Nicht-Standard Inferenzdienste. Least Common Subsumer (kleinster gemeinsame Subsumer) Berechnung des lcs. Most Specific Concept (speziellste Konzept)

Save this PDF as:
 WORD  PNG  TXT  JPG

Größe: px
Ab Seite anzeigen:

Download "Nicht-Standard Inferenzdienste. Least Common Subsumer (kleinster gemeinsame Subsumer) Berechnung des lcs. Most Specific Concept (speziellste Konzept)"

Transkript

1 Nicht-Standard Inferenzdienste Motivation: Standard-Dienste wie die Berechnung der TBox-Subsumtionshierarchie oder ABox-Konsistenz nicht für jede Situation ausreichend. Insb. (interaktive) Dienste für die Erstellung und Verfeinerung von Wissensbasen gefordert. Z. B.: Erkennung syntaktisch verschiedener Definitionen eines semantisch ähnlichen Begriffs Erzeugung/Lernen von Konzepten aus gegebenen Beispielen Vereinfachung von Ausdrücken Identifikation der Ursache einer größeren Menge von inkonsistenten Konzepten Erklärung von Schlussfolgerungen... Least Common Subsumer (kleinster gemeinsame Subsumer) Intuitiv: Der least common subsumer (lcs) einer Menge von Konzepten besteht aus einer Beschreibung der Eigenschaften, die alle Konzepte gemeinsam haben. Least Common Subsumer Sei L eine Beschreibungslogik. Eine Konzeptbeschreibung E von L ist der least common subsumer (lcs) der Konzeptbeschreibungen C 1,..., C n in L (kurz lcs(c 1,..., C n)) gdw. (i) C i E für alle i = 1,..., n und (ii) E ist das speziellste L-Konzept welches (i) erfüllt, d. h. falls E ein L-Konzept mit C i E für alle i = i,..., n, dann E E. Bemerkung: Ein lcs muss nicht notwendigerweise existieren (evtl. gibt es eine unendliche Kette von immer spezielleren lcs) Anwendung: Z.B. eine bekannte Methode des induktiven Lernens (spez. Konzept, welches eine Menge von Beispielen generalisiert) Jedoch: Für Sprachen mit Disjunktion gilt lcs(c 1,..., C n) C 1 C n SS07, T. Liebig, Uni Ulm SS07, T. Liebig, Uni Ulm Most Specific Concept (speziellste Konzept) Berechnung des lcs Konzeptionelles Vorgehen am Beispiel FL 0 (, ): Idee: bottom-up Konstruktion von TBox-Beschreibungen aus typischen Beispielen in der ABox. Most Specific Concept Eine Konzeptbeschreibung E von L ist das most specific concept (mcs) der Individuen a 1,..., a n einer ABox A (kurz msc(a 1,..., a n)) gdw. (i) A = E(a i ) für alle i = 1,..., n und (ii) E ist das speziellste L-Konzept welches (i) erfüllt, d. h. falls E ein L-Konzept mit A = E (a i ) für alle i = i,..., n, dann E E. Inhärenter Zusammenhang mit lcs: mcs(a 1,..., a n) lcs(mcs(a 1 ),..., mcs(a n)) Voraussetzung: Umformung in concept-centered normal form (CCNF) Sei N C die endliche Menge von atomaren Konzepten und N R die endliche Menge von Relationsnamen, dann ist die CCNF eines Konzeptes C wie folgt aufgebaut: C A NC U A.A Z.B.: C = r.( s.a r.b) s. s.a lässt sich in CCNF wie folgt umformen: C r. s.a s. s.a r. r.b Sei D in CCNF ( A NC V A.A) {rs, ss}.a {rr}.b Es gilt dann: C D gdw. V A U A für alle A N C. Daraus folgt, dass: lcs(c, D) A NC (U A V A ).A SS07, T. Liebig, Uni Ulm SS07, T. Liebig, Uni Ulm 2-219

2 Berechnung des lcs (Beispiel) Unifikation Idee: Ersetzung von Konzeptnamen (im Sinne von Variablen) zur Bestimmung von Äquivalenz oder Subsumtion. Einfaches Sei C {rs, ss}.a {rr}.b D {rs, rr}.a {rr, sr}.b dann ist lcs(c, D) {rs}.a {rr}.b Motivation: Das verteilte Arbeiten mehrerer Personen an einer großen Wissensbasis führt zur verschiedenen Definitionen eines intuitiv identischen Sachverhalts/Konzepts. C hat-kind. hat-kind.reich hat-kind.rvr D Akr hat-kind.akr hat-kind. hat-kind. hat-ehepartner.reich Mit den Ersetzungen Reich hat-ehepartner.reich für Rvr (reich und reich verheirated) und hat-kind.reich für Akr (alle Kinder sind reich) gilt, dass C D. Die Substitution, die zwei Konzepte C und D äquivalent macht nennt man Unifikator von C und D. SS07, T. Liebig, Uni Ulm SS07, T. Liebig, Uni Ulm Konzeptvariablen und Unifikator Es muss jedoch klar sein bzw. entschieden werden, welche der Konzeptnamen substituiert werden sollen (jene nennt man Konzeptvariablen). FL 0 -Konzeptmuster (concept patterns) sind z. B. definiert durch: C, D X A r.c C D (mit X als Konzeptvariable) Unifikator Seien C, D FL 0 -Konzeptmuster. Dann ist die Substitution σ ein Unifikator des Unifikationsproblems C? D gdw. σ(c) σ(d). Bemerkung: Die Existenz eines Unifikators sagt jedoch nichts über eine tatsächliche intuitiv identische Beschreibung aus! (Unifikation in FL 0 ist ExpTime vollständig) Matching Matching ist ein Spezialfall der Unifikation in der eine der beiden Ausdrücke keine Variablen enthält. matching modulo equivalence Sei C eine Konzeptbeschreibung und D ein FL 0 -Konzeptmuster. Für das Matchingproblems C? D ist σ ein matcher gdw. C σ(d). Bemerkung: Matching modulo subsumtion (C? D) kann überführt werden in matching modulo equivalence (C? C D). Matching ist eine Möglichkeit uninteressante Aspekte/Teile komplexer Beschreibungen insb. in großen Wissensbasen zu filtern. Ein Matching des Konzepts D = research-interests.x gegen das Konzept C = pets.cat research-interests.ai hobbies.gardening besitzt einen minimalen matcher σ = {X AI} modulo subsumtion. SS07, T. Liebig, Uni Ulm SS07, T. Liebig, Uni Ulm 2-223

3 Concept Rewriting Das Problem des concept rewriting besteht in der äquivalenten Transformation von Konzeptbeschreibungen einer Beschreibungslogik L 1 in eine Logik L 2. Bemerkung: Falls keine äquivalente Beschreibung existiert ist man an einer möglichst guten Approximation interessiert. Motiviert ist diese Problemstellung z. B. durch: Übersetzungen von Wissensbasen zwischen verschiedenen Systemen Minimierung der Größe von Konzeptausdrücken zur besseren Übersichtlichkeit (L 1 und L 2 müssen nicht notwendigerweise verschieden sein) Optimierung von Anfragen, z, B. durch Ausnutzung von bereits beantworteten Anfragen auf Datenbanken (anstelle von kostenintensivem Zugriff auf die zugrundeliegenden Daten) (NP-hart für ALN ) Explaining Erklärungskomponente bzgl. Subsumtion (Äquivalenz oder Unerfüllbarkeit). Relativ naheliegend für Inferenzprozeduren mit struktureller Subsumtion. Erklärung der Umformungen für die Entwicklung der Normalform (auch on-the-fly) Erklärung des strukturellen Vergleichs einzelner Konstrukte (plus rekursiven Aufruf) Problem: Nur für Sprachen die mit dem strukturellen Ansatz handhabbar sind geeignet. E A = ( r.e) ( r.c) B = r.d D = ( 1 q) C = q.e Zu erklärende Fragestellung: A? B SS07, T. Liebig, Uni Ulm SS07, T. Liebig, Uni Ulm Explaining (Beispiel) Tableau-basiertes Explaining (1) Explanation for A B: It holds that A is subsumed by B: A B which is equivalent to the unfolded subsumption problem: ( r E) ( r C) ( r D) In order to check that ( r E) and ( r C) is subsumed by ( r D) we need to check whether the conjunction of E and C is subsumed by D: E C D which is equivalent to the unfolded subsumption problem: E ( q E) ( 1 q) In order to check that ( q E) is subsumed by ( 1 q) we need to check whether E is subsumed by Thing: E Thing By definition everything is subsumed by Thing. Idee: Schritt-für-Schritt Erläuterung der Umformungsschritte und Tableau-Regeln Problem: Das Tableauverfahren führt einen Widerspruchsbeweis! Lösung: Tagging des negierten Ausdrucks (rechte Seite) und Rückberechnung für die Erklärung. Der Ausdruck A entspricht dem Subsumtionsproblem: A und wird erklärt: Everything is subsumed by the most general concept. Darüber hinaus müssen alle Auffaltungsschritte erläutert werden. C. = r.a D. = r.b mit C D wird erklärt als We have to check whether C D which unfolds to r.a r.b. SS07, T. Liebig, Uni Ulm SS07, T. Liebig, Uni Ulm 2-227

4 Tableau-basiertes Explaining (2) Die Erklärung der Tableau-Regeln für ALE sind relativ straightforward. Bemerkungen zur Erweiterung des Sprachumfangs: Kardinalitätseinschränkungen Für ( n r) und ( n r) mit n {0, 1} muss bei der Erklärung (die durch einen Widerspruch erzeugt wird) jeweils die Seite des jew. Konstrukts berücksichtigt werden (4 Fälle). Das Verschmelzen von Nachfolgern (merging) bedarf zusätzlicher Erklärung. Rollenhierarchie Zusätzliche Erklärung für Sub-Rollen nötig (da jeder Füller immer auch ein Füller der Super-Rolle Kardinalitätseinschränkungen). Domain und Range Erklärung für Einschränkungen die die Bild- und Ursprungsangaben erzeugen. Transitive Rollen Propagierung von Einschränkungen durch transitive Rollen müssen erklärt werden. Optimierungen Umschalten auf Erklärung von Unerfüllbarkeit, falls diese auf einer der beiden Seiten (unabhängig von der anderen Seite) auftritt. Lexikalische Analyse Verstecken von Komponenten, die nicht zum Widerspruch beitragen Debugging von Wissensbasen Problem: Ein einzelner Widerspruch in einer großen Wissensbasis (TBox) kann zu einer Inkonsistenz vieler weiterer Konzepte führen. Kettenreaktion von einander abhängigen Inkonsistenzen Ist A inkonsistent, dann werden in einem ersten Schritt alle Konzepte mit beispielsw. folgenden Definitionen zwangsläufig ebenfalls inkonsistent: r.a, A, ( 1 r A),... Aufgabe: Identifikation der eigentlichen (minimalen) Quelle der Inkonsistenz Idee: [Schlobach, Cornet 03] Axiom Pinpointing: Erkennung der für die Inkonsistenz verantwortlichen Axiome Concept Pinpointing: Vereinfachung dieser Axiome SS07, T. Liebig, Uni Ulm SS07, T. Liebig, Uni Ulm Axiom Pinpointing (1) Ein Axiom ist relevant, falls eine inkonsistente TBox (oder zumindest ein Konzept) erfüllbar wird, wenn dieses Axiom aus der TBox entfernt wird. TBox: ax 1 : A 1 = A A 2 A 3 ax 2 : A 2 = A A 4 ax 3 : A 3 = A 4 A 5 ax 4 : A 4 = s.b C ax 5: A 5 = s. B ax 6 : A 6 = A 1 r.(a 3 C A 4 ) ax 7: A 7 = A 4 s. B A B C Die unerfüllbaren Konzepte dieser TBox sind: {A 1, A 3, A 6, A 7} Minimal unsatisfiability preserving TBox T Sei A ein unerfüllbares Konzept in T. Die Menge T T ist eine minimale Unerfülbarkeitserhaltende sub-tbox (MUPS), falls A unerfüllbar in T und erfüllbar in jeder sub-tbox T mit T T mups(t, A 1 ) = {{ax 1, ax 2 }, {ax 1, ax 3, ax 4, ax 5}} mups(t, A 7) = {{ax 4, ax 7}} mups(t, A 6 ) = {{ax 1, ax 2, ax 4, ax 6 }, {ax 1, ax 3, ax 4, ax 5, ax 6 }} mups(t, A 3 ) = {{ax 3, ax 4, ax 5}} Axiom Pinpointing (2) Identifikation von kleinsten Mengen von Axiomen bzgl. TBox-Inkonsistenz: Minimal incoherence preserving sub-tboxes Sei T eine inkonsistente TBox. Eine TBox T T ist eine minimale unerfüllbarkeitserhaltende sub-tbox (MIPS) von T, falls T inkonsistent ist und T T mit T konsistent für alle sub-tboxen T mips(t ) = {{ax 1, ax 2 }, {ax 3, ax 4, ax 5}, {ax 4, ax 7}} Anzahl und Größe der MIPS einer TBox geben Hinweise bzgl. der Ursache inkonsistenter Wissensbasen. Taucht ein Axiom in mehr als einem MIPS auf (z. B. ax 4 ), sagt dies etwas über den Grad der Auswirkungen auf andere Cluster von Inkonsistenzen aus. Jedoch: Den oder die tatsächlichen Modellierungsfehler muss letztendlich der Modellierer selbst erkennen und beheben ( erfordert ein Verständnis der zu modellierenden Domäne). SS07, T. Liebig, Uni Ulm SS07, T. Liebig, Uni Ulm 2-231

5 Concept Pinpointing Zusammenfassung: Nicht-Standard Inferenzdienste Vereinfachung der relevanten Axiome auf die Konstrukte, die den Widerspruch verursachen. Vorgehen: Syntaktische Generalisierung C von Konzepten C in der Form, dass C C ohne die vorherigen Eigenschaften zu verlieren (d. h. maximale Generalisierung bei gleichzeitiger Beibehaltung der MUPS und MIPS). Notation: Die generalisierte unerfüllbarkeitserhaltende Terminologie (GIT) einer TBox T bezeichnet man mit git(t ). Im vorhergehenden git(t ) = {{A 1 = A A}, {A 3 = s.b s. B}, {A 7 = s.b s. B}} Prototypische Realisierung für definitorische ALC Terminologien: Java-Implementierung mit RACER für Axiom Pinpointing Medizinische KB (DICE) mit 529 Konzepten und 45 Relationen (initial: 76 unerfüllbare Konzepte). Bedarf an nicht-standard Inferenzdiensten ist vorhanden (insb. im Umfeld der werkzeugunterstützten KB-Entwicklung). Problem: Einige der Dienste sind nur für ausdrucksschwache Sprachen sinnvoll. Andere Dienste basieren auf strukturellen Prozeduren Im Allgemeinen recht hohe Komplexität Darüber hinaus: Interaktivität aktueller Schlussfolgerungssysteme dürftig (traditionell nur batch-orientierte Verarbeitung) Aktuelles Gebiet der Forschung SS07, T. Liebig, Uni Ulm SS07, T. Liebig, Uni Ulm 2-233

general inclusion axioms / general concept inclusion (GCI)

general inclusion axioms / general concept inclusion (GCI) Tableau-Verfahren: ABox Die Erfüllbarkeit einer ABox kann ebenfalls durch die Tableau-Methode entschieden werden. Hinweis: Für UNA müssen Ungleichheiten (indiv i = indiv j ) paarweise für alle Individuen

Mehr

Beschreibungslogiken. Daniel Schradick 1schradi@informatik.uni-hamburg.de

Beschreibungslogiken. Daniel Schradick 1schradi@informatik.uni-hamburg.de Beschreibungslogiken Daniel Schradick 1schradi@informatik.uni-hamburg.de Was sind Beschreibungslogiken? Definition: Formalisms that represent knowledge of some problem domain (the world ) by first defining

Mehr

Logik für Informatiker

Logik für Informatiker Logik für Informatiker 2. Aussagenlogik Teil 3 30.04.2012 Viorica Sofronie-Stokkermans Universität Koblenz-Landau e-mail: sofronie@uni-koblenz.de 1 Letztes Mal Aussagenlogik Syntax: welche Formeln? Semantik:

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

Eliminierung der TBox. Definitorische Terminologien. Normalisierte Terminologien. Eliminierung der TBox (Beispiel)

Eliminierung der TBox. Definitorische Terminologien. Normalisierte Terminologien. Eliminierung der TBox (Beispiel) Eliminierung der TBox Subsumtion von Begriffen kann auf einfache Unerfüllbarkeit reduziert werden. (Mann ) Mann (Mann ) Mann ist unerfüllbar. Problem: Wie geht man vor, wenn auf Begriffe aus der TBox referenziert

Mehr

Baader Nutt 1: Basic Description Logics

Baader Nutt 1: Basic Description Logics Baader Nutt 1: Basic Description Logics Ludwig Maximilians Universität München Sommersemester 2009 Institut: CIS Hauptseminar: Beschreibungslogik Seminarleiter: Hans Leiß, Martin Hofmann Referentin: Natalia

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

Theoretische Grundlagen der Informatik

Theoretische Grundlagen der Informatik Theoretische Grundlagen der Informatik Vorlesung am 12.01.2012 INSTITUT FÜR THEORETISCHE 0 KIT 12.01.2012 Universität des Dorothea Landes Baden-Württemberg Wagner - Theoretische und Grundlagen der Informatik

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

Theoretische Grundlagen des Software Engineering

Theoretische Grundlagen des Software Engineering Theoretische Grundlagen des Software Engineering 11: Abstrakte Reduktionssysteme schulz@eprover.org Reduktionssysteme Definition: Reduktionssystem Ein Reduktionssystem ist ein Tupel (A, ) Dabei gilt: A

Mehr

Motivation. Formale Grundlagen der Informatik 1 Kapitel 5 Kontextfreie Sprachen. Informales Beispiel. Informales Beispiel.

Motivation. Formale Grundlagen der Informatik 1 Kapitel 5 Kontextfreie Sprachen. Informales Beispiel. Informales Beispiel. Kontextfreie Kontextfreie Motivation Formale rundlagen der Informatik 1 Kapitel 5 Kontextfreie Sprachen Bisher hatten wir Automaten, die Wörter akzeptieren Frank Heitmann heitmann@informatik.uni-hamburg.de

Mehr

Kapitel MK:IV. IV. Modellieren mit Constraints

Kapitel MK:IV. IV. Modellieren mit Constraints Kapitel MK:IV IV. Modellieren mit Constraints Einführung und frühe Systeme Konsistenz I Binarization Generate-and-Test Backtracking-basierte Verfahren Konsistenz II Konsistenzanalyse Weitere Analyseverfahren

Mehr

Grundbegriffe der Informatik

Grundbegriffe der Informatik Grundbegriffe der Informatik Einheit 15: Reguläre Ausdrücke und rechtslineare Grammatiken Thomas Worsch Universität Karlsruhe, Fakultät für Informatik Wintersemester 2008/2009 1/25 Was kann man mit endlichen

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

Data Mining: Einige Grundlagen aus der Stochastik

Data Mining: Einige Grundlagen aus der Stochastik Data Mining: Einige Grundlagen aus der Stochastik Hagen Knaf Studiengang Angewandte Mathematik Hochschule RheinMain 21. Oktober 2015 Vorwort Das vorliegende Skript enthält eine Zusammenfassung verschiedener

Mehr

Was bisher geschah. Aufgaben: Diagnose, Entscheidungsunterstützung Aufbau Komponenten und Funktion

Was bisher geschah. Aufgaben: Diagnose, Entscheidungsunterstützung Aufbau Komponenten und Funktion Was bisher geschah Daten, Information, Wissen explizites und implizites Wissen Wissensrepräsentation und -verarbeitung: Wissensbasis Kontextwissen Problemdarstellung fallspezifisches Wissen repräsentiert

Mehr

Auffalten der ABox und Instanzklassifikation. Schlussfolgerungsdienste bzgl. der ABox (1) Fragestellung des speziellsten Begriffs zu einem Individuum

Auffalten der ABox und Instanzklassifikation. Schlussfolgerungsdienste bzgl. der ABox (1) Fragestellung des speziellsten Begriffs zu einem Individuum Schlussfolgerungsdienste bzgl. der ABox (1) Auffalten der ABox und Instanzklassifikation Zwei Arten von Aussagen: Konzeptinstantierung a : C und Relationsinstantierung (a, b) : r. Analog zur Konzepten,

Mehr

Formeln. Signatur. aussagenlogische Formeln: Aussagenlogische Signatur

Formeln. Signatur. aussagenlogische Formeln: Aussagenlogische Signatur Signatur Formeln Am Beispiel der Aussagenlogik erklären wir schrittweise wichtige Elemente eines logischen Systems. Zunächst benötigt ein logisches System ein Vokabular, d.h. eine Menge von Namen, die

Mehr

Programmiersprachen und Übersetzer

Programmiersprachen und Übersetzer Programmiersprachen und Übersetzer Sommersemester 2010 19. April 2010 Theoretische Grundlagen Problem Wie kann man eine unendliche Menge von (syntaktisch) korrekten Programmen definieren? Lösung Wie auch

Mehr

Grammatiken. Einführung

Grammatiken. Einführung Einführung Beispiel: Die arithmetischen Ausdrücke über der Variablen a und den Operationen + und können wie folgt definiert werden: a, a + a und a a sind arithmetische Ausdrücke Wenn A und B arithmetische

Mehr

Primzahlen und RSA-Verschlüsselung

Primzahlen und RSA-Verschlüsselung Primzahlen und RSA-Verschlüsselung Michael Fütterer und Jonathan Zachhuber 1 Einiges zu Primzahlen Ein paar Definitionen: Wir bezeichnen mit Z die Menge der positiven und negativen ganzen Zahlen, also

Mehr

3.Inferenzsysteme 3.4 Logische Programme und Antwortmengensemantik

3.Inferenzsysteme 3.4 Logische Programme und Antwortmengensemantik Darstellung, Verarbeitung und Erwerb von Wissen 3.Inferenzsysteme 3.4 Logische Programme und Antwortmengensemantik DVEW WS 2004/05 c Gabriele Kern-Isberner 1 Stratifizierte Programme (Whlg.) Sei P ein

Mehr

Semantic Web Technologies I! Lehrveranstaltung im WS10/11! Dr. Andreas Harth! Dr. Sebastian Rudolph!

Semantic Web Technologies I! Lehrveranstaltung im WS10/11! Dr. Andreas Harth! Dr. Sebastian Rudolph! Semantic Web Technologies I! Lehrveranstaltung im WS10/11! Dr. Andreas Harth! Dr. Sebastian Rudolph! www.semantic-web-grundlagen.de Ontology Engineering! Dr. Sebastian Rudolph! Semantic Web Architecture

Mehr

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

Program = Logic + Control

Program = Logic + Control Program = Logic + Control Prozedurale/imperative Sprachen: Abläufe formulieren Computer führt aus von-neumann-maschine Idee von deklarativen/logischen/funktionalen Programmiersprachen: Zusammenhänge formulieren

Mehr

Was bisher geschah Wissensrepräsentation und -verarbeitung in Zustandsübergangssystemen Constraint-Systemen Logiken Repräsentation von Mengen

Was bisher geschah Wissensrepräsentation und -verarbeitung in Zustandsübergangssystemen Constraint-Systemen Logiken Repräsentation von Mengen Was bisher geschah Wissensrepräsentation und -verarbeitung in Zustandsübergangssystemen Constraint-Systemen Logiken Repräsentation von Mengen aussagenlogischer Regeln: Wissensbasis (Kontextwissen): Formelmenge,

Mehr

Theorie der Informatik

Theorie der Informatik Theorie der Informatik 6. Formale Sprachen und Grammatiken Malte Helmert Gabriele Röger Universität Basel 17. März 2014 Einführung Beispiel: Aussagenlogische Formeln Aus dem Logikteil: Definition (Syntax

Mehr

Beschreibungslogik Kapitel 7: ABoxen und Anfragebeantwortung

Beschreibungslogik Kapitel 7: ABoxen und Anfragebeantwortung Beschreibungslogik Kapitel 7: ABoxen und Anfragebeantwortung Sommersemester 2017 Thomas Schneider AG Theorie der künstlichen Intelligenz (TdKI) http://tinyurl.com/ss17-bl Beschreibungslogik SoSe 2017 7

Mehr

Basis und Dimension. Als nächstes wollen wir die wichtigen Begriffe Erzeugendensystem und Basis eines Vektorraums definieren.

Basis und Dimension. Als nächstes wollen wir die wichtigen Begriffe Erzeugendensystem und Basis eines Vektorraums definieren. Basis und Dimension Als nächstes wollen wir die wichtigen Begriffe Erzeugendensystem und Basis eines Vektorraums definieren. Definition. Sei V ein K-Vektorraum und (v i ) i I eine Familie von Vektoren

Mehr

10. Übung Künstliche Intelligenz

10. Übung Künstliche Intelligenz Prof. Dr. Gerd Stumme, Dominik Benz Fachgebiet Wissensverarbeitung 28.01.2009 10. Übung Künstliche Intelligenz Wintersemester 2008/2009 Beschreibungslogiken 1. Belegen oder iderlegen Sie folgende Behauptungen

Mehr

Semantic Web Technologies I

Semantic Web Technologies I Semantic Web Technologies I Lehrveranstaltung im WS11/12 Dr. Elena Simperl PD Dr. Sebastian Rudolph M. Sc. Anees ul Mehdi Ontology Engineering Dr. Elena Simperl XML und URIs Einführung in RDF RDF Schema

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

Data Mining-Projekte

Data Mining-Projekte Data Mining-Projekte Data Mining-Projekte Data Mining stellt normalerweise kein ei nmaliges Projekt dar, welches Erkenntnisse liefert, die dann nur einmal verwendet werden, sondern es soll gewöhnlich ein

Mehr

Kryptographie mit elliptischen Kurven

Kryptographie mit elliptischen Kurven Kryptographie mit elliptischen Kurven Gabor Wiese Universität Regensburg Kryptographie mit elliptischen Kurven p. 1 Problemstellung Kryptographie mit elliptischen Kurven p. 2 Problemstellung Caesar Kryptographie

Mehr

Kapitel 7: Formaler Datenbankentwurf

Kapitel 7: Formaler Datenbankentwurf 7. Formaler Datenbankentwurf Seite 1 Kapitel 7: Formaler Datenbankentwurf Die Schwierigkeiten der konzeptuellen Modellierung sind zu einem großen Teil dadurch begründet, dass sich die relevanten Strukturen

Mehr

3. Das Relationale Datenmodell

3. Das Relationale Datenmodell 3. Das Relationale Datenmodell Das Relationale Datenmodell geht zurück auf Codd (1970): E. F. Codd: A Relational Model of Data for Large Shared Data Banks. Comm. of the ACM 13(6): 377-387(1970) DBMS wie

Mehr

Wissensrepräsentation und -verarbeitung in Logiken. bereinigt Pränex Skolem ( -Eliminierung) Klausel (Menge von Klauseln, Notation ohne Quantoren)

Wissensrepräsentation und -verarbeitung in Logiken. bereinigt Pränex Skolem ( -Eliminierung) Klausel (Menge von Klauseln, Notation ohne Quantoren) Was bisher geschah Wissensrepräsentation und -verarbeitung in Logiken klassische Aussagenlogik klassische Prädikatenlogik: Wiederholung Syntax, Semantik Normalformen: bereinigt Pränex Skolem ( -Eliminierung)

Mehr

Theoretische Informatik I

Theoretische Informatik I Theoretische Informatik I Einheit 2.4 Grammatiken 1. Arbeitsweise 2. Klassifizierung 3. Beziehung zu Automaten Beschreibungsformen für Sprachen Mathematische Mengennotation Prädikate beschreiben Eigenschaften

Mehr

Endlicher Automat (EA)

Endlicher Automat (EA) Endlicher Automat (EA) siehe auch Formale Grundlagen 3 1 Motivation: Automaten für die Modellierung, Spezifikation und Verifikation verwenden! Definition Ein Endlicher Automat A = (S,I,Σ,T,F) besteht aus

Mehr

Logik für Informatiker

Logik für Informatiker Vorlesung Logik für Informatiker 3. Aussagenlogik Einführung: Logisches Schließen im Allgemeinen Bernhard Beckert Universität Koblenz-Landau Sommersemester 2006 Logik für Informatiker, SS 06 p.1 Beispiel:

Mehr

Logik-Programme. Eine Tatsachenklausel ist eine einelementige positive Klausel, d.h. sie hat

Logik-Programme. Eine Tatsachenklausel ist eine einelementige positive Klausel, d.h. sie hat Logik-Programme Definition: Eine Tatsachenklausel ist eine einelementige positive Klausel, d.h. sie hat die Form {P }. Eine Prozedurklausel ist eine Klausel der Form {P, Q 1, Q 2,..., Q k } mit k 1. P

Mehr

3. Zusammenhang. 22 Andreas Gathmann

3. Zusammenhang. 22 Andreas Gathmann 22 Andreas Gathmann 3. Zusammenhang Eine der anschaulichsten Eigenschaften eines topologischen Raumes ist wahrscheinlich, ob er zusammenhängend ist oder aus mehreren Teilen besteht. Wir wollen dieses Konzept

Mehr

Dokumentation...Datenbank Außenlager

Dokumentation...Datenbank Außenlager Einführung Das DynWebSite Administrations-Tool dient dem editieren von Online-Datensätzen. Es wurde entwickelt, um eine Orts- und Systemunabhängige dezentrale Pflege der Außenlager-Datenbank zu ermöglichen.

Mehr

Lineare Gleichungssysteme

Lineare Gleichungssysteme Brückenkurs Mathematik TU Dresden 2015 Lineare Gleichungssysteme Schwerpunkte: Modellbildung geometrische Interpretation Lösungsmethoden Prof. Dr. F. Schuricht TU Dresden, Fachbereich Mathematik auf der

Mehr

Nichtlineare Optimierung ohne Nebenbedingungen

Nichtlineare Optimierung ohne Nebenbedingungen Kapitel 2 Nichtlineare Optimierung ohne Nebenbedingungen In diesem Abschnitt sollen im wesentlichen Verfahren zur Bestimmung des Minimums von nichtglatten Funktionen in einer Variablen im Detail vorgestellt

Mehr

6. Bayes-Klassifikation. (Schukat-Talamazzini 2002)

6. Bayes-Klassifikation. (Schukat-Talamazzini 2002) 6. Bayes-Klassifikation (Schukat-Talamazzini 2002) (Böhm 2003) (Klawonn 2004) Der Satz von Bayes: Beweis: Klassifikation mittels des Satzes von Bayes (Klawonn 2004) Allgemeine Definition: Davon zu unterscheiden

Mehr

Prädikate zum Testen und Manipulieren der Struktur der Terme; Mehr meta-logische Prädikate z.b. zum Testen des Zustands der Ableitung;

Prädikate zum Testen und Manipulieren der Struktur der Terme; Mehr meta-logische Prädikate z.b. zum Testen des Zustands der Ableitung; Mehr Prolog Prolog bietet mehr an, z.b.: Prädikate zum Testen und Manipulieren der Struktur der Terme; Mehr meta-logische Prädikate z.b. zum Testen des Zustands der Ableitung; Mehr extra-logische Prädikate,

Mehr

7. Übung - Datenbanken

7. Übung - Datenbanken 7. Übung - Datenbanken Informatik I für Verkehrsingenieure Aufgaben inkl. Beispiellösungen 1. Aufgabe: DBS a Was ist die Kernaufgabe von Datenbanksystemen? b Beschreiben Sie kurz die Abstraktionsebenen

Mehr

Handbuch ECDL 2003 Basic Modul 5: Datenbank Grundlagen von relationalen Datenbanken

Handbuch ECDL 2003 Basic Modul 5: Datenbank Grundlagen von relationalen Datenbanken Handbuch ECDL 2003 Basic Modul 5: Datenbank Grundlagen von relationalen Datenbanken Dateiname: ecdl5_01_00_documentation_standard.doc Speicherdatum: 14.02.2005 ECDL 2003 Basic Modul 5 Datenbank - Grundlagen

Mehr

1. Man schreibe die folgenden Aussagen jeweils in einen normalen Satz um. Zum Beispiel kann man die Aussage:

1. Man schreibe die folgenden Aussagen jeweils in einen normalen Satz um. Zum Beispiel kann man die Aussage: Zählen und Zahlbereiche Übungsblatt 1 1. Man schreibe die folgenden Aussagen jeweils in einen normalen Satz um. Zum Beispiel kann man die Aussage: Für alle m, n N gilt m + n = n + m. in den Satz umschreiben:

Mehr

Absolute Stetigkeit von Maßen

Absolute Stetigkeit von Maßen Absolute Stetigkeit von Maßen Definition. Seien µ und ν Maße auf (X, Ω). Dann heißt ν absolut stetig bezüglich µ (kurz ν µ ), wenn für alle A Ω mit µ(a) = 0 auch gilt dass ν(a) = 0. Lemma. Sei ν ein endliches

Mehr

Computerviren, Waldbrände und Seuchen - ein stochastisches Modell für die Reichweite einer Epidemie

Computerviren, Waldbrände und Seuchen - ein stochastisches Modell für die Reichweite einer Epidemie Computerviren, Waldbrände und Seuchen - ein stochastisches für die Reichweite einer Epidemie Universität Hildesheim Schüler-Universität der Universität Hildesheim, 21.06.2012 Warum Mathematik? Fragen zum

Mehr

Optimalitätskriterien

Optimalitätskriterien Kapitel 4 Optimalitätskriterien Als Optimalitätskriterien bezeichnet man notwendige oder hinreichende Bedingungen dafür, dass ein x 0 Ω R n Lösung eines Optimierungsproblems ist. Diese Kriterien besitzen

Mehr

Übung Theoretische Grundlagen

Übung Theoretische Grundlagen Übung Theoretische Grundlagen Berechenbarkeit/Entscheidbarkeit Nico Döttling November 26, 2009 INSTITUT FÜR KRYPTOGRAPHIE UND SICHERHEIT KIT University of the State of Baden-Wuerttemberg and National Laboratory

Mehr

Semantic Web Technologies I!

Semantic Web Technologies I! www.semantic-web-grundlagen.de Semantic Web Technologies I! Lehrveranstaltung im WS11/12! Dr. Elena Simperl! DP Dr. Sebastian Rudolph! M.Sc. Anees ul Mehdi! www.semantic-web-grundlagen.de Logik Grundlagen!

Mehr

SDD System Design Document

SDD System Design Document SDD Software Konstruktion WS01/02 Gruppe 4 1. Einleitung Das vorliegende Dokument richtet sich vor allem an die Entwickler, aber auch an den Kunden, der das enstehende System verwenden wird. Es soll einen

Mehr

Seminar Werkzeuggestütze. tze Softwareprüfung. fung. Slicing. Sebastian Meyer

Seminar Werkzeuggestütze. tze Softwareprüfung. fung. Slicing. Sebastian Meyer Seminar Werkzeuggestütze tze Softwareprüfung fung Slicing Sebastian Meyer Überblick Einführung und Begriffe Static Slicing Dynamic Slicing Erweiterte Slicing-Techniken Fazit 2 Was ist Slicing?? (I) Program

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

Software-Entwurfsmuster

Software-Entwurfsmuster Software-Entwurfsmuster Prinzip von Entwurfsmustern und einige elementare Beispiele Malte Spiess malte@mathematik.uni-ulm.de Seminar Bildanalyse und Simulation mit Java im WS 2003/2004 Universität Ulm

Mehr

3. Grundlagen der Linearen Programmierung

3. Grundlagen der Linearen Programmierung 3. Grundlagen der linearen Programmierung Inhalt 3. Grundlagen der Linearen Programmierung Lineares Programm Grafische Lösung linearer Programme Normalform Geometrie linearer Programme Basislösungen Operations

Mehr

Nichtmonotones Schließen

Nichtmonotones Schließen Was bisher geschah Wissensrepräsentation und -verarbeitung in Zustandsübergangssystemen klassischer Aussagenlogik: Entscheidungstabellen, -bäume, -diagramme Wissensrepräsentation und -verarbeitung durch

Mehr

Motivation. Motivation

Motivation. Motivation Vorlesung Modellierung nebenläufiger Systeme Sommersemester 2012 Universität Duisburg-Essen Was sind nebenläufige Systeme? Ganz allgemein: Systeme, bei denen mehrere Komponenten/Prozesse nebenläufig arbeiten

Mehr

Modellbasierte Diagnosesysteme

Modellbasierte Diagnosesysteme Modellbasierte Diagnosesysteme Diagnose: Identifikation eines vorliegenden Fehlers (Krankheit) auf der Basis von Beobachtungen (Symptomen) und Hintergrundwissen über das System 2 Arten von Diagnosesystemen:

Mehr

Wortproblem für kontextfreie Grammatiken

Wortproblem für kontextfreie Grammatiken Wortproblem für kontextfreie Grammatiken G kontextfreie Grammatik. w Σ w L(G)? Wortproblem ist primitiv rekursiv entscheidbar. (schlechte obere Schranke!) Kellerautomat der L(G) akzeptiert Ist dieser effizient?

Mehr

Diplomarbeit. Konzeption und Implementierung einer automatisierten Testumgebung. Thomas Wehrspann. 10. Dezember 2008

Diplomarbeit. Konzeption und Implementierung einer automatisierten Testumgebung. Thomas Wehrspann. 10. Dezember 2008 Konzeption und Implementierung einer automatisierten Testumgebung, 10. Dezember 2008 1 Gliederung Einleitung Softwaretests Beispiel Konzeption Zusammenfassung 2 Einleitung Komplexität von Softwaresystemen

Mehr

Grundlagen der Informatik II. Teil I: Formale Modelle der Informatik

Grundlagen der Informatik II. Teil I: Formale Modelle der Informatik Grundlagen der Informatik II Teil I: Formale Modelle der Informatik 1 Einführung GdInfoII 1-2 Ziele/Fragestellungen der Theoretischen Informatik 1. Einführung abstrakter Modelle für informationsverarbeitende

Mehr

50. Mathematik-Olympiade 2. Stufe (Regionalrunde) Klasse 11 13. 501322 Lösung 10 Punkte

50. Mathematik-Olympiade 2. Stufe (Regionalrunde) Klasse 11 13. 501322 Lösung 10 Punkte 50. Mathematik-Olympiade. Stufe (Regionalrunde) Klasse 3 Lösungen c 00 Aufgabenausschuss des Mathematik-Olympiaden e.v. www.mathematik-olympiaden.de. Alle Rechte vorbehalten. 503 Lösung 0 Punkte Es seien

Mehr

Erfüllbarkeit und Allgemeingültigkeit

Erfüllbarkeit und Allgemeingültigkeit Theoretische Informatik: Logik, M. Lange, FB16, Uni Kassel: 3.3 Aussagenlogik Erfüllbarkeit 44 Erfüllbarkeit und Allgemeingültigkeit Def.: eine Formel ϕ heißt erfüllbar, wennesein I gibt, so dass I = ϕ

Mehr

Theoretische Grundlagen des Software Engineering

Theoretische Grundlagen des Software Engineering Theoretische Grundlagen des Software Engineering 7: Einführung Aussagenlogik schulz@eprover.org Logisches Schließen 2 gold +1000, 1 per step, Beispiel: Jage den Wumpus Performance measure death 1000 10

Mehr

Informationsblatt Induktionsbeweis

Informationsblatt Induktionsbeweis Sommer 015 Informationsblatt Induktionsbeweis 31. März 015 Motivation Die vollständige Induktion ist ein wichtiges Beweisverfahren in der Informatik. Sie wird häufig dazu gebraucht, um mathematische Formeln

Mehr

Daten, Information, Wissen explizites und implizites Wissen Expertensysteme (Aufgaben, Aufbau, Komponenten) Diagnoseziel Klassifikation

Daten, Information, Wissen explizites und implizites Wissen Expertensysteme (Aufgaben, Aufbau, Komponenten) Diagnoseziel Klassifikation Was bisher geschah Daten, Information, Wissen explizites und implizites Wissen Expertensysteme (Aufgaben, Aufbau, Komponenten) Diagnoseziel Klassifikation sicher heuristisch überdeckend Entscheidungstabellen

Mehr

Analytische Methoden und die Black-Scholes Modelle

Analytische Methoden und die Black-Scholes Modelle Analytische Methoden und die Black-Scholes Modelle Diplomverteidigung Universität Rostock Institut für Mathematik 20.01.2011 Agenda 1 Das Ornstein-Uhlenbeck Volatilitätsmodell 2 in L 2 (R 2 ) 3 4 Problem

Mehr

Formale Methoden II. Gerhard Jäger. SS 2008 Universität Bielefeld. Teil 8, 11. Juni 2008. Formale Methoden II p.1/30

Formale Methoden II. Gerhard Jäger. SS 2008 Universität Bielefeld. Teil 8, 11. Juni 2008. Formale Methoden II p.1/30 Formale Methoden II SS 2008 Universität Bielefeld Teil 8, 11. Juni 2008 Gerhard Jäger Formale Methoden II p.1/30 Beispiele Anmerkung: wenn der Wahrheitswert einer Formel in einem Modell nicht von der Belegungsfunktion

Mehr

Austausch- bzw. Übergangsprozesse und Gleichgewichtsverteilungen

Austausch- bzw. Übergangsprozesse und Gleichgewichtsverteilungen Austausch- bzw. Übergangsrozesse und Gleichgewichtsverteilungen Wir betrachten ein System mit verschiedenen Zuständen, zwischen denen ein Austausch stattfinden kann. Etwa soziale Schichten in einer Gesellschaft:

Mehr

Quadratische Gleichungen

Quadratische Gleichungen Quadratische Gleichungen Aufgabe: Versuche eine Lösung zu den folgenden Zahlenrätseln zu finden:.) Verdoppelt man das Quadrat einer Zahl und addiert, so erhält man 00..) Addiert man zum Quadrat einer Zahl

Mehr

20. Algorithmus der Woche Online-Algorithmen: Was ist es wert, die Zukunft zu kennen? Das Ski-Problem

20. Algorithmus der Woche Online-Algorithmen: Was ist es wert, die Zukunft zu kennen? Das Ski-Problem 20. Algorithmus der Woche Online-Algorithmen: Was ist es wert, die Zukunft zu kennen? Das Ski-Problem Autor Susanne Albers, Universität Freiburg Swen Schmelzer, Universität Freiburg In diesem Jahr möchte

Mehr

Relationales Datenmodell

Relationales Datenmodell Relationales Datenmodell Spezialfall der logikorientierten Datenmodelle: Anfrageprogramme : Sichtrelationen : semantische Bedingungen : nur bezüglich Basisrelationen kein Relationensymbol wird rekursiv

Mehr

Alignment-Verfahren zum Vergleich biologischer Sequenzen

Alignment-Verfahren zum Vergleich biologischer Sequenzen zum Vergleich biologischer Sequenzen Hans-Joachim Böckenhauer Dennis Komm Volkshochschule Zürich. April Ein biologisches Problem Fragestellung Finde eine Methode zum Vergleich von DNA-Molekülen oder Proteinen

Mehr

SWP Logische Programme

SWP Logische Programme SWP Logische Programme Alexander Felfernig, Stephan Gspandl Institut für Softwaretechnologie {alexander.felfernig,sgspandl}@ist.tugraz.at Institute for Software Technology Inhalt Motivation Logische Programme

Mehr

Das Briefträgerproblem

Das Briefträgerproblem Das Briefträgerproblem Paul Tabatabai 30. Dezember 2011 Inhaltsverzeichnis 1 Problemstellung und Modellierung 2 1.1 Problem................................ 2 1.2 Modellierung.............................

Mehr

Logik Vorlesung 5: Grundlagen Resolution

Logik Vorlesung 5: Grundlagen Resolution Logik Vorlesung 5: Grundlagen Resolution Andreas Maletti 21. November 2014 Überblick Inhalt 1 Motivation und mathematische Grundlagen 2 Aussagenlogik Syntax und Semantik Äquivalenz und Normalformen Weitere

Mehr

Datei: AsGGL913.doc (Format von Word2000)

Datei: AsGGL913.doc (Format von Word2000) Datei: AsGGL913.doc (Format von Word2000) Schule: Gottfried-Leibniz-Gymnasium Chemnitz E-Mail: P.Weigert@t-online.de Autor/Ansprechpartner: Peter Weigert Quelle / Literaturhinweise: Eigene Entwicklung

Mehr

Unterscheidung: Workflowsystem vs. Informationssystem

Unterscheidung: Workflowsystem vs. Informationssystem 1. Vorwort 1.1. Gemeinsamkeiten Unterscheidung: Workflowsystem vs. Die Überschneidungsfläche zwischen Workflowsystem und ist die Domäne, also dass es darum geht, Varianten eines Dokuments schrittweise

Mehr

Division Für diesen Abschnitt setzen wir voraus, dass der Koeffizientenring ein Körper ist. Betrachte das Schema

Division Für diesen Abschnitt setzen wir voraus, dass der Koeffizientenring ein Körper ist. Betrachte das Schema Division Für diesen Abschnitt setzen wir voraus, dass der Koeffizientenring ein Körper ist. Betrachte das Schema 2x 4 + x 3 + x + 3 div x 2 + x 1 = 2x 2 x + 3 (2x 4 + 2x 3 2x 2 ) x 3 + 2x 2 + x + 3 ( x

Mehr

Einführung in. Logische Schaltungen

Einführung in. Logische Schaltungen Einführung in Logische Schaltungen 1/7 Inhaltsverzeichnis 1. Einführung 1. Was sind logische Schaltungen 2. Grundlegende Elemente 3. Weitere Elemente 4. Beispiel einer logischen Schaltung 2. Notation von

Mehr

Definition:Eine meromorphe Modulform vom Gewicht k Z ist eine meromorphe. f : H C. (ii) C > 0, so daß f(z) im Bereich Im z > C keine Singularität hat.

Definition:Eine meromorphe Modulform vom Gewicht k Z ist eine meromorphe. f : H C. (ii) C > 0, so daß f(z) im Bereich Im z > C keine Singularität hat. Die k/2 - Formel von Renate Vistorin Zentrales Thema dieses Vortrages ist die k/2 - Formel für meromorphe Modulformen als eine Konsequenz des Residuensatzes. Als Folgerungen werden danach einige Eigenschaften

Mehr

Projektive Moduln. Lemma/Definition 1.1. Folgende Aussagen für einen R-Modul P sind äquivalent: (i) P erfüllt folgende Liftungseigenschaft:

Projektive Moduln. Lemma/Definition 1.1. Folgende Aussagen für einen R-Modul P sind äquivalent: (i) P erfüllt folgende Liftungseigenschaft: Seminar Summen von Quadraten und K-Theorie Projektive Moduln Im Folgenden sei R ein assoziativer Ring mit Eins, nicht notwendigerweise kommutativ. R-Modul ist im Folgenden stets ein Rechts-R-Modul. Ein

Mehr

Grundlagen der Theoretischen Informatik - Sommersemester 2012. Übungsblatt 1: Lösungsvorschläge

Grundlagen der Theoretischen Informatik - Sommersemester 2012. Übungsblatt 1: Lösungsvorschläge Lehrstuhl für Softwaretechnik und Programmiersprachen Professor Dr. Michael Leuschel Grundlagen der Theoretischen Informatik - Sommersemester 2012 Übungsblatt 1: Lösungsvorschläge Disclaimer: Bei Folgendem

Mehr

Sie erhalten einen kurzen Überblick über die verschiedenen Domänenkonzepte.

Sie erhalten einen kurzen Überblick über die verschiedenen Domänenkonzepte. 4 Domänenkonzepte Ziele des Kapitels: Sie verstehen den Begriff Domäne. Sie erhalten einen kurzen Überblick über die verschiedenen Domänenkonzepte. Sie verstehen die Besonderheiten der Vertrauensstellungen

Mehr

Binäre Bäume Darstellung und Traversierung

Binäre Bäume Darstellung und Traversierung Binäre Bäume Darstellung und Traversierung Name Frank Bollwig Matrikel-Nr. 2770085 E-Mail fb641378@inf.tu-dresden.de Datum 15. November 2001 0. Vorbemerkungen... 3 1. Terminologie binärer Bäume... 4 2.

Mehr

Scheduling und Lineare ProgrammierungNach J. K. Lenstra, D. B. Shmoys und É.

Scheduling und Lineare ProgrammierungNach J. K. Lenstra, D. B. Shmoys und É. Scheduling und Lineare ProgrammierungNach J. K. Lenstra, D. B. Shmoys und É. Tardos Janick Martinez Esturo jmartine@techfak.uni-bielefeld.de xx.08.2007 Sommerakademie Görlitz Arbeitsgruppe 5 Gliederung

Mehr

Konsistenzproblematik bei der Cloud-Datenspeicherung

Konsistenzproblematik bei der Cloud-Datenspeicherung Konsistenzproblematik bei der Cloud-Datenspeicherung ISE Seminar 2012 Adrian Zylla 1 Cloud Bereitstellung von Speicher- und Rechenkapazität Die Cloud ist für den Anwender eine Blackbox Besitzt drei Servicemodelle

Mehr

8: Zufallsorakel. Wir suchen: Einfache mathematische Abstraktion für Hashfunktionen

8: Zufallsorakel. Wir suchen: Einfache mathematische Abstraktion für Hashfunktionen Stefan Lucks 8: Zufallsorakel 139 Kryptogr. Hashfunkt. (WS 08/09) 8: Zufallsorakel Unser Problem: Exakte Eigenschaften von effizienten Hashfunktionen nur schwer erfassbar (z.b. MD5, Tiger, RipeMD, SHA-1,...)

Mehr

Deterministische Turing-Maschinen (DTM) F3 03/04 p.46/395

Deterministische Turing-Maschinen (DTM) F3 03/04 p.46/395 Deterministische Turing-Maschinen (DTM) F3 03/04 p.46/395 Turing-Machine Wir suchen ein Modell zur formalen Definition der Berechenbarkeit von Funktionen und deren Zeit- und Platzbedarf. Verschiedene Modelle

Mehr

Übungen zum Ferienkurs Lineare Algebra WS 14/15

Übungen zum Ferienkurs Lineare Algebra WS 14/15 Übungen zum Ferienkurs Lineare Algebra WS 14/15 Linearkombinationen, Basen, Lineare Abbildungen 2.1 Lineare Unabhängigkeit Sind die folgenden Vektoren linear unabhängig? (a) 1, 2, 3 im Q Vektorraum R (b)

Mehr

Approximation durch Taylorpolynome

Approximation durch Taylorpolynome TU Berlin Fakultät II - Mathematik und Naturwissenschaften Sekretariat MA 4-1 Straße des 17. Juni 10623 Berlin Hochschultag Approximation durch Taylorpolynome Im Rahmen der Schülerinnen- und Schüler-Uni

Mehr

Use Cases. Use Cases

Use Cases. Use Cases Use Cases Eigenschaften: Ein Use Case beschreibt einen Teil des Verhaltens eines Systems aus externer Sicht (Formuliert in der der Fachsprache der Anwendung) Dies geschieht, indem ein Systemdialog beschrieben

Mehr

Einführung in die Algebra

Einführung in die Algebra Prof. Dr. H. Brenner Osnabrück SS 2009 Einführung in die Algebra Vorlesung 13 Einheiten Definition 13.1. Ein Element u in einem Ring R heißt Einheit, wenn es ein Element v R gibt mit uv = vu = 1. DasElementv

Mehr

Informatik A ( Frank Hoffmann)

Informatik A ( Frank Hoffmann) Teillösungen zum 1. Aufgabenblatt zur Vorlesung Informatik A ( Frank Hoffmann) 1. Improvisieren Stellen Sie die Zahl 6 dar durch einen Ausdruck, der genau dreimal die Ziffer i enthält und ansonsten neben

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