wurde in den Siebzigern von E.F.Codd entwickelt (er bekam den Turing Award dafür) Im Moment das am weitesten verbreitete Datenmodell Hat die
Mehrc dl SPiC (Teil C, SS 11) 13 Zeiger und Felder 13.1 Zeiger Einführung 13 1 Zeigervariable := Behälter für Verweise ( Adresse) Beispiel int x = 5;
Überblick: Teil C Systemnhe Softwreentwicklung Einordnung: Zeiger (Pointer) Literl: Drstellung eines Wertes 0110 0001 12 Progrmmstruktur und Module Vrible: Bezeichnung chr ; eines Dtenobjekts Behälter
MehrSpannung galvanischer Zellen (Zellspannungen)
Spnnung glvnisher Zellen (Zellspnnungen) Ziel des Versuhes Kennenlernen der Abhängigkeit der Zellspnnung von den Konzentrtionen der potenzilbestimmenden Ionen (Nernst-Gleihung). Anwendung der Zellspnnungsmessung
MehrUngleichungen. Jan Pöschko. 28. Mai Einführung
Ungleichungen Jn Pöschko 8. Mi 009 Inhltsverzeichnis Einführung. Ws sind Ungleichungen?................................. Äquivlenzumformungen..................................3 Rechnen mit Ungleichungen...............................
MehrÜbungsblatt Nr. 1. Lösungsvorschlag
Institut für Kryptogrphie und Sicherheit Prof. Dr. Jörn Müller-Qude Nico Döttling Dirk Achench Tois Nilges Vorlesung Theoretische Grundlgen der Informtik Üungsltt Nr. svorschlg Aufge (K) (4 Punkte): Semi-Thue-Systeme
MehrChapter 1 : þÿ b e t a t h o m e K u n d e n d i e n s t E - M a i l - A d r e s s e c h a p t e r
Chapter 1 : þÿ b e t a t h o m e K u n d e n d i e n s t E - M a i l - A d r e s s e c h a p t e r þÿ M a r k e t i n g a k t i o n e n u n d z a u b e r t d a b e i W e t t g u t s c h e i n e i m W e
MehrPeriodensystem. Physik und Chemie. Sprachkompendium und einfache Regeln
Periodensystem Physik und Chemie Sprachkompendium und einfache Regeln 1 Begriffe Das (neutrale) Wasserstoffatom kann völlig durchgerechnet werden. Alle anderen Atome nicht; ein dermaßen komplexes System
MehrTypengetriebene Interpretation. Semantik und Pragmatik. Typengetriebene Interpretation. Argumentstruktur und Lambda-Präfixe
Tyengetriebene Interrettion emntik und Prgmtik 29. Mi 2007 Gerhrd Jäger Regelformte bislng drei Arten von Regeln: X Y, Z:: X = Y ( Z ) X Y, Z:: X = Z ( Y ) X Y, Z, W:: X = Z ( Y )( W ) Gemeinsmkeiten:
Mehr