Comparative Study of Methods to Determine Arguments Acceptance in Argumentation Framework

Größe: px
Ab Seite anzeigen:

Download "Comparative Study of Methods to Determine Arguments Acceptance in Argumentation Framework"

Transkript

1 Comparative Study of Methods to Determine Arguments Acceptance in Argumentation ramework 1 1 Shuya BUNDO 1 Kazunori YAMAGUCHI The University of Tokyo Abstract: (A),, Dung,,,,, 1,, semantics ( ), Dung semantics, semantics,, semantics, ranking semantics, Dung semantics ranking semantics, Dung semantics ranking semantics,, 2 Dung semantics Dung semantics 2.1 ( [2]). A A A A = A, (Argumentation ramework, A) S, T A, s S, t T bundo@graco.c.u-tokyo.ac.jp s t S T S = {s} s T, T = {t} S t 2.2. = A, A, S A a b a, b S S conflictfree Def(S) = {a A ( b a, c S, c b)} S conflict-free S Def(S) S admissible extension S admissible extension S = Def(S) S complete extension admissible extension, complete extension adm( ), comp( ), Def( ), Def 2 ( ),..., Def n ( ),..., N Def N ( ) = Def N+1 ( ) Def N ( ) grounded extension Atk(S) = {b S b} 3 ranking semantics ranking semantics 3.1. preorder A preorder, : a b a b b a a b a b b a 3.2 (ranking semantics[3]). A A( ) preorder ( ) a b ranking semantics - 7 -

2 4 ranking semantics ranking semantics 1, 4.1., G: A G := A( ) A(G), G a, b A( ), P ab = {b = a 0 a 1 a n = a a i A} l = a 0 a n l = n. R n (a) = {b l P ab, l = n} (), R + (a) = n Z +R 2n (a), R (a) = n Z +R 2n 1 (a), a defender, a attacker R 1 (a) a direct attacker, R 2 (a) a defend 4.2. defense root (resp. attack root) nonattacked defender (resp. attacker) BR n (a) = {b R n (a) R 1 (b) = } BR + (a) = n Z +BR 2n (a) defense branch, BR (a) = n Z +BR 2n 1 (a) attack branch 4.3. = A, A : P n (a) = {x 0 = a, x 1,..., x n }, {x n x n 1, x n 1 x n 2,..., x 1, x 1 x 0 }. i 0 x i / A a A( ) defense simple, a defender, a 1 attacker, a defense distributed, a direct attacker b, b = A, = A, γ : A A (A A = ). = γ ranking semantics, ranking semantics ( 5.1 ) VP SC CP R 1 (a) =, R 1 (b) a b a a, b b a b R 1 (a) < R 1 (b) a b 1 ranking semantics axiom DP R 1 (a) = R 1 (b), R 2 (a), R 2 (b) = a b DDP R 1 (a) = R 1 (b), R 2 (a) = R 2 (b), a defense simple distributed, b defense simple distributed a b DB a A( ) γ P 2n (γ(a)) γ(a) a +DB a A( ) R 1 (a) γ P 2n (γ(a)) γ(a) a DB a, b A( ) b BR + (a), b / BR (a) γ P 2n (γ(b)) a γ(a) AB a, b A( ) b BR (a), b / BR + (a) γ P 2n (γ(b)) γ(a) a +AB a A( ) γ P 2n 1 (γ(a)) a γ(a) AvsD A acyclic BR (a) =, R 1 (b) = 1, R 2 (b) = a b 5 Dung semantics ranking semantics Dung semantics ranking semantics Dung ranking ranking semantics ranking semantics,, 2. 2 ranking semantics,, ranking semantics,, λ Λ ranking semantics { λ } λ Λ, λ ranking semantics, { λ } λ Λ,, 2 ranking semantics,

3 2. 1, 3. 3 VP ranking semantics,, VP a b, a b a = b, ranking semantics, ranking semantics, ranking semantics λ preorder λ Λ { λ },,, a b b a, 5.2. { λ } λ Λ, λ Λ { λ } λ 2 ranking semantics, 5.3. n 0, a 0 b 0 a 1 b 1 a 2 b 2 b n 1 a n b n a 0, b n a 0 b 0 preorder a 0 b 0 a 1 b 1 a n b n a 0, a 0 b 0, a 0 b 0 a 0 b 0 b 0 a 0,, a b a b a, b. a b a b, a b,, a = a 0 b = b 0 a 1 b 1 a n b n a , n 0, a 0 b 0 a 1 b 1 a 2 b 2 b n 1 a n b n a , a b a b or a = b, preorder 1: A 1 ([2] igure 1), admissible semantics complete semantics ranking semantics, semantics, semantics semantics, σ : A 2 2U = A, A σ( ) 2 A σ( ) semantics σ adm comp Dung semantics. σ( ) semantics, a A( ) uni-accepted, exi-accepted, cleanlyaccepted, not-accepted 4 [4],,, σ( ) adm( ) E σ( ) {E, Atk(E), Undec(E)} A( ) 5.5. E A( ) a, b E preorder 1. a E,3 b iff [a] [b] [a] A( ) {E, Atk(E), Undec(E)},, E > Undec(E) > Atk(E) > 2. a E,2 b iff [a] [b] [a] A( ) {E, A( ) E} E > A( ) E v = 2, 3, a, b A( ) a σ,v b E σ( ), a E,v b preorder. preorder Dung ranking ([2] igure 1, 1 ) A 1, b grounded, E = {b, e} complete extension E, {E, Atk(E), Undec(E)} {{b, e}, {a, c, d}, }, {E, E Atk(E)} {{b, e}, {a, c, d}}, b, e comp,v a, c, d, σ,v VP ( ranking semantics) - 9 -

4 VP σ = adm (admissible), {a, b, c, d}, {b c d} A a d VP adm,v VP 5.4, a 0 VP b 0 adm,v a 1 VP b 1 adm,v VP b n 1 adm,v a n VP b n adm,v a 0 R 1 (a 1 ) = E = {a 1 } admissible b 0 adm,v a 1 b 0 E,v a 1 b 0 E, b 0 = a 1. R 1 (b 0 ) = a 0 VP b 0. σ = comp a b c a c SC σ( ) adm( ) σ, v = 2, 3 c a, b b adm( ) = {, {c}} a a, b b, b σ,v a CP σ( ) adm( ) σ, v = 2, 3 c 1 d 1, c 2 d 2, d 1 c 2, d 2 c 1, c 1 a, d 1 a, c 1 b, c 2 b, d 1 b adm( ) = {, {c 1, c 2 }, {d 1, d 2 }} R 1 (a) = 2 < R 1 (b) = 3, b σ,v a DP σ,v v = 2, v = 3 σ( ) comp( ), (, a DP b, b σ,v ) adm,3 DP 5.4, a 0 adm,3 b 0 DP a 1 adm,3 b 1 DP a 2 adm,3 b 2 DP adm,3 a n adm,3 b n DP a n+1 = a 0 x R 1 (a i ) R 2 (a i ) =, E = {x} E adm( ) a i Atk(E), a i adm,3 b i a i E,3 b i b i Atk(E), x R 1 (b i ) R 1 (a i ) R 1 (b i ) R 1 (a i ) R 1 (b i ) R 1 (b i ) = R 1 (a i+1 ), R 1 (a 0 ) R 1 (b 0 ) = R 1 (b 1 ) R 1 (a 2 ) = R 1 (b n ) = R 1 (a 0 ), R 1 (a 0 ) = R 1 (b 0 ) R 1 (a 0 ) R 1 (b 0 ) R 1 (a 0 ) = R 1 (b 0 ) R 2 (a 0 ) =, R 2 (b 0 ) DDP σ,v v = 2, v = 3 σ( ) comp( ), (, a DDP b R 1 (a) = R 1 (b), R 2 (a) = R 2 (b) a distributed, R 1 (a) R 2 (a), R 1 (b) R 2 (b) b defense simple distributed, c R 1 (b), R 1 (c) =, v = 2, v = 3 σ( ) comp( ), a DDP b, b σ,v ) adm,3 DP 5.4, a 0 adm,3 b 0 DDP a 1 adm,3 b 1 DDP DDP a n adm,3 b n DDP a n+1 = a 0 φ(a) = {b R 1 (a) R 1 (b) = } b i DDP a i+1 φ(b i ) < φ(a i+1 ) a i adm,3 b i φ(a i ) φ(b i ) b φ(a i ), R 1 (b) = E = {b} E adm( ) a i Atk(E), a i adm,3 b i b i Atk(E) b R 1 (b i ) φ(a i ) φ(b i ) φ(a i ) φ(b i ) DB +DB +DB σ,v, a a, c b γ(a) γ(a) A, γ(a) +DB a adm( ) = {, {c}} a σ,v γ(a) AB σ( ) comp( ), v = 2, 3., b a, d c γ(b) γ(a) A γ(a) AB a comp( ) = {{b, d, γ(b)}} a σ,v γ(a), σ = adm v = 2 A b adm,2 γ(b) adm,3 +AB +AB σ( ) comp( ), v = 2, 3., b a, γ(b) γ(a), c γ(a) A a +AB γ(a) comp( ) = {{b, γ(b), c}} a σ,v γ(a), σ = adm v = 2 A a adm,2 γ(a) adm,3 5.4, a 0 adm,3 b 0 +AB a 1 adm,3 b 1 +AB +AB a n adm,3 b n +AB a n+1 = a 0 b i +AB a i+1, a i 1 attack branch 1 x 0 x 1 x 2k a E = {x 0, x 2,..., x 2(k 1), x 2k }, E admissible a Atk(E), a i adm,3 b i, b i Atk(E), a i b i w i a i b i

5 , b i +AB a i+1, w i < w i+1, w 0 < w 1 < < w n < w n+1 = w 0 DB σ,v, c b a a, e d γ(c) γ(b) γ(a) γ(a) A, a DB γ(a) a σ,v γ(a) AvsD σ( ) grounded extension v = 2, 3 E adm( ) a / Atk(E), b / E a E,v b ground extension a b a σ,v b 1 adm,v comp,v VP SC CP DP DDP DB +DB DB AB (v = 3), (v = 2) +AB (v = 3), (v = 2) AvsD 1:,, 1, 5 Dung ranking 4., Dung semantics,,, DP DDP,, AB +AB branch v = 3, AvsD, Dung ranking 6 ranking semantics, ranking semantics, [2] ranking semantics Cat, Dbs, Bds, M&T, SA ( Cat ) 5 σ,v ( ranking semantics M&T SA ), σ,v (σ = adm, comp, v = 2, 3), ranking semantics, a, b (a b) a b a adm,v b a comp,v b, ranking semantics σ,v 6.1. a σ,v b a σ,v b a = b. σ,v σ,v ranking semantics Cat, Dbs, Bds Cat, Dbs, Bds adm,v comp,v, 1 1, d δ e (δ = Cat, Dbs, Bds), e σ,v d (σ = adm, comp) M&T M&T = A,, X, Y A, Y X {(x, y) X Y, x y}, f(n) = n/(n+1), P, O A ϕ(p, O) = 1/2 [1+f( O P ) f( P O )], 0 (P conflict-free ) r(p, O) = 1 (P conflict-free P O = ) ϕ(p, O) (otherwise), a A 1, 2 : (proponent) (opponent) ( ) A P A, O A, P a P, r(p, O),, v(a) a M&T b v(a) v(b) 6.2. M&T σ,v (σ {adm, comp}, v {2, 3}), A = {a 0, a 1, a 2, b 0, b 1, b 2, c}, = {a 0 a 1, a 1 a 2, a 2 a 0 } {a i b j 0 i, j 2} {b j c 0 j 2} A = A, ( 2), v(c) 1/2, 1/3 {c, a 0 }, {c, a 1 }, {c, a 2 }, O A 1/3 [ r({c, a i}, O)] 1/2, i {c, a i } conflict-free, P conflict-free P O =

6 f adm,v c adm,v M&T comp( ) = {{d, f}}, comp,v M&T 2: 6.2 A ϕ(p, O) r(p, O) = 1, 1/3 [ ϕ({c, a i}, O)] 1/2 a 3 = a 0 O A 0 i 2 O {c,ai} = {c, a i+1 } O i = 0 x A, x = a 0, a 2, c {x} {c,a0} = {c, a 1 } {x} = 0,, x = a 1, b 0, b 1, b 2 {x} {c,a0} = {c, a 1 } {x} = 1, x A {x} {c,a0} = {c, a 1 } {x}, O {c,a0} = x O {x} {c,a0} = x O {c, a 1} {x} = {c, a 1 } O i = 1, 2 O {c,ai} = {c, a i+1 } O, [f( O {c,ai+1} ) f( {c, a i } O )] = 0 f( O {c,ai} ) = 1 3 ϕ({c, a i }, O) = 1/2 f( {c, a i } O ) v(c) 1/2, = A, A = {d, e, f}, = {d e, e d, e e, e f}, f P conflict-free {f}, {d, f} 2, r({f}, {e}) = 1/2 [ /2] = 1/4, r({d, f}, {e}) = 1/2 [1 + 1/2 2/3] = 5/12 v(f) 5/12, = A A,, [5], A v(c), v(f) A c M&T f, adm( ) = {, {d}, {d, f}} E adm( ) c Undec(E), f / Atk(E),f {d, f}, v {2, 3} SA, SA SA, = A,, ϵ > 0 1, v : A [0, 1], v(a) = 1 (1 v(a i )) 1 + ϵ a i R 1(a), a SA b v(a) v(b) v v, SA,, well-founded A (, acyclic) v, 6.3. = A, well-founded A ( acyclic), σ,v (σ {grounded, comp}, v = 2, 3), ϵ > 0 σ,v SA [1], well-founded grounded extension G, A = G Atk(G), attack G 0 = Def( ), grounded extension G, N G = Def N (G 0 ) M = max a A R 1 (a) ϵ > 0 (M + 1) N ϵ < 1/2 a Def n (G 0 ) v(a) 1 (M + 1) n ϵ n = 0 1 ϵ < 1/(1 + ϵ). n 1, a Def n (G 0 ), v(a) = 1/(1+ϵ) a (1 v(a i R 1(a) i)) a i R 1 (a), b Def n 1 (G 0 ) b R 1 (a i ) v(b) 1 (M +1) n 1 ϵ, v(a i ) = 1/(1 + ϵ) b (1 v(b j R 1(a i) j)) 1 v(b) (M + 1) n 1 ϵ, R 1 (a) M v(a) = ϵ (1 v(a i )) a i R 1(a) (1 ϵ)(1 (M + 1) n 1 ϵ) M (1 (M + 1) n 1 ϵ) M+1 1 (M + 1) n ϵ, (1 x) n 1 nx, a G = Def N (G 0 ), v(a) 1 (M +1) N ϵ > 1/2, b Atk(G)

7 , a G a R 1 (b), v(b) = 1/(1 + ϵ) a (1 v(a i R 1(b) i)) 1 v(a) < 1/2. a σ,v b (σ {grounded, comp}, v = 2, 3) v(a) > v(b), a SA b 2 adm,v comp,v ( (grounded wellfounded )) Cat Dbs Bds M&T SA (wellfounded ), ( ) 2: ranking semantics Dung ranking (,, ) 2 SA, SA, SA Dung ranking SA ϵ, Dung ranking,, ϵ = 0, complete extension v 1, v 0, v 7 Dung semantics ranking Dung ranking Dung ranking, ranking semantics,, Dung ranking ranking semantics ranking semantics,, Dung ranking ranking semantics, SA, well-founded A grounded complete SA Dung ranking,, well-founded, A [1] Phan Minh Dung. On the acceptability of arguments and its fundamental role in nonmonotonic reasoning, logic programming and n-person games. Artificial Intelligence, 77(2), pages , [2] Elise Bonzon, Jérôme Delobelle, Sébastien Konieczny, and Nicolas Maudet. A comparative study of ranking-based semantics for abstract argumentation. In Proceedings of the Thirtieth AAAI Conference on Artificial Intelligence, AAAI 16, pages , AAAI Press, [3] L. Amgoud and J. Ben-Naim. Ranking-based semantics for argumentation frameworks. In Scalable Uncertainty Management, pages , Springer, [4] C. Cayrol and M.-Ch. Lagasquie-Schiex. Graduality in argumentation. Journal of Artificial Intelligence Research, 23, pages , [5] P.-A. Matt and. Toni. A game-theoretic measure of argument strength for abstract argumentation. Procs. of JELIA 08, LNCS 5293, pages Springer, [6] J. Leite and J. Martins. Social abstract argumentation. In Proc. 22nd Int l Joint Conf. on Artificial Intelligence, pages ,

Theoretische Grundlagen zu Default Logic

Theoretische Grundlagen zu Default Logic Theoretische Grundlagen zu Default Logic Eric Hildebrand Logik in der Praxis: Logikprogrammierung und unscharfes Schließen WS 08/09 Universität Heidelberg Seminar für Computerlinguistik Institut für allgemeine

Mehr

Heuristic Search Algorithms for Abstract Argumentation. Masterarbeit

Heuristic Search Algorithms for Abstract Argumentation. Masterarbeit Fachbereich 4: Informatik WeST People and Knowledge Networks Institute for Web Science and Technologies Heuristic Search Algorithms for Abstract Argumentation Masterarbeit zur Erlangung des Grades eines

Mehr

Graph Models for Rational Social Interaction. Dissertation. Cosmina Croitoru

Graph Models for Rational Social Interaction. Dissertation. Cosmina Croitoru Graph Models for Rational Social Interaction Dissertation submitted towards the degree Doctor of Natural Science of the Faculty of Mathematics and Computer Science of Saarland University by Cosmina Croitoru

Mehr

Klassische Themen der Computerwissenschaft

Klassische Themen der Computerwissenschaft Klassische Themen der Computerwissenschaft 3 VO, 1 UE, 716.113 / 716.114 Bernhard Aichernig Oswin Aichholzer Alexander Felfernig Gerald Steinbauer Franz Wotawa Institut für Softwaretechnologie, TU Graz

Mehr

T 1 Th T 1. 1 T 1 h Th

T 1 Th T 1. 1 T 1 h Th T H c c > 0 Tx c x x H H K T : H K T T K T h H T 1 > 0 h = T 1 Th T 1 Th 1 T 1 h Th h H T : T h H,h 0 Th = 0 T c > 0 c h Th = 0. c h > 0 T : (Th n ) n T (h n ) n H T h n h m 1 c Th n Th m c > 0 (h n )

Mehr

Ein universelles Bayes-Design für einarmige Phase II-Studien mit binärem zeitlich erfasstem Endpunkt

Ein universelles Bayes-Design für einarmige Phase II-Studien mit binärem zeitlich erfasstem Endpunkt Ein universelles Bayes-Design für einarmige Phase II-Studien mit binärem zeitlich erfasstem Endpunkt Joachim Gerß joachim.gerss@ukmuenster.de Institute of Biostatistics and Clinical Research Overview 1.

Mehr

Kursbeschreibungen Wahlpflichtfächer Design

Kursbeschreibungen Wahlpflichtfächer Design IMW5.1 Human Machine Interface -Exploring the design disciplines involved in HMI systems (industrial and interaction design) to understand their interdependences as well as their role in the design of

Mehr

A Comprehensive Analysis of the cf2 Argumentation Semantics:

A Comprehensive Analysis of the cf2 Argumentation Semantics: A Comprehensive Analysis of the cf2 Argumentation Semantics: From Characterization to Implementation DISSERTATION zur Erlangung des akademischen Grades Doktorin der technischen Wissenschaften eingereicht

Mehr

Kompositionalität. Christian Ebert & Fritz Hamm. Kompositionalität. 1. Dezember 2011

Kompositionalität. Christian Ebert & Fritz Hamm. Kompositionalität. 1. Dezember 2011 1. Dezember 2011 sprinzip The meaning of a complex expression is determined by the meaning of its parts and the mode of composition. Die Bedeutung eines komplexen Ausdrucks ist durch die Bedeutung seiner

Mehr

Detecting Near Duplicates for Web Crawling

Detecting Near Duplicates for Web Crawling Detecting Near Duplicates for Web Crawling Gurmeet Singh Manku et al., WWW 2007* * 16th international conference on World Wide Web Detecting Near Duplicates for Web Crawling Finde near duplicates in großen

Mehr

Logiken für Multiagentensysteme

Logiken für Multiagentensysteme Logiken für Multiagentensysteme Projektseminar Michael Köhler und Heiko Rölke koehler roelke@informatik.uni-hamburg.de Universität Hamburg, Fachbereich Informatik Vogt-Kölln-Straße 30, 22527 Hamburg Logiken

Mehr

Sarmadi@kntu.ac.ir P- hdoroodian@gmail.com. shafaei@kntu.ac.ir BPOKM. 1 Business Process Oriented Knowledge Management

Sarmadi@kntu.ac.ir P- hdoroodian@gmail.com. shafaei@kntu.ac.ir BPOKM. 1 Business Process Oriented Knowledge Management Sarmadi@kntu.ac.ir P- hdoroodian@gmail.com shafaei@kntu.ac.ir -. - 1 Business Process Oriented Knowledge Management 1 -..» «.. 80 2 5 EPC PC C EPC PC C C PC EPC 3 6 ; ; ; ; ; ; 7 6 8 4 Data... 9 10 5 -

Mehr

HYPERLINK-INDUCED TOPIC SEARCH (HITS) Information Retrieval (WS 15-16) ICL Universität Heidelberg Felix Krauss

HYPERLINK-INDUCED TOPIC SEARCH (HITS) Information Retrieval (WS 15-16) ICL Universität Heidelberg Felix Krauss HYPERLINK-INDUCED TOPIC SEARCH (HITS) Information Retrieval (WS 15-16) ICL Universität Heidelberg Felix Krauss INHALT 1. Einführung 2. Algorithmus 3. Demo 4. Ergebnisse 5. Zusammenfassung 18.01.2016 2

Mehr

2.3 Deduktiver Aufbau der Aussagenlogik

2.3 Deduktiver Aufbau der Aussagenlogik 2.3 Deduktiver Aufbau der Aussagenlogik Dieser Abschnitt beschäftigt sich mit einem axiomatischen Aufbau der Aussagenlogik mittels eines Deduktiven Systems oder eines Kalküls. Eine syntaktisch korrekte

Mehr

Vorbemerkung. [disclaimer]

Vorbemerkung. [disclaimer] Vorbemerkung Dies ist ein abgegebener Übungszettel aus dem Modul physik41. Dieser Übungszettel wurde nicht korrigiert. s handelt sich lediglich um meine Abgabe und keine Musterlösung. Alle Übungszettel

Mehr

2 Spiegelungen. d(f(p), f(q)) = d(p, q) für alle p, q R n

2 Spiegelungen. d(f(p), f(q)) = d(p, q) für alle p, q R n 2 Siegelungen Definition: f : R n R n heißt Bewegung (Isometrie), wenn f Abstände erhält, dh wenn d(f(), f(q)) = d(, q) für alle, q R n Kaitel IV, Satz 32: f ist genau dann eine Bewegung, wenn es eine

Mehr

DOWNLOAD OR READ : TRAUMZIEL NACHHALTIGKEIT INNOVATIVE VERMARKTUNGSKONZEPTE NACHHALTIGER TOURISMUSANGEBOTE F R DEN MASS PDF EBOOK EPUB MOBI

DOWNLOAD OR READ : TRAUMZIEL NACHHALTIGKEIT INNOVATIVE VERMARKTUNGSKONZEPTE NACHHALTIGER TOURISMUSANGEBOTE F R DEN MASS PDF EBOOK EPUB MOBI DOWNLOAD OR READ : TRAUMZIEL NACHHALTIGKEIT INNOVATIVE VERMARKTUNGSKONZEPTE NACHHALTIGER TOURISMUSANGEBOTE F R DEN MASS PDF EBOOK EPUB MOBI Page 1 Page 2 f r den mass traumziel nachhaltigkeit innovative

Mehr

Gleichmäßige Berry-Esseen Schranken. Seminar zur Methode von Stein

Gleichmäßige Berry-Esseen Schranken. Seminar zur Methode von Stein Gleichmäßige Berry-Esseen Schranken Seminar zur Methode von Stein Stefan Roth Institut für Stochastik 18. April, 2016 Universität Ulm Inhalt Wiederholung Gleichmäßige Berry-Essen Schranken Berry-Esseen

Mehr

Master-Seminar Innovative Industrial Software. Digitalization in Industry: Status Quo in different Domains and Regions

Master-Seminar Innovative Industrial Software. Digitalization in Industry: Status Quo in different Domains and Regions Master-Seminar Innovative Industrial Software Digitalization in Industry: Status Quo in different Domains and Regions Prof. Dr. Matthias Kranz 2 Overiew 1. Administrative Organisation 3 5805S Masterseminar

Mehr

Konstruktionsbez. - Construction des. - Dés. de construct.

Konstruktionsbez. - Construction des. - Dés. de construct. MercedesBenz PKWTypen seit 1946 sortiert nach Baumuster MercedesBenz PC models since 1946 categorised by model code MercedesBenz modèles VP à partir de 1946 classés par code de modèle MotorBezeichnung

Mehr

m d2 x dt 2 = K( x), d 2 x j dt 2 = K i.

m d2 x dt 2 = K( x), d 2 x j dt 2 = K i. P m d2 x dt 2 = K( x), m δ ij d 2 x j dt 2 = K i. C W C = C K i dx i δ ij δ ij λδ ij, m m λ d v dt K BA = K AB R 4 E 3 R Σ Σ x = R x a, R T R = I, R... E 3 T 1, 3 + 3 + 1 = 7 E 3 = O 3 T 3,... E 3 O 3

Mehr

κ Κα π Κ α α Κ Α

κ Κα π Κ α α Κ Α κ Κα π Κ α α Κ Α Ζ Μ Κ κ Ε Φ π Α Γ Κ Μ Ν Ξ λ Γ Ξ Ν Μ Ν Ξ Ξ Τ κ ζ Ν Ν ψ Υ α α α Κ α π α ψ Κ α α α α α Α Κ Ε α α α α α α α Α α α α α η Ε α α α Ξ α α Γ Α Κ Κ Κ Ε λ Ε Ν Ε θ Ξ κ Ε Ν Κ Μ Ν Τ μ Υ Γ φ Ε Κ Τ θ

Mehr

Chapter 1 : þÿ b e t a t h o m e. c o m b e t a t h o m e. c o m c h a p t e r

Chapter 1 : þÿ b e t a t h o m e. c o m b e t a t h o m e. c o m c h a p t e r Chapter 1 : þÿ b e t a t h o m e. c o m b e t a t h o m e. c o m c h a p t e r þÿ b e t - a t - h o m e a n e u r e 5 G r a t i s W e t t g u t h a b e n f ü r b e t - a t - h o m e. a u s u n s e r e

Mehr

Holonomiegruppen Riemannscher Mannigfaltigkeiten

Holonomiegruppen Riemannscher Mannigfaltigkeiten Holonomiegruppen Riemannscher Mannigfaltigkeiten Skript zum Seminarthema Holonomiegruppen von Überlagerungen und Riemannschen Produkten Sommersemester 2009 an der Humbol Universität zu Berlin. Daniel Schliebner

Mehr

Vergleich des deutschen VP zer- mit Title Entsprechungen im Polnischen Author(s) Izumi, Bogumila Hitotsubashi journal of arts and sc Citation 37-50 Issue 1996-12 Date Type Departmental Bulletin Paper Text

Mehr

5 Konfidenzschätzung. 5.1 Einige Grundbegriffe zur Konfidenzschätzung

5 Konfidenzschätzung. 5.1 Einige Grundbegriffe zur Konfidenzschätzung 5 Konfidenzschätzung 5. Einige Grundbegriffe zur Konfidenzschätzung Diesem Kapitel liegt das parametrische Modell {X, B X, P } mit P {P Θ} zugrunde. {Θ, B Θ } sei ein Meßraum über Θ und µ ein σ-finites

Mehr

Musterlösung zur Klausur Grundwissen Schulmathematik am

Musterlösung zur Klausur Grundwissen Schulmathematik am Musterlösung zur Klausur Grundwissen Schulmathematik am 24.2.2012 Aufgabe 1 (10 Punkte) Zeigen Sie: Für alle n N ist n 3 3n 2 +2n durch 6 teilbar. svorschläge Beweis durch Induktion nach n n = 1. Es ist

Mehr

12 Lösungen von Aufgaben der Lernziel-Tests

12 Lösungen von Aufgaben der Lernziel-Tests Lösungen von Aufgaben der Lernziel-Tests Kapitel Ketten- oder Linearstruktur: α k p k u k f k a E 4 α/α k p /k p + k u /k u + k f /k f + k α /k α (,5 + 5 + 0, + % 8,6% α 8,6% 4 9,8 3 Br [ R 0 + R 0 + ]

Mehr

Deskriptoren-Matrix Division Engineering Plastics Descriptors Matrix Division Engineering Plastics

Deskriptoren-Matrix Division Engineering Plastics Descriptors Matrix Division Engineering Plastics Addocat 0328 Produktgruppe / Product Group Verwendungsbereich / Sector of Use (SU) Artikelkategorie / Article Category (AC) Produktkategorie / Product Category (PC) Prozesskategorie / Process Category

Mehr

2 Dreiecke. 2.3 Einige spezielle Punkte im Dreieck. Mathematische Probleme, SS 2017 Donnerstag 15.6

2 Dreiecke. 2.3 Einige spezielle Punkte im Dreieck. Mathematische Probleme, SS 2017 Donnerstag 15.6 $Id: dreieck.tex,v 1.35 017/06/15 13:19:44 hk Exp $ Dreiecke.3 Einige spezielle Punkte im Dreieck In diesem Abschnitt wollen wir die sogenannten speziellen Punkte im Dreieck, also den Schwerpunkt, die

Mehr

! # %& (! ) # +,.. # / #. + /

! # %& (! ) # +,.. # / #. + / ! # %& (! ) # +,.. # / #. + / Inhaltsverzeichnis Einführung 2 2 Die τ-topologie 2 3 Der Kullback-Leibler-Abstand 2 4 Empirische Maße 3 5 Der Satz von Sanov 3 6 Anmerkungen 3 7 Lemma 4 8 Beweis Satz von

Mehr

Wissenschaftliches Arbeiten (184.690)

Wissenschaftliches Arbeiten (184.690) Wissenschaftliches Arbeiten (184.690) Literatursuche Reinhard Pichler und Stefan Woltran Institut für Informationssysteme Arbeitsbereich "Datenbanken und Artificial Intelligence" Sommersemester 2015 Wissenschaftliche

Mehr

Exposé. Dankbarkeit und soziale Integration als Ressourcen bei Kindern im Vorschulalter. M. Sc. Arbeit. René Bochmann

Exposé. Dankbarkeit und soziale Integration als Ressourcen bei Kindern im Vorschulalter. M. Sc. Arbeit. René Bochmann Exposé Dankbarkeit und soziale Integration als Ressourcen bei Kindern im Vorschulalter M. Sc. Arbeit René Bochmann Ein Teilbereich der Psychologie, die sogenannte Positive Psychologie, widmet sich besonders

Mehr

Security of Online Social Networks

Security of Online Social Networks Security of Online Social Networks Social Network Analysis Lehrstuhl IT-Sicherheitsmanagment Universität Siegen May 31, 2012 Lehrstuhl IT-Sicherheitsmanagment 1/25 Overview Lesson 06 Fundamental Graphs

Mehr

Klassische Themen der Computerwissenschaft 3 VO, 1 UE, /

Klassische Themen der Computerwissenschaft 3 VO, 1 UE, / Klassische Themen der Computerwissenschaft 3 VO, 1 UE, 716.113 / 716.114 Bernhard Aichernig Oswin Aichholzer Alexander Felfernig Gerald Steinbauer Franz Wotawa, TU Graz Inffeldgasse 16b, 2.Stock 1 Allgemeine

Mehr

Chapter 1 : þÿ b e t a t h o m e a u s z a h l e n w e g c h a p t e r

Chapter 1 : þÿ b e t a t h o m e a u s z a h l e n w e g c h a p t e r Chapter 1 : þÿ b e t a t h o m e a u s z a h l e n w e g c h a p t e r þÿ w i t h U s :. T r y y o u r h a n d a t n o o d l e s o f z u c c h i n i, c a r r o t, s q u a s h, s w e e t p o t a t o, t

Mehr

Informatics Master Programs

Informatics Master Programs Informatics Master Programs T. Huckle Technichal University of Munich Department of Informatics Scientific Computing Garching, 8.6.2018 Overview Master Informatics Master Informatics: Games Engineering

Mehr

Übungen zur Vorlesung. Einführung in Dynamische Systeme. Musterlösungen zu Aufgabenblatt 8

Übungen zur Vorlesung. Einführung in Dynamische Systeme. Musterlösungen zu Aufgabenblatt 8 Prof. Roland Gunesch Sommersemester 2010 Übungen zur Vorlesung Einführung in Dynamische Systeme Musterlösungen zu Aufgabenblatt 8 Aufgabe 1: Sei (X, d) ein kompakter metrischer Raum. Die Hausdorff-Metrik

Mehr

Zurich Open Repository and Archive. Anatomie von Kommunikationsrollen. Methoden zur Identifizierung von Akteursrollen in gerichteten Netzwerken

Zurich Open Repository and Archive. Anatomie von Kommunikationsrollen. Methoden zur Identifizierung von Akteursrollen in gerichteten Netzwerken University of Zurich Zurich Open Repository and Archive Winterthurerstr. 190 CH-8057 Zurich http://www.zora.uzh.ch Year: 2008 Anatomie von Kommunikationsrollen. Methoden zur Identifizierung von Akteursrollen

Mehr

Florence Network Annual Meeting 2017

Florence Network Annual Meeting 2017 University Practice Cooperation Group Florence Network Annual Meeting 2017 21.04.2017 Joint Education Training facility cooperation between university and practice Katharina Tritten, BFH and Petra Graf

Mehr

3 Kurven und Kurvenintegrale

3 Kurven und Kurvenintegrale HM III = MATH III FT 2013 35 3 urven und urvenintegrale 3.1 urven 3.1.1 Definition von Wegen und urven; Jordankurven Definition: Eine stetige Abbildung γ : [a, b] IR n heißt ein Weg im IR n. Den zugehörigen

Mehr

R 3 und U := [e 2, e 3 ] der von e 2, e 3 erzeugte

R 3 und U := [e 2, e 3 ] der von e 2, e 3 erzeugte Aufgabe ( Es seien e =, e = Untervektorraum (, e = ( R und U := [e, e ] der von e, e erzeugte Weiter sei G := {A GL(, R A e = e und A U U} (a Zeigen Sie, dass G eine Untergruppe von GL(, R ist (b Geben

Mehr

geändert durch Satzung vom 14. Oktober 2014 ECUST eingeschrieben sind und studieren, und in dem die Grundlagenfächer des Studiengangs

geändert durch Satzung vom 14. Oktober 2014 ECUST eingeschrieben sind und studieren, und in dem die Grundlagenfächer des Studiengangs Satzung des Fachbereichs Elektrotechnik und Informatik der Fachhochschule Lübeck über das Studium im Bachelor-Studiengang Information Technology (Studienordnung Information Technology - Bachelor) Vom 19.

Mehr

10 Zurück zu den Ursprüngen

10 Zurück zu den Ursprüngen 10 Zurück zu den Ursprüngen Betriebssysteme wurden in den 1960er Jahren erfunden bs-10 1 Die Situation am Ende der 1950er Jahre: Stapelbetriebssysteme ohne Spooling (bei Großrechnern) typisch: IBM 7090

Mehr

6 Räume integrierbarer Funktionen

6 Räume integrierbarer Funktionen $Id: L.tex,v 1.5 2012/01/19 15:07:43 hk Ex $ $Id: green.tex,v 1.3 2012/01/19 15:18:26 hk Ex hk $ 6 Räume integrierbarer Funktionen In der letzten Sitzung hatten wir die sogenannte L -Norm ( 1/ f := f(x)

Mehr

AW2-Vortrag. Mobiles Augmented Reality Audio System. David Hemmer. 10. Mai 2012

AW2-Vortrag. Mobiles Augmented Reality Audio System. David Hemmer. 10. Mai 2012 AW2-Vortrag HAW Hamburg 10. Mai 2012 1 / 24 Gliederung 1 Kontext meiner Arbeit 2 Konferenzen 3 Vergleichbare Arbeiten (theoretisch) 4 Vergleichbare Arbeiten 5 Mein Ansatz 2 / 24 Kontext Kontext meiner

Mehr

Contractual Management Institute CMI Berlin. The institute for law and sustainable networking

Contractual Management Institute CMI Berlin. The institute for law and sustainable networking 1 Contractual Management Institute CMI Berlin The institute for law and sustainable networking Fields of Activities 1 Contractual Networking 1.1 Contractual Management Schuhmann, R., and Eichhorn, B. (2017),

Mehr

...t e c h n o l o g y g i v e s c o m f o r t

...t e c h n o l o g y g i v e s c o m f o r t St andard programme for gas springs and dampers St andardprogramm Gasfedern und Dämpfer...t e c h n o l o g y g i v e s c o m f o r t L I F T- O - M T g a s s p r i n g s L I F T- O - M T g a s s p r i

Mehr

Computational Models

Computational Models - University of Applied Sciences - Computational Models - CSCI 331 - Friedhelm Seutter Institut für Angewandte Informatik Part I Automata and Languages 0. Introduction, Alphabets, Strings, and Languages

Mehr

Kompositionalität & DSM

Kompositionalität & DSM & DSM 7. Dezember 2011 Mitchell & Lapata (2008) I Evaluation verschiedener Kompositionsmodi: additiv gewichtet additiv (Kintsch, 2001) multiplikativ gemischt p = u + v Vektoraddition p = α u + β v Vektoraddition

Mehr

TECHNISCHES DATENBLATT

TECHNISCHES DATENBLATT Seite 1 von 5 BESCHREIBUNG Die Sandwichplatte STIFERITE besteht aus STIFERITE GTC - einem Dämmstoff aus FCKW- und HFCKWfrei geschäumtem Polyiso-Hartschaum - mit beidseitiger Beschichtung mit Polytwin.

Mehr

Veröffentlichungen und Vorträge des CAD CAM Center Cologne

Veröffentlichungen und Vorträge des CAD CAM Center Cologne Veröffentlichungen und Vorträge des CAD CAM Center Cologne 2018 L. Anger, H. Ott, M. Ruschitzka: Automatic Generation of a Shell of an Architectural CAD Model for Additive Manufacturing, NAFEMS, Exploring

Mehr

Automatische Analyse und Exploration von Mediendaten. Prof. Dr. Ralph Ewerth Technische Informationsbibliothek (TIB)

Automatische Analyse und Exploration von Mediendaten. Prof. Dr. Ralph Ewerth Technische Informationsbibliothek (TIB) Automatische Analyse und Exploration von Mediendaten Prof. Dr. Ralph Ewerth Technische Informationsbibliothek (TIB) Relevante Forschungsthemen Automatische Annotation & semantische Suche (Bilder, Video,

Mehr

Chestpain in primary care: a systematic research programme to support guideline development

Chestpain in primary care: a systematic research programme to support guideline development allgemeinmedizin Chestpain in primary care: a systematic research programme to support guideline development Norbert Donner-Banzhoff Jörg Haasenritter Stefan Bösner Department of General Practice University

Mehr

Seminar A - Spieltheorie und Multiagent Reinforcement Learning in Team Spielen

Seminar A - Spieltheorie und Multiagent Reinforcement Learning in Team Spielen Seminar A - Spieltheorie und Multiagent Reinforcement Learning in Team Spielen Michael Groß mdgrosse@sbox.tugraz.at 20. Januar 2003 0-0 Matrixspiel Matrix Game, Strategic Game, Spiel in strategischer Form.

Mehr

On the Existence of Characterization Logics and Fundamental Properties of Argumentation Semantics

On the Existence of Characterization Logics and Fundamental Properties of Argumentation Semantics On the Existence of Characterization Logics and Fundamental Properties of Argumentation Semantics Der Fakultät für Mathematik und Informatik der Universität Leipzig eingereichte Habilitationsschrift zur

Mehr

Master-Seminar Eingebettete Interaktive Systeme. Alexa, La Liga and Roomba: Challenges for Human-Computer Interaction

Master-Seminar Eingebettete Interaktive Systeme. Alexa, La Liga and Roomba: Challenges for Human-Computer Interaction Master-Seminar Eingebettete Interaktive Systeme Alexa, La Liga and Roomba: Challenges for Human-Computer Interaction Prof. Dr. Matthias Kranz 2 Overiew 1. Administrative Organisation 3 5805S Masterseminar

Mehr

Earley Parser. Flutura Mestani

Earley Parser. Flutura Mestani Earley Parser Flutura Mestani Informatik Seminar Algorithmen zu kontextfreien Grammatiken Wintersemester 2015/2016 Prof. Martin Hofmann, Dr. Hans Leiß Flutura Mestani 25.11.2015 Seminar Algorithmen zu

Mehr

Chapter 1 : þÿ M o b i l e b e t a t h o m e a u c h a p t e r

Chapter 1 : þÿ M o b i l e b e t a t h o m e a u c h a p t e r Chapter 1 : þÿ M o b i l e b e t a t h o m e a u c h a p t e r þÿ U m I h r e n A c c o u n t z u s c h ü t z e n m ü s s e n S i e e i n P a s s w o r t u n d e i n e & n b s p ;. i P h o n e 7 a n d

Mehr

m d2 x dt 2 = K( x), d 2 x j dt 2 = K i.

m d2 x dt 2 = K( x), d 2 x j dt 2 = K i. P m d2 x dt 2 = K( x), m δ ij d 2 x j dt 2 = K i. C W C = K i dx i C δ ij δ ij λδ ij, m m λ d v dt K BA = K AB R 4 E 3 R Σ Σ x = R x a, R T R = I, R... E 3 T 1, 3 + 3 + 1 = 7 E 3 = O 3 T 3,... E 3 O

Mehr

4 Autonome Systeme und Erste Integrale

4 Autonome Systeme und Erste Integrale 4 Autonome Systeme und Erste Integrale 17 4 Autonome Systeme und Erste Integrale 4.1 Autonome Systeme haben die Form ẋ = v(x) (1) mit lokal Lipschitz-stetigen Vektorfeldern v C(D, K n ). a) Man kann v

Mehr

Umsetzung eines Online-SLAM-Verfahrens auf der Roboterplattform VolksBot-Lab

Umsetzung eines Online-SLAM-Verfahrens auf der Roboterplattform VolksBot-Lab Umsetzung eines Online-SLAM-Verfahrens auf der Roboterplattform VolksBot-Lab Bachelorarbeit Frank Engelhardt Institut für Verteilte Systeme Gliederung Motivation Problemexposition Lösungsverfahren Zeitverhalten

Mehr

Übersicht über die systematischen Hauptgruppen

Übersicht über die systematischen Hauptgruppen Ü ü H 1-9: A G 1 B 2 N 3 F 4 A T 5 I I A (D, M, H) 6 W Z 7 Z ( S), Z 10-19: W W 10 S G W 11 G G, G 12 G G G, 13 G G G, N, Lä 14 G G G, N, Lä 15 O G 16 B, A M 17 G Pä / G U / L S G 1 20-29: U E 20 D W öß

Mehr

Einführung in die Logik. Klaus Madlener

Einführung in die Logik. Klaus Madlener Einführung in die Logik Klaus Madlener 2002 Vorwort Dieses Skript entstand aus dem alten Vorlesungsskript Einführung in die Logik und Korrektheit von Programmen, das sich über viele Jahre bewährte. Es

Mehr

Artificial Intelligence (Künstliche Intelligenz 1) Winter 2017/18 Provisional Lecture Notes Conclusion of KI-1

Artificial Intelligence (Künstliche Intelligenz 1) Winter 2017/18 Provisional Lecture Notes Conclusion of KI-1 1 Artificial Intelligence (Künstliche Intelligenz 1) Winter 2017/18 Provisional Lecture Notes Conclusion of KI-1 Michael Kohlhase Professur für Wissensrepräsentation und -verarbeitung Informatik, FAU Erlangen-Nürnberg

Mehr

Anwendung logistischer und linearer Regressionsmodelle zur Berechnung von adjustierten NNEs und Risikodifferenzen

Anwendung logistischer und linearer Regressionsmodelle zur Berechnung von adjustierten NNEs und Risikodifferenzen Workshop der AG Statistische Methoden in der Medizin Magdeburg, 22.11.2007 Anwendung logistischer und linearer Regressionsmodelle zur Berechnung von adjustierten NNEs und Risikodifferenzen Ulrich Gehrmann

Mehr

Ein Einfaches Univerales Schaltelement und Zellularautomaten für Rechnerreversibilität

Ein Einfaches Univerales Schaltelement und Zellularautomaten für Rechnerreversibilität Ein Einfaches Univerales Schaltelement und Zellularautomaten für Rechnerreversibilität Vortrag von Dennis Felsing im Proseminar Zellularautomaten und Diskrete Komplexe Systeme Sommersemester 2011 1/27

Mehr

JUBILÄUMSTAFEL. 18. Ju l i. 18: 0 0 U hr. 125 Jah re IG Met all Gaggenau 50 Jahre Le be nshilfe Ra sta tt/m ur gta l

JUBILÄUMSTAFEL. 18. Ju l i. 18: 0 0 U hr. 125 Jah re IG Met all Gaggenau 50 Jahre Le be nshilfe Ra sta tt/m ur gta l 18. Ju l i 18: 0 0 U hr 125 Jah re IG Met all Gaggenau 50 Jahre Le be nshilfe Ra sta tt/m ur gta l #01 Pizzeria Ristorante Salmen G e f ü l l t e r M o zza r e l l a m i t S p i na t u n d G a r n e l

Mehr

RPM. Einstieg in den RPM-Paketbau. Oliver Burger obgr seneca@mageia.org. 25. Oktober 2012. http://www.mageia.org/ 25. Oktober 2012 RPM 1

RPM. Einstieg in den RPM-Paketbau. Oliver Burger obgr seneca@mageia.org. 25. Oktober 2012. http://www.mageia.org/ 25. Oktober 2012 RPM 1 25. Oktober 2012 RPM 1 RPM Einstieg in den RPM-Paketbau Oliver Burger obgr seneca@mageia.org http://www.mageia.org/ 25. Oktober 2012 25. Oktober 2012 RPM 2 Allgemeines über RPM-Pakete Besonderes Archiv-Format

Mehr

Seminar stochastische Geometrie. 25. Januar Faserprozesse im R 2. Simona Renner. Faserprozesse. Kenngrößen Intensität Richtungsrose

Seminar stochastische Geometrie. 25. Januar Faserprozesse im R 2. Simona Renner. Faserprozesse. Kenngrößen Intensität Richtungsrose Seminar stochastische Geometrie 25. Januar 2010 Contents 1 2 3 4 5 Definitionen Faser: glatte Kurve endlicher Länge in der Ebene Faser γ ist das Bild der Kurve γ(t) = (γ 1 (t), γ 2 (t)) mit (i) γ : [0,

Mehr

The German professional Education System for the Timber Industry. The University of Applied Sciences between vocational School and University

The German professional Education System for the Timber Industry. The University of Applied Sciences between vocational School and University Hochschule Rosenheim 1 P. Prof. H. Köster / Mai 2013 The German professional Education System for the Timber Industry The University of Applied Sciences between vocational School and University Prof. Heinrich

Mehr

Auslastungs- und Potenzialspiele

Auslastungs- und Potenzialspiele Definition Existenz Konvergenzzeit Matroidspiele Algorithmische Spieltheorie Sommer 2017 Definition Existenz Konvergenzzeit Matroidspiele Auslastungsspiele Existenz eines reinen Nash-Gleichgewichtes Konvergenzzeit

Mehr

Chapter 1 : þÿ b e t a t h o m e T e s t c h a p t e r

Chapter 1 : þÿ b e t a t h o m e T e s t c h a p t e r Chapter 1 : þÿ b e t a t h o m e T e s t c h a p t e r þÿ h o m e R a b a t t e. w w w. c o u p o r a n d o. c o. u k ; C o u p o r a n d o. c o m w w w. c o u p o r a n d o.. O d e r b e t a t h o m e

Mehr

Datenintegration als automatisierter Prozess

Datenintegration als automatisierter Prozess Datenintegration als automatisierter Prozess Hauptseminar Tom Schöner tom.schoener@haw-hamburg.de Department Informatik, Informatik Master 12.06.2018 1 Inhaltsübersicht Einführung Thema und Fragestellungen

Mehr

Reduced-Rank Least Squares Modelle

Reduced-Rank Least Squares Modelle 16.12.2008 Wiederholung Gegeben: Matrix A m n Paar Rechter Eigenvektor x, Eigenwert λ: A x = λ x mit x R n \ 0, λ N Paar Linker Eigenvektor y, Eigenwert λ: y T A = λ y T Singulärwertzerlegung (SVD): A

Mehr

Einführung in die Computerlinguistik reguläre Sprachen und endliche Automaten

Einführung in die Computerlinguistik reguläre Sprachen und endliche Automaten Einführung in die Computerlinguistik reguläre Sprachen und endliche Automaten Dozentin: Wiebke Petersen Foliensatz 3 Wiebke Petersen Einführung CL 1 Describing formal languages by enumerating all words

Mehr

Prädikatenlogik: modelltheoretische Semantik

Prädikatenlogik: modelltheoretische Semantik Einführung in die Logik - 6 Prädikatenlogik: modelltheoretische Semantik Modelltheoretische / Denotationelle Semantik der Prädikatenlogik Ein Modell ist... ein künstlich geschaffenes Objekt, das die Struktur

Mehr

KUNDENINDIVIDUELLE APPS FÜR IBM CONNECTIONS UND IBM VERSE ENTWICKELN

KUNDENINDIVIDUELLE APPS FÜR IBM CONNECTIONS UND IBM VERSE ENTWICKELN KUNDENINDIVIDUELLE APPS FÜR IBM CONNECTIONS UND IBM VERSE ENTWICKELN STUTTGART, 09.06.2016 BENJAMIN STEIN (CENIT AG) AGENDA Vorstellung Architektur Zusammenspiel zwischen IBM Verse, IBM Connections und

Mehr

Modelle der Nebenläufigkeit

Modelle der Nebenläufigkeit meinecke@informatik.uni-leipzig.de http://www.informatik.uni-leipzig.de/ meinecke/ Institut für Informatik Universität Leipzig Sommersemester 2006 Literatur B. Baumgarten, Petri-Netze, Grundlagen und Anwendungen,

Mehr

Repeated Measures unter Nicht-Normalverteilung

Repeated Measures unter Nicht-Normalverteilung Robuste Verfahren für strukturierte Repeated Measures unter Nicht-Normalverteilung Abteilung für Medizinische Statistik Universität Göttingen 19. November 2009 Übersicht Beispiel e Bekannte Verfahren für

Mehr

Bimetallic nanoalloys: polymer-assisted preparation and catalytic properties.

Bimetallic nanoalloys: polymer-assisted preparation and catalytic properties. Bimetallic nanoalloys: polymer-assisted preparation and catalytic properties. Dissertation zur Erlangung des Doktorgrades der Naturwissenschaften Dr. rer. nat. Vorgelegt dem Promotionsausschuss des Fachbereichs

Mehr

ShopBot, ein Software-Agent für das Internet

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

Mehr

Differentialformen. Lie-Ableitung von Differentialformen und Poincaré-Formel. Differentialform dp dx und ihre Invarianz bzgl. Hamiltonischer Flüsse.

Differentialformen. Lie-Ableitung von Differentialformen und Poincaré-Formel. Differentialform dp dx und ihre Invarianz bzgl. Hamiltonischer Flüsse. Differentialformen Plan Zuerst lineare Algebra: Schiefsymmetrische Formen im R n. Dann Differentialformen: Invarianz bzgl. Diffeomorphismen (und sogar beliebigen glatten Abbildungen). Äußere Ableitung.

Mehr

Der Earley-Algorithmus

Der Earley-Algorithmus Der Earley-Algorithmus Kursfolien Karin Haenelt 25.03.02 1 25.03.02 2 Inhalt Funktion des Earley-Algorithmus Begriffe Erkenner/Parser Kontextfreie Grammatik Ein Beispiel Funktionen des Algorithmus Funktionsweise

Mehr

Klassische Themen der Computerwissenschaft 3 VO, 1 UE, /

Klassische Themen der Computerwissenschaft 3 VO, 1 UE, / Klassische Themen der Computerwissenschaft 3 VO, 1 UE, 716.113 / 716.114 Bernhard Aichernig Oswin Aichholzer Alexander Felfernig Gerald Steinbauer Franz Wotawa Institut für Softwaretechnologie, TU Graz

Mehr

Seminar zu Präferenzaggregation durch SS Prof. Dr. Jörg Rothe, Ann-Kathrin Selker. Einführungsveranstaltung 08./09.

Seminar zu Präferenzaggregation durch SS Prof. Dr. Jörg Rothe, Ann-Kathrin Selker. Einführungsveranstaltung 08./09. Seminar zu Präferenzaggregation durch Wählen SS 2015 Einführungsveranstaltung 08./09. April 2015 Scheinvoraussetzungen 1 schriftliche Ausarbeitung zum Seminarthema (5 10 Seiten) WICHTIG: Eigenleistung;

Mehr

Darstellungstheoretische Ansätze in der schnellen Matrixmultiplikation

Darstellungstheoretische Ansätze in der schnellen Matrixmultiplikation Darstellungstheoretische Ansätze in der schnellen Matrixmultiplikation Teil I: Einführung und aktueller Überblick IVO HEDTKE Arbeitsgruppe Datenstrukturen und effiziente Algorithmen (Prof. Dr. M. MÜLLER-HANNEMANN)

Mehr

Der Earley-Algorithmus

Der Earley-Algorithmus Der Earley-Algorithmus Kursfolien Karin Haenelt 25.03.02 1 25.03.02 2 Inhalt Funktion des Earley-Algorithmus Begriffe Erkenner/Parser Kontextfreie Grammatik Ein Beispiel Funktionen des Algorithmus Funktionsweise

Mehr

РЕЧЬ СТАЛИНА, КОТОРОЙ НЕ БЫЛО

РЕЧЬ СТАЛИНА, КОТОРОЙ НЕ БЫЛО 1!"#$#%"&#''() *%"+,*), 2004, - 1, %. 113-139 РЕЧЬ СТАЛИНА, КОТОРОЙ НЕ БЫЛО!.".!#$%./0$.#,1#2 3*'+&4#&*$, &'(). *+,-.. ('$&, +,. ('$%(.+-,.. /(+,*,$,' +#'01(-02)2(*1 345. 5&"+, &6,(7(#" 8+/490: 8/(1+;(,'+%"4

Mehr

Reucher, E.: Information und Wissen im Spannungsfeld von Informationstheorie und Betriebswirtschaftslehre,

Reucher, E.: Information und Wissen im Spannungsfeld von Informationstheorie und Betriebswirtschaftslehre, Monographien Information und Wissen im Spannungsfeld von Informationstheorie und Betriebswirtschaftslehre, Peter Lang Verlag, Frankfurt a. M., (2009). Modellbildung bei Unsicherheit und Ungewissheit in

Mehr

Rolland. Niels Schütte Hristo Gurdzhanov. 1 Vorstellung 2 Gliederung 3 Forschung 4 Rolland 1 5 Rolland 2. 6 Obstacle Map 7 Rolland 3 8 Projekte

Rolland. Niels Schütte Hristo Gurdzhanov. 1 Vorstellung 2 Gliederung 3 Forschung 4 Rolland 1 5 Rolland 2. 6 Obstacle Map 7 Rolland 3 8 Projekte Rolland Niels Schütte Gliederung Forschung Rolland 1 Rolland 2 ObstacleMap Rolland 3 Projekte Probleme Finanzierung Forschung Navigation/Raumkognition Sichere Systeme Rolland 1 Kamera Jede Menge Sensoren

Mehr

Answer Set Programming

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

Mehr

1 Das Lebesgue-Maß. 1.1 Etwas Maßtheorie. Sei stets X eine nichtleere Menge mit Potzenzmenge P(X) := {A : A X}.

1 Das Lebesgue-Maß. 1.1 Etwas Maßtheorie. Sei stets X eine nichtleere Menge mit Potzenzmenge P(X) := {A : A X}. 1 Das Lebesgue-Maß 1.1 Etwas Maßtheorie Sei stets X eine nichtleere Menge mit Potzenzmenge P(X) := {A : A X}. Definition 1.1. Ein nichtleeres Mengensystem A P(X) heißt σ-algebra, wenn: (A1) X A (A2) Wenn

Mehr

Master-Studiengang & Bewerbung/Zulassung. Judith Zimmermann Studienkoordinatorin, Departement Informatik, ETH Zürich

Master-Studiengang & Bewerbung/Zulassung. Judith Zimmermann Studienkoordinatorin, Departement Informatik, ETH Zürich Master-Studiengang & Bewerbung/Zulassung Judith Zimmermann Studienkoordinatorin, Departement Informatik, ETH Zürich Master's in Data Science 120 Core Courses 62 Data Analysis 16 Information and Learning

Mehr

Chapter 1 : þÿ b e t a t h o m e G e w i n n s t r a t e g i e c h a p t e r

Chapter 1 : þÿ b e t a t h o m e G e w i n n s t r a t e g i e c h a p t e r Chapter 1 : þÿ b e t a t h o m e G e w i n n s t r a t e g i e c h a p t e r þÿ S p o r t w e t t e n i s t b e r e i t f ü r d i e K u n d e n a u c h O n l i n e - C a s i n o, O n l i n e P o k e r,

Mehr

Chapter 1 : þÿ B o n u s c o d e b e t a t h o m e o h n e E i n z a h l u n g c h a p t e r

Chapter 1 : þÿ B o n u s c o d e b e t a t h o m e o h n e E i n z a h l u n g c h a p t e r Chapter 1 : þÿ B o n u s c o d e b e t a t h o m e o h n e E i n z a h l u n g c h a p t e r þÿ a t t e n t i o n.. h a t b r i c h t e r a n i h r e m s i e g a u f k o m m e n i m a u s d e m k r e i

Mehr

GMDS-Tagung 2006 Bioinformatik 1. Assessing the stability of unsupervised learning results in small-sample-size problems

GMDS-Tagung 2006 Bioinformatik 1. Assessing the stability of unsupervised learning results in small-sample-size problems GMDS-Tagung 2006 Bioinformatik 1 Assessing the stability of unsupervised learning results in small-sample-size problems Ulrich Möller Email: Ulrich.Moeller@hki-jena.de Leibniz Institute for Natural Product

Mehr

Seminar Algorithmische Spieltheorie WS 2007/08. Martin Sauerhoff

Seminar Algorithmische Spieltheorie WS 2007/08. Martin Sauerhoff Seminar Algorithmische Spieltheorie WS 2007/08 Martin Sauerhoff Worum geht es? Internet/WWW: Interaktion zwischen Parteien ( Spielern ), die private, egoistische Interessen verfolgen; Erreichen von globalen

Mehr

Planen als Erfüllbarkeitsproblem

Planen als Erfüllbarkeitsproblem 19.01.2007 Seminar Planen und Problemlösen Übersicht 1 Einführung 2 Planen durch Deduktion 3 SAT-Planen 4 Techniken 5 Zusammenfassung 6 Literatur Zustandsraum vs. Axiome Zustandsraumbasiert ( STRIPS):

Mehr