Intelligent Agents. Intelligent Agents. Andreas Kudenko//Andreas Skiba
|
|
- Helga Bäcker
- vor 5 Jahren
- Abrufe
Transkript
1 Intelligent Agents Andreas Kudenko//Andreas Skiba
2 Einführung Umgebungen Intelligente Agenten und ihre Eigenschaften Agent im Vergleich zu anderen Systemen Agents and Objects Agents and Expert Systems Agents as Intentional Systems Abstrakte Architektur Perzeption / Innerer Zustand des Agenten Wie man einem Agenten sagt, was zu tun ist Agentensynthese
3 Einführung Ein Agent ist ein Computer System, das sich in einer Umgebung befindet und fähig ist autonome Aktionen in dieser Umgebung auszuführen um seine Ziele zu erreichen.
4 Umgebungen Erschließbare vs unerschließbare Umgebung Jederzeit Informationen über den kompletten Zustand der Umgebung Deterministische vs nicht-deterministische Umgebung Eine Aktion hat immer einen garantierten Effekt
5 Umgebungen Statische vs dynamische Umgebung Statische Umgebungen werden nur vom Agenten selbst verändert Diskrete vs kontinuierliche Umgebung In einer diskreten Umgebung gibt es eine konstante, endliche Anzahl von Aktionen
6 Intelligente Agenten und ihre Eigenschaften Reactivity auf dynamische Veränderungen reagieren Proactiveness Intelligente Agenten sollen eigeninitiativ zielgerichtetes Verhalten zeigen Social ability Intelligente Agenten sind fähig mit anderen Agenten oder Menschen zu interagieren
7 Agenten im Vergleich zu anderen Systemen Agenten und Objekte Objekte machen es kostenlos Agenten machen es weil sie es wollen Agenten und Expertensysteme Expertensysteme sind in der Lage Probleme zu lösen und Ratschläge zu geben Werden nicht selbstständig aktiv
8 Agenten im Vergleich zu anderen Systemen Agenten als Systeme mit Absicht Absichtsstandpunkt Mentaler Zustand: Glaube, Bedürfnisse, Wünsche
9 Abstrakte Architektur E = {e0,e1,..} Set of states Ac = {α0,α1,..} Set of actions r : e0 e1... eu Run R, RAc, RE Set of runs Ag : RE Ac Agent
10 Abstrakte Architektur τ : R ac (E) State transformer Env = <E,e 0,τ> Environment R(Ag,Env) Systemläufe (Runs)
11 Reaktiver Agent Ag : E Ac Ag(e) Heizung an, wenn e = Temperatur zu niedrig Heizung aus, andernfalls
12 Perzeption see : E Per see function action : Per* Ac action function Ag = <see, action> Agent
13 Ein Beispiel a = Raumtemperatur ist ok b = Bernd hat Elvis gesehen e 0 = {a, b} e 1 = { a, b} e 2 = {a, b} e 3 = { a, b} see(e 1 ) = see(e 3 ) e 1 ~ e 3, also nicht unterscheidbar
14 Agent mit inneren Zustand see : E Per see function action : I Ac action function next : I Per I next function
15 Wie man einem Agenten sagt, was zu tun ist utility functions predicate task specifications task environments Achievement Tasks Maintenance Tasks
16 Tileworld als Beispiel der utility functions u(r)= Anzahl der Löcher, die in r gefüllt Anzahl der Löcher, die in r auftraten
17 Agentensynthese Ein Synthese-Algorithmus ist sound wenn ein Agent gefunden wird, der in der Umgebung erfolgreich ist complete wenn, falls ein solcher Agent existiert, dieser auch gefunden wird
18 Danke für Eure Geduld
19 Diskussion Was sind Agenten? Was zeichnet einen intelligenten Agenten aus? Was sind Umgebungen? Welche Probleme treten in einer unerschließbaren Umgebung auf? Wie sagt man einem Agenten, was er zu tun hat?
20 а здесь могла бы быть ваша реклама!
Einleitung und Intelligente Agenten MAS-Seminar - SS2008
Einleitung und Intelligente Agenten MAS-Seminar - SS2008 Daniel Kühn Dorothe Schneider Tessa-Karina Tews 17. April 2008 1 Einführung 1.1 Trends in der Geschichte der Berechnung Die Geschichte von Berechnung
MehrEinführung Intelligente Agenten
Einführung Intelligente Agenten Sara Winter, Kai Mismahl, Anja Philippsen Seminar Multiagentensysteme Universität Bielefeld 23. April 2009 Übersicht Einführung Intelligente Agenten Definition eines Agenten
MehrEinführung und Intelligente Agenten Vortrag vom Sara Winter, Kai Mismahl, Anja Philippsen
Einführung und Intelligente Agenten Vortrag vom 23. 4. 2009 Sara Winter, Kai Mismahl, Anja Philippsen 1. Einführung 1.1 Fünf Trends - Allgegenwart (ubiquity) Chips und Computer werden fast überall eingesetzt
MehrEinführung Intelligente Agenten Vortrag vom im Seminar Agentensysteme SS 2010 Katharina Klein Kevin Fischer
1. Einführung 1.1 Fünf Trends Einführung Intelligente Agenten Vortrag vom 27.04.2010 im Seminar Agentensysteme SS 2010 Katharina Klein Kevin Fischer Ubiquität/Allgegenwärtigkeit: Die Computer werden immer
MehrAgenten. Seminar Wissensrepräsentation. Karzhaubekova, Gulshat
Agenten Seminar Wissensrepräsentation Karzhaubekova, Gulshat Inhalt Das Konzept des Agenten Abstrakte Agentenmodelle Reaktive Agenten und Schichtenarchitekturen Logikbasierte Agenten BDI-Agenten Multiagenten
MehrMultiagentensimulation im Verkehr: Eignet sich die Multiagentensimulation zur Abbildung der Verhaltensstruktur im Verkehr?
Multiagentensimulation im Verkehr: Eignet sich die Multiagentensimulation zur Abbildung der Verhaltensstruktur im Verkehr? Oliver Prinz Betreuer: Patrik Jochem Ausgewählte technische, rechtliche und ökonomische
MehrKünstliche Intelligenz
Künstliche Intelligenz Intelligente Agenten Claes Neuefeind Sprachliche Informationsverarbeitung Universität zu Köln 26. Oktober 2011 Agenten Konzept des Agenten Rationalität Umgebungen Struktur von Agenten
MehrSimulation als epistemologische Grundlage für intelligente Roboter
1 Simulation als epistemologische Grundlage für intelligente Roboter Andreas Tolk The MITRE Corporation Umut Durak Deutsches Zentrum für Luft- und Raumfahrt e.v. (DLR) Public Release No. 17-0085 2017 The
MehrShopBot, 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,
MehrPlanungsansätze aus der Künstlichen Intelligenz
Planungsansätze aus der Künstlichen Intelligenz Seminarvortrag Eingereicht von Betreuender Professor: Betreuender Assistent: Felix Heitbrock Matrikelnummer: 4013238 Prof. Dr.-Ing. Andreas Terstegge Dipl.-Inform.
MehrIntelligente Agenten
KI Wintersemester 2013/2014 Intelligente Agenten Grundlagen der Künstlichen Intelligenz Wintersemester 2014/2015 Marc Toussaint 2006-2014 Heidemann, Bruhn, Toussaint Überblick Überblick Agentenbegriff,
MehrGrundlagen der Künstlichen Intelligenz
Grundlagen der Künstlichen Intelligenz 4. Einführung: Umgebungen und Problemlösungsverfahren Malte Helmert Universität Basel 2. März 2015 Einführung: Überblick Kapitelüberblick Einführung: 1. Was ist Künstliche
MehrAI in Computer Games. Übersicht. Motivation. Vorteile der Spielumgebung. Techniken. Anforderungen
Übersicht AI in Computer Games Motivation Vorteile der Spielumgebung Techniken Anwendungen Zusammenfassung Motivation Vorteile der Spielumgebung Modellierung glaubwürdiger Agenten Implementierung menschlicher
Mehr1 Vom Problem zum Program
Ein Problem besteht darin, aus einer Menge von Informationen eine weitere (unbekannte) Information zu bestimmen. mathematisch: Ein Problem beschreibt eine Funktion f : E A, mit E = zulässige Eingaben und
Mehr1 Vom Problem zum Programm
1 Vom Problem zum Programm Ein Problem besteht darin, aus einer Menge von Informationen eine weitere (unbekannte) Information zu bestimmen. mathematisch: Ein Problem beschreibt eine Funktion f : E A, mit
MehrMulti-Agenten Systeme
Multi-Agenten Systeme Moderner Ansatz zur verteilten künstlichen Intelligenz Peter Brezany Institut für Softwarewissenschaften Universität Wien Allgemeines und Grundbegriffe 2 Page 1 Einführung Intelligente
Mehr3. Das Reinforcement Lernproblem
3. Das Reinforcement Lernproblem 1. Agierender Agent in der Umgebung 2. Discounted Rewards 3. Markov Eigenschaft des Zustandssignals 4. Markov sche Entscheidung 5. Werte-Funktionen und Bellman sche Optimalität
MehrSeminar Multiagentensysteme
Seminar Multiagentensysteme - Wiederholung -. Alexa Breuing Julia Fröhlich {abreuing,jfroehli}@techfak.uni-bielefeld.de Seminarliteratur Michael Wooldridge (2009): An Introduction to Multiagent Systems
MehrEinführung in die Kognitive Modellierung mit ACT-R
Einführung in die Kognitive Modellierung mit ACT-R Sven Brüssow Daniel Holt Psychologisches Institut Universität Heidelberg Wintersemester 2007/2008 24. Oktober 2007 Wiederholung Allen Newell versteht
MehrIntelligente Agenten
Intelligente Agenten Melanie Kruse 22.06.2004 Seminar Komponentenorientierte Softwareentwicklung und Hypermedia FH Dortmund SS 2004 Was sind Agenten? Agentenforscher diskutieren seit längerem: jedoch keine
MehrIntelligente Agenten
Intelligente Agenten Einige einfache Überlegungen zu Agenten und deren Interaktionsmöglichkeiten mit ihrer Umgebung. Agent benutzt: Sensoren Aktuatoren (Aktoren; Effektoren) zum Beobachten/Mess seiner
MehrReasoning and decision-making under uncertainty
Reasoning and decision-making under uncertainty 9. Vorlesung Actions, interventions and complex decisions Sebastian Ptock AG Sociable Agents Rückblick: Decision-Making A decision leads to states with values,
MehrPrädikatenlogik in der Praxis. Richard Cubek (Teil der Master Thesis, 2011)
Richard Cubek (Teil der Master Thesis, 2011 Übersicht Symbolische Repräsentationen in der KI Planning Domain Definition Language (PDDL Anwendungsbeispiel aus der Servicerobotik Symbolische Repräsentationen
Mehr2. Eigenschaften dynamischer Systeme
2. Eigenschaften dynamischer Systeme 2.1 Allgemeine Systemeigenschaften 2.1.1 Signale 2.1.2 Systeme Definition: System Ein System ist ein natürliches oder künstliches Gebilde. Es kann Eingangs-Signale
MehrThema. Intelligente Agenten im Web
Thema Intelligente Agenten im Web Einführendes Beispiel Suchmaschine Probleme: - Immer mehr falsche Informationen - Anwender werden überfordert - Zeitaufwand erhöht sich - Zunehmendes Sicherheitsrisiko
MehrPractical Reasoning Agents Multiagentensysteme und intelligente Agenten // SS2006
Practical Reasoning Practical Reasoning ist gleichbedeutend mit deliberation und means-ends-reasoning. Im Gegensatz zum Theoretcial Reasoning, das einzig meinen Glauben über die Welt beeinflusst, läuft
MehrKlausur Grundlagen der Programmierung
Klausur Grundlagen der Programmierung Aufgabenstellung: Martin Schultheiß Erreichte Punktzahl: von 60 Note: Allgemeine Hinweise: Schreiben Sie bitte Ihren Namen auf jedes der Blätter Zugelassene Hilfsmittel
MehrReinforcement Learning
Reinforcement Learning 1. Allgemein Reinforcement Learning 2. Neuronales Netz als Bewertungsfunktion 3. Neuronales Netz als Reinforcement Learning Nils-Olaf Bösch 1 Allgemein Reinforcement Learning Unterschied
MehrAngewandte Mathematik am Rechner 1
Angewandte Mathematik am Rechner 1 SOMMERSEMESTER 2017 Kapitel 3 [Bildquellen: Wikipedia User David Madore, Inductiveload ] Grundlagen 2: Funktionen, Berechenbarkeit und emergente Komplexität Michael Wand
Mehr(7)
1 3 0 11(7) 2004 0 2 0 9 0 2 0 3 0 5 0 6 0 0 0 3 0 1 0 1 0 2-0 3 0 2 0 9 0 6 0 6 0 6 а 0 3 0 5 0 8 0 6 0 7 0 4 0 7 0 4 0 1 0 8 0 9 0 1 0 8 0 6 0 2 0 8 0 5 0 9 0 6 0 1 0 4, 0 9 0 9 0 9 0 2! 0 1 0 2 0 8
MehrPlanungsstrategien. Sven Tollmien WI 5011
Planungsstrategien Sven Tollmien WI 5011 Agenda Einleitung Grundlagen der Planung Klassische Planung STRIPS Regression Planbasiertes Planen POP Algorithmus Graphenbasiertes Planen Vergleich/Fazit Einleitung
MehrFACHHOCHSCHULE MANNHEIM
Objektorientierte Programmierung 3. Vorlesung Prof. Dr. Peter Knauber FACHHOCHSCHULE MANNHEIM Hochschule für Technik und Gestaltung Wiederholung: Begriffsübersicht Strukturierte vs. objektorientierte Programmierung
MehrVirtueller Campus. Virtueller Campus Horw mit interaktiver Steuerung. HowTo: Scripting-Komponente in Betrieb nehmen
Virtueller Campus Virtueller Campus Horw mit interaktiver Steuerung Bachelor Diplomarbeit FS 2013 Inhaltsverzeichnis 1. EINLEITUNG... 1 2. SCRIPTING-KOMPONENTE AUF SERVER INSTALLIEREN... 1 3. JDK RICHTIG
MehrSituated Reference in a Hybrid Human-Robot Interaction System
Situated Reference in a Hybrid Human-Robot Interaction System M. Giuliani et al. 2010 vorgetragen von Bernadett Smolibocki Überblick Mensch-Roboter-Dialogsysteme Referenzgenerierung Experiment (Evaluation)
Mehrauf einer Suche basierender problemlösender Agent (Kapitel 3) logischer Planungsagent (Kapitel 10)
11 Planen Zentrale Fragestellung: Wie kann ein Agent die Struktur eines Problems nutzen, um komplexe Aktionspläne zu konstruieren? Bisher zwei Beispiele für planende Agenten: auf einer Suche basierender
MehrGrundlagen der Objektmodellierung
Grundlagen der Objektmodellierung Daniel Göhring 30.10.2006 Gliederung Grundlagen der Wahrscheinlichkeitsrechnung Begriffe zur Umweltmodellierung Bayesfilter Zusammenfassung Grundlagen der Wahrscheinlichkeitsrechnung
MehrDeductive Reasoning Agents
Deductive Reasoning Agents Ein Vortrag von Stefan Wilsky & Jaana Korte 19. April 2007 - Seminar Multiagentensysteme Universität Bielefeld Uridee der KI: Man gibt einem System Symbolische Repräsentation
MehrGraph-basierte Modellierung in Software-Werkzeugen
Graph-basierte Modellierung in Software-Werkzeugen 1 Inhalt Einleitung Modellierung mit Graphen Modellierung mit Graphklassen (Schemata und Constraints) Implementation von Graphen (Algorithmen und Anfragen)
Mehr1. Einführung in Temporallogik CTL
1. Einführung in Temporallogik CTL Temporallogik dient dazu, Aussagen über Abläufe über die Zeit auszudrücken und zu beweisen. Zeit wird in den hier zunächst behandelten Logiken als diskret angenommen
MehrDeductive Reasoning Agents Multiagentensysteme Sebastian Schuhmacher, Ruth Engel
Deductive Reasoning Agents 30.04.2009 Multiagentensysteme Sebastian Schuhmacher, Ruth Engel Inhalt Einführung in das Kapitel Agenten als Theorem Provers (Theorembeweiser) Agenten-Orientierte Programmierung
MehrArt & Architecture Thesaurus (AAT) Erarbeitung einer deutschen Fassung. Axel Ermert, Jutta Lindenthal Fachgruppe Dokumentation
Art & Architecture Thesaurus (AAT) Erarbeitung einer deutschen Fassung - 1 - AAT ist ein kontrolliertes und strukturiertes Vokabular (entsprechend der ISO Definition für einen Thesaurus) - er ist polyhierarchisch,
MehrIntelligente, Universelle Agenten. Michael Thielscher. Institut Künstliche Intelligenz
Intelligente, Universelle Agenten Michael Thielscher Institut Künstliche Intelligenz Intelligente Agenten Ein Agent nimmt seine Umgebung wahr (mittels Sensoren) agiert in seiner Umgebung (mittels Effektoren)
MehrII.4.5 Generische Datentypen - 1 -
1. Unterklassen und Vererbung 2. Abstrakte Klassen und Interfaces 3. Modularität und Pakete 4. Ausnahmen (Exceptions) 5. Generische Datentypen 6. Collections II.4.5 Generische Datentypen - 1 - Ähnliche
MehrGrundlagen der Künstlichen Intelligenz
Grundlagen der Künstlichen Intelligenz 2. Agenten, Umgebungen und Lösungsverfahren Malte Helmert Universität Basel 4. März 2013 Rationale Agenten Heterogene Einsatzgebiete KI-Systeme erfüllen sehr unterschiedliche
MehrSystemarchitektur. Das Eisenbahnsystem. Theoretische Grundlagen zum Seminar im Grundstudium Sprachgesteuerte Geräte (Modelleisenbahn) Alexander Huber
Systemarchitektur Theoretische Grundlagen zum Seminar im Grundstudium Sprachgesteuerte Geräte (Modelleisenbahn) Alexander Huber 1 Das Eisenbahnsystem 2 1 Was ist ein Agent? Carl Hewitt, DAI-Workshop 1994:
MehrErzeugung von Zufallszahlen mit RANUNI()
News Artikel Foren Projekte Links Über Redscope Join List Random Previous Next Startseite Foren Allgemeine Fragen zu SAS Erzeugung von Zufallszahlen mit RANUNI() 20 March, 2007-11:10 ido123 Sehr geehrte
Mehr: (812)
1 3 0 8. 0 6. 0 8 0 8 0 6 0 7 0 7. 0 0 0 5 0 5 0 8 0 5 0 4 : 0 1 0 2 0 6 0 5 0 6 0 0 0 7 0 7 0 6 0 5... 53 0 8. 0 6. 0 8 0 8 0 6 0 7 0 7 0 0 0 7 0 9 0 5 0 6 0 6 0 8 0 7 0 9 0 5 0 6 0 7 0 4 0 8 0 9 0 6
MehrMultiagentensysteme. Zusammenfassung Wiederholung. Hana Boukricha, Ipke Wachsmuth Sommersemester 2008
Multiagentensysteme Zusammenfassung Wiederholung Hana Boukricha, Ipke Wachsmuth {hboukric,ipke}@techfak.uni-bielefeld.de Sommersemester 2008 1 Intelligent Agents Kapitel 2 2 Allgemeine Definition eines
MehrProgrammieren in Java -Eingangstest-
Programmieren in Java -Eingangstest- Nummer: 1. Studiengang: Informatik B.Sc. Informatik M.Sc. ESE B.Sc. ESE M.Sc. Sonstiges: Fachsemester: Bitte Fragen, die Sie nicht beantworten können unbedingt mit
MehrBedienungsanleitung. User Manual
Bedienungsanleitung Seite: -3 User Manual LightmaXX 5ive STAR LED LIG0009669-000 Page: 4-5 Lieber Kunde, vielen Dank das Sie sich für ein Produkt von LightmaXX entschieden haben. In der folgenden Anleitung
MehrAutomatentheorie und formale Sprachen endliche Automaten
Automatentheorie und formale Sprachen endliche Automaten Dozentin: Wiebke Petersen 13.5.2009 Wiebke Petersen Automatentheorie und formale Sprachen - SoSe09 1 What we know so far about formal languages
MehrAbschnitt 10: Datenstrukturen
Abschnitt 10: Datenstrukturen 10. Datenstrukturen 10.1Einleitung 10.2 Peer Kröger (LMU München) Einführung in die Programmierung WS 16/17 829 / 867 Einleitung Überblick 10. Datenstrukturen 10.1Einleitung
MehrRationale Agenten Rationalität
Rationale Agenten Rationalität des Agentenverhaltens hängt ab von Performanzmaß (auf dem Ergebnis der Agentenfunktion) vorgegebenem Wissen des Agenten über die Umgebung ausführbaren Aktionen aktueller
MehrReaktive und Hybride Agenten
Reaktive und Hybride Agenten Seminar: Multiagentensysteme SS07 Veranstalter: Prof. Dr. Ipke Wachsmuth Dipl. Inform. Kirsten Bergmann Vortrag von Daniel Nagel und Alexander Wecker 03.05.2007 Mars Vortrag
MehrModellbildungsmethoden
Modellbildungsmethoden Ansätze, Entwicklung, Parametrisierung In-House-Seminar, 24.11.2011 Patrick Einzinger Warum ist das überhaupt interessant? Valide Modelle müssen die für eine Problemstellung wichtigen
MehrDeductive Reasoning Agents. Roland Krumme & Florian Schulze
Deductive Reasoning Agents Roland Krumme & Florian Schulze Inhalt Was ist ein Deductive Reasoning Agent? Hauptprobleme Deliberate Agents Staubsauger Welt Agent Oriented Programming Agent0 Concurrent MetateM
MehrSpezialisierte adaptive Algorithmen für die Modellprädiktive Regelung von PDEs
Spezialisierte adaptive Algorithmen für die Modellprädiktive Regelung von PDEs Lehrstuhl für Angewandte Mathematik Mathematisches Institut Universität Bayreuth 28.02.2018 12. Elgersburg Workshop (26.02.
MehrMultiagent Interactions
Multiagent Interactions Ein Vortrag von: Rhena Möller und Svenja Heitländer Für das Seminar Multiagentensysteme SS09 Inhalt Einleitung Was ist Interaktion und wie funktioniert sie? Anwendungen Utility
MehrFakultät Informatik» Institut für Angewandte Informatik» Lehrstuhl für Technische Informationssysteme. Agentensysteme in der Automation
Fakultät Informatik» Institut für Angewandte Informatik» Lehrstuhl für Technische Informationssysteme Agentensysteme in der Automation Mike Gißrau Hauptseminar Technische Informationssysteme 20.06.2008
MehrAutonomes Kreuzungsmanagement für Kraftfahrzeuge
Autonomes Kreuzungsmanagement für Kraftfahrzeuge Trajektorienplanung mittels Dynamischer Programmierung Torsten Bruns, Ansgar Trächtler AUTOREG 2008 / Baden-Baden / 13.02.2008 Szenario Kreuzungsmanagement
MehrKonzeption und Implementierung eines Datenbank-Agenten für die Bereitstellung von Daten aus dem Verkehr
Konzeption und Implementierung eines Datenbank-Agenten für die Bereitstellung von Daten aus dem Verkehr Andreas Walter, Universität Karlsruhe Studienarbeit am IPD Seite 1 Szenario 2. Anfrage an OVID-Netz
MehrHF-Entwurf mit Verifikation auf Systemebene am Beispiel eines Direct Conversion Receivers für W-CDMA Anwendungen
HF-Entwurf mit Verifikation auf Systemebene am Beispiel eines Direct Conversion Receivers für W-CDMA Anwendungen Dr. Jürgen Hartung, Cadence Design Systems GmbH Uwe Knöchel, FhG - IIS Dresden Cadence Design
MehrDiskrete Ereignis Simulation. Proseminar: Algorithmen der Verkehrssimulation Jörg Blank
Diskrete Ereignis Simulation Proseminar: Algorithmen der Verkehrssimulation Jörg Blank Definitionen zeitdiskrete Simulation System: Auschnitt der Realität Ereignis: Zustandsänderungen in Systemen Simulation:
MehrGenerizität, Abstraktion, Rekursion
Kapitel 17 Generizität, Abstraktion, Rekursion 17.1 Generische Klassen Fragen: was ist der Typ einer generischen Klasse? Kann man zwischen generischen Klassen Vererbung definieren? Kann man zwischen generischen
MehrSoftware Engineering
Software Engineering Gustav Pomberger, Wolfgang Pree Architektur-Design und Prozessorientierung ISBN 3-446-22429-7 Weitere Informationen oder Bestellungen unter http://www.hanser.de/3-446-22429-7 sowie
Mehr3.1 Agenten. Grundlagen der Künstlichen Intelligenz. 3.1 Agenten. 3.2 Rationalität. 3.3 Zusammenfassung. Einführung: Überblick
Grundlagen der Künstlichen Intelligenz 2. März 2015 3. Einführung: Rationale Agenten Grundlagen der Künstlichen Intelligenz 3. Einführung: Rationale Agenten 3.1 Agenten Malte Helmert Universität Basel
MehrDiskrete Strukturen. Chair for Foundations of Software Reliability and Theoretical Computer Science Technische Universität München
Diskrete Strukturen c Javier Esparza und Michael Luttenberger Chair for Foundations of Software Reliability and Theoretical Computer Science Technische Universität München Montag 16 Oktober, 2017 p.2 Was
MehrEinführung in die Multiagentensimulation
Einführung in die Multiagentensimulation Seminararbeit Seminar Virtuelles Labor Von: Marko Rieche Betreuer: Benjamin Rauch-Gebbensleben Gliederung 1 Abstract 2 2 Einleitung 2 3 Grundlagen der Agententechnologie
MehrPreservation Planning im Kontext des EU-Projekts DURAARK
Preservation Planning im Kontext des EU-Projekts DURAARK 19. Tagung des Arbeitskreis Archivierung von Unterlagen aus digitalen Systemen Wien, 11. März 2015 Michael Panitz (LUH) Michelle Lindlar (LUH) 1
MehrDas Metamodell der UML und in FUJABA. Vortrag von Alexander Geburzi
Das Metamodell der UML und in FUJABA Vortrag von Alexander Geburzi Gliederung Metamodellierung Metamodell der UML Metamodell in FUJABA Metamodellierung - Metamodell der UML - Metamodell in FUJABA 2/20
MehrLearning to Optimize Mobile Robot Navigation Based on HTN Plans
Learning to Optimize Mobile Robot Navigation Based on HTN Plans lernen Betreuer: Freek Stulp Hauptseminar Intelligente Autonome Systeme (WiSe 2004/05) Forschungs- und Lehreinheit Informatik IX 8. Dezember
MehrReaktive und Hybride Agenten
Reaktive und Hybride Agenten Seminar: Agentensysteme SS10 Jens Wittrowski (jens.wittrowski@uni-bielefeld.de) Einleitung / Motivation Probleme mit Agenten, welche eine symbolische / logische Repräsentation
MehrKybernetik Intelligent Agents- Decision Making
Kybernetik Intelligent Agents- Decision Making Mohamed Oubbati Institut für Neuroinformatik Tel.: (+49) 731 / 50 24153 mohamed.oubbati@uni-ulm.de 03. 07. 2012 Intelligent Agents Environment Agent Intelligent
MehrINSPIRE Stand der Arbeit
INSPIRE Stand der Arbeit Ziele, Inhalte, Zeitplan, Auswirkungen auf CH a short reminder Stand der Arbeiten Anstehende Arbeiten Aktivitäten der Schweiz Weitere Informationen André Bernath Experte im INSPIRE
MehrFreie Elektronen bilden ein Elektronengas. Feste positive Aluminiumionen. Abb. 1.1: Metallbindung: Feste Atomrümpfe und freie Valenzelektronen
1 Grundlagen 1.1 Leiter Nichtleiter Halbleiter 1.1.1 Leiter Leiter sind generell Stoffe, die die Eigenschaft haben verschiedene arten weiterzuleiten. Im Folgenden steht dabei die Leitfähigkeit des elektrischen
MehrReinforcement Learning
Universität Potsdam Institut für Informatik Lehrstuhl Maschinelles Lernen Reinforcement Learning Uwe Dick Inhalt Problemstellungen Beispiele Markov Decision Processes Planen vollständige MDPs Lernen unbekannte
MehrStochastische dynamische Optimierung
Bisher: Neuer Zustand s 0 auf Stufe n +1istdurchaltenZustands auf Stufe n und Aktion a eindeutig bestimmt. s 0 = z n (s, a) Jetzt: Neuer Zustand s 0 ist zusätzlich vom Zufall abhängig. Genauer: Zufallsvariable,
MehrAgentenbasiertes e-learning
Agentenbasiertes e-learning Thema: Agenten in Intelligent Tutoring Systems (ITS) Präsentiert von: Malik Djaafri 30.01.2008 1 Agenten in Intelligent Tutoring Systems (ITS) ITS. Intelligente Agenten. Eigenschaften
MehrObjektorientierte Programmierung VL: Prof. Dr. Marco Block-Berlitz - Freie Universität Berlin Proinformatik III
Objektorientierte Programmierung VL: Prof. Dr. Marco Block-Berlitz - Freie Universität Berlin Proinformatik III Text: Hinnerk van Bruinehsen - Grafiken: Jens Fischer powered by SDS.mint SoSe 2011 1 Teil
Mehr8 Design Patterns. Events
8 Design Patterns. Events Jörn Loviscach Versionsstand: 28. März 2015, 19:13 Die nummerierten Felder sind absichtlich leer, zum Ausfüllen beim Ansehen der Videos: http://www.j3l7h.de/videos.html This work
MehrAlgorithmen für Computerspiele
Algorithmen für Computerspiele Künstliche Intelligenz von Manuel Bischof 3. Mai 2010 Gliederung Einleitung Was umfasst die KI? Nutzung in verschiedenen Genres Wo sind Verbesserungen notwendig? Möglichkeiten,
MehrJava: Kapitel 1. Überblick. Programmentwicklung WS 2008/2009. Holger Röder Holger Röder
Java: Kapitel 1 Überblick Programmentwicklung WS 2008/2009 Holger Röder holger.roeder@informatik.uni-stuttgart.de Was ist Java? Die Java-Technologie umfasst die Programmiersprache Java sowie die Java-Plattform
MehrSimulationsmodelle im Gebäudesektor
Simulationsmodelle im Gebäudesektor Christoph Baldow 5. Juli 2012 Christoph Baldow Simulationsmodelle im Gebäudesektor 1 / 30 1 Motivation 2 Simulation im Gebäudesektor statische vs. dynamische Modelle
MehrWie man eine Sprache versteht
Aufzählbarkeit Formale Grundlagen der Informatik 1 Kapitel 10 Aufzählbarkeit und (Un-)Entscheidbarkeit Frank Heitmann heitmann@informatik.uni-hamburg.de 11. Mai 2015 Definition 1 Eine Menge M Σ heißt (rekursiv)
MehrDynamic Programming. To compute optimal policies in a perfect model of the environment as a Markov decision process.
Dynamic Programming To compute optimal policies in a perfect model of the environment as a Markov decision process. 1. Dynamic Programming Algorithmen die Teilergebnisse speichern und zur Lösung des Problems
MehrOLConnector Programmierung
Das Vorgehen, um Outlook zu automatisieren, unterscheidet sich mit dem nur geringfügig vom üblicherweise dafür eingesetzten. Um irgendwelche Aktionen ausführen zu können, benötigt man die laufende Instanz
MehrReaktive Medien / Generative Kunst. Muthesius Kunsthochschule - DM/I Christian Engler -
Christian Engler - ce@muthesius.de Definition Christian Engler - ce@muthesius.de Reaktive Medien + Umsetzung von medialen, interaktiven Lösungen + Synergie Effekte zwischen Kunst, Neuen Medien, Technologie
MehrSoftware-Entwurfsmuster (weitere) A01 OOP. Software-Entwurfsmuster (weitere)
2014-01-08 Software-Entwurfsmuster (weitere) 1 185.A01 OOP Software-Entwurfsmuster (weitere) 2014-01-08 Software-Entwurfsmuster (weitere) 2 OOP Vererbung versus Delegation class A { public void x() { z();
MehrIndustrie 4.0. Sensoren, Regler und Antriebe für Ihre Produktionskette, ausgestattet mit hochmoderner Technik!
Industrie 4.0 Sensoren, Regler und Antriebe für Ihre Produktionskette, ausgestattet mit hochmoderner Technik! Die Zukunft wird smart Smart Operations Intelligente Prozesse Smart Network Horizontale und
MehrPractical Reasoning Agents
Practical Reasoning Agents Multiagentensysteme Sommersemester 09 Sabine Klein und Hugo 1. Practical Reasoning 1.1 Definition Practical Reasoning 1.2 Unterschied Means Ends Reasoning / Deliberation 1.3
MehrEinfluss externer multipler und dynamischer Repräsentationen auf Schülerargumentationen
Einfluss externer multipler und dynamischer Repräsentationen auf Schülerargumentationen 11.03.2014 Andreas Bauer Tagung der Gesellschaft für Didaktik der Mathematik in Koblenz Was ist eine Repräsentation?
Mehr, ,
1 3 0 5 0 6 0 8 0 6 0 5 0 6 0 1 0 8 0 0 0 8 0 8 0 1 0 8 0 1 0 0 0 2 0 8 0 2 0 8 0 0 0 6 0 1 0 2 0 8 0 1 0 5 0 2 0 8 0 0 0 5 0 7 0 6 0 1 0 9 0 9 0 6 0 9 0 4 0 1 0 8 0 2 0 7 0 8 0 2 0 9 0 9 0 9 0 5 0 5 0
MehrSteuerungsarchitektur für Multi-Roboter Kooperation
Steuerungsarchitektur für Multi-Roboter Kooperation ALLIANCE: An Architecture for Fault Tolerant Multi-Robot Cooperation Lynne E. Parker Referent: S 31.01.2005 Übersicht Architekturen zur Kooperation ALLIANCE
MehrCompilerbau für die Common Language Run-Time
Compilerbau für die Common Language Run-Time Syntax und Semantik von Programmiersprachen 2 Compilerbau Sprachbeschreibung vs. Implementierung Beschreibung: formale oder informale (engl.) Lexik, Syntax,
MehrDas ist tatsächlich ganz einfach: Willkommen bei Homematic IP.
Ihre individuelle Wohlfühltemperatur vorfinden, wenn Sie nach Hause kommen ohne sinnlos zu heizen, wenn niemand daheim ist? Die Heizleistung automatisch reduzieren, wenn Sie auf einen Wand Taster drücken?
MehrWissensbasierte Systeme. Inhalt Logikbasierte Agenten. Zeit, Raum & der ganze Rest. Michael Beetz Technische Universität München
Zeit, Raum & der ganze Rest Michael Beetz Technische Universität München Wintersemester 2004/05 Inhalt 8.1.1. Logikbasierte Agenten 8.1 Logische Agenten für die WUMPUS-Welt 8.2 Situationskalkül 8.3 Das
Mehr11. Berechnungen aus der Regelungstechnik
1 11. Berechnungen aus der Regelungstechnik 11.1 P-Regler nullter, erster, zweiter oder höherer Ordnung Die Sprungantwort eines P-Reglers kann unterschiedlich ausfallen. Je nach Verlauf (Bild 11-1) spricht
Mehr8 Port Unmanaged Industrieller Gigabit Power over Ethernet Switch af/at PoE - Wandmontage
8 Port Unmanaged Industrieller Gigabit Power over Ethernet Switch - 802.3af/at PoE - Wandmontage Product ID: IES81000POE Mit dem IES81000POE 8-Port Gigabit Power over Ethernet-Switch können Sie Gigabit
MehrSeminar Künstliche Intelligenz Wintersemester 2013/14
Seminar Künstliche Intelligenz Wintersemester 2013/14 Martin Hacker Richard Schaller Künstliche Intelligenz Department Informatik FAU Erlangen-Nürnberg 31.10.2013 2 / 13 Überblick Teilgebiete der KI Problemlösen,
Mehr