2.4 Darstellung von Zeichen(ketten)
|
|
- Johanna Adenauer
- vor 7 Jahren
- Abrufe
Transkript
1 2.4 Darstellung von Zeichen(ketten) ASCII (American Standard for Coded Information Interchange): Abbildungsvorschrift (Norm) zur binären Kodierung von Zeichen Umfasst Klein-/Großbuchstaben des lateinischen Alphabets, Ziffern, und viele Sonderzeichen Kodierung erfolgt in einem Byte (256 Zeichen) Standard-ASCII-Code nutzt das erste Bit nicht (128 Zeichen). Spezielle normierte ASCII-Code- Erweiterungen nutzen auch das erste Bit. Darstellbare Zeichen 27
2 2.4 Darstellung von Zeichen(ketten) ASCII-Kunst: Kunstrichtung, die mit den Zeichen des ASCII-Zeichensatzes Bilder darstellt Quelle: 28
3 2.4 Darstellung von Zeichen(ketten) Unicode: The W3C was founded to develop common protocols to lead the evolution of the World Wide Web. The path W3C follows to making text on the Web truly global is Unicode. Unicode is fundamental to the work of the W3C; it is a component of W3C Specifications, from the early days of HTML, to the growing XML Family of specifications and beyond. Sir Tim Berners-Lee Web Inventor and Director of the World Wide Web Consortium (W3C) Kodiert praktisch Zeichen aller bekannten Schriftkulturen und Zeichensysteme Ziel: Verwendung unterschiedlicher und inkompatibler Kodierungen in verschiedenen Ländern oder Kulturkreisen beseitigen Version (April 2008): > Zeichen 29
4 2.4 Darstellung von Zeichen(ketten) Darstellung von Zeichenketten (Strings): Hintereinanderreihung der einzelnen Zeichen. Zur Identifikation des Endes werden zwei verschiedene Verfahren verwendet: Die Länge der Zeichenkette wird im ersten bzw. in den ersten zwei Bytes vor der eigentlichen Zeichenkette gespeichert Das Ende wird durch ein besonderes, nicht darzustellendes Zeichen gekennzeichnet. Beispiel: 0-Byte (alle Bits 0) In C/C++. 30
5 2.5 Kodierung Alle Informationen (Repräsentationen nach der Modellierung) müssen durch eine geeignete Kodierung rechnerintern dargestellt werden Kodierung (im allgemeinen Sinne): X: eine Menge der zu kodierenden Sachverhalte S: eine endliche Menge der zur Verfügung stehenden Symbole. Mit S* bezeichnen wir die Menge aller endlichen Folgen von Symbolen aus S: S* = { s 1 s n n 0; s i S, 1 i n } Die Elemente von S* heißen auch Worte über S Eine Kodierung von X über S ist eine injektive Funktion f : X S* Funktion f : A B von Menge A in Menge B heißt injektiv, wenn gilt: x, y A, x y f (x) f (y) 31
6 2.5 Kodierung Beispiel: N = Menge der natürlichen Zahlen, S = { }. Die unäre Kodierung (Strichdarstellung) ist die Funktion f : N S* die jeder Zahl n N die Folge S* zuordnet. f ist offensichtlich injektiv. n 32
7 2.5 Kodierung Beispiel: ASCII Code spezifiziert zuerst eine Abbildung f : X = { alle ASCII Zeichen } {0,, 127} Wenn man sich die Dezimalzahlen noch binär kodiert denkt, ist der ASCII Code eine Kodierung von X, X = 128, über dem Alphabet B = {0, 1}. f ASCII : X B 7 wobei B 7 (7-stellige Codes) eine echte Teilmenge von B* 33
8 2.6 Schichtenmodelle Information darstellen Interpretieren Manuell Repräsentation (mathematisch) kodieren dekodieren Repräsentation (rechnerintern) Maschinell V e r a r b e i t u n g An der Schnittstelle bieten uns Werkzeuge (z.b. Programmiersprachen) an, die Repräsentation auf einer höheren Ebene (ohne Kenntnisse rechnerinterner Details) anzugeben ( Schichten) 34
9 2.6 Schichtenmodelle Informatik-Systeme basieren typischerweise auf Schichtenmodellen, wo den höheren Schichten die Details der unteren Schichten verbogen bleiben und die Kommunikation durch Schnittstellen sichergestellt wird Beispiel: Compiler (Übersetzer) wandelt ein in einer höheren Programmiersprache geschriebenes Programm in ein semantisch äquivalentes Programm einer Machinensprache um Quelle: Wikipedia 35
10 2.6 Schichtenmodelle Zwischencode-Erzeugung: Viele moderne Compiler erzeugen einen Zwischencode, der relativ maschinennah sein kann und führen auf diesem Zwischencode z. B. Programmoptimierungen durch. Vorteilhaft, wenn mehrere Quellsprachen oder verschiedene Zielplattformen unterstützt werden sollen. Quelle: Wikipedia 36
11 2.6 Schichtenmodelle Quiz: X = { alle Programme in Java } S = { 0, 1 } Jeder Compiler ist eine Funktion f : X { alle Programme in irgendeiner Maschinensprache } (Teilmenge von S*) Ist ein Compiler eine Kodierung von X über S? Quelle: Wikipedia 37
12 2.6 Schichtenmodelle Beispiel: Betriebssysteme Je mehr Software-Schichten die Hardware umgeben, desto besser lässt sich die Anwendungsvielfalt und Schnittstelle zum Menschen hin optimieren. Durch diese Abstraktionsschichten wird ein Computer für den Menschen erst richtig bedienbar. 38
13 2.7 Information Informationstheorie: Vom amerikanischen Mathematiker Claude Elwood Shannon ( ) begründet Untersucht die Darstellung, die Speicherung, und den Austausch (Übertragung) von Informationen In der Informationstheorie versteht man unter Information ein rein technisches Maß, nur mit den formal darstellbaren Aspekten der Information ohne Aussagen zum Sinngehalt Zur Untersuchung von Nachrichten und deren Übertragung werden vorwiegend Methoden aus der Wahrscheinlichkeitsrechnung und der mathematischen Statistik verwendet 39
14 2.7 Information Der Informationsgehalt eines einzelnen Zeichens in einem System: wobei p i die Auftrittswahrscheinlichkeit des Zeichens z i ist. Falls das gesamte System (Datenquelle) S insgesamt n Symbole erzeugt, definiert man die Entropie als den gewichteten Durchschnitt der Informationsgehalte aller Symbole: Die Entropie gibt die theoretisch optimal mögliche Kodierung an, also in Bezug auf die Datenkompression die kleinst mögliche Codewortlänge 40
15 2.7 Information Beispiel: Grauwertbilder (256 Graustufen) Homogenes Bild (einziger Grauwert; p i =1 für bestimmtes i, sonst 0): Bild mit gleichmäßig verteilten Grauwerten (pi = 1/256): Jedes Pixel benötigt 1 Byte zur verlustfreien Speicherung 41
16 2.7 Information Beispiel: Binärbilder 0/1 gleich häufig; z.b. Schachbrettmuster: Der minimale Speicherbedarf beträgt also 1 Bit pro Pixel (vorausgesetzt, keine zusätzlichen Informationen über das Bild) 0/1 nicht gleich häufig, z.b. p 0 = 0.75 und p 1 = 0.25: Weniger als 1 Bit genügt zur verlustfreien Speicherung (Kompression) 42
17 2.7 Information Problem (Kodierungseffizienz): Kodierung von 2 m Zeichen (Ausgängen, Grauwerten, etc.) eines Systems (Experiments, Bildes, etc.). Entscheidend ist die durchschnittliche Anzahl benötigter Bits pro Zeichen: wobei l i die Länge des Codewortes für Zeichen z i Fall 1: Alle 2 m Zeichen haben identische Auftrittswahrscheinlichkeit p i =1/2 m Kodierung mit Codewörtern gleicher Länge (z.b. Binärcode, l i = m) erreicht das Optimum (d.h. gleich Entropie): 43
18 2.7 Information Fall 2: Die 2 m Zeichen haben ungleiche Auftrittswahrscheinlichkeiten Beispiel: m=2 Zeichen i p i Der Binärcode hat eine durchschnittliche Anzahl benötigter Bits pro Zeichen L avg = 2 Frage: Gibt es ein Kodierungsschema mit L avg < 2? 44
19 2.7 Information Huffman-Kodierung: Codewörter variabler Länge mit Eigenschaft Zeichen mit größerer Auftrittswahrscheinlichkeit kürzere Codewörter Fasse die beiden seltensten Zeichen zu einem Superzeichen zusammen, addiere dabei die betreffenden Wahrscheinlichkeiten Dann fahre mit den verbleibenden Zeichen, einschließlich dem Superzeichen, fort Repräsentiere den obigen Prozess mit einem binären Baum und markiere für jeden Knoten die beiden ausgehenden Kanten mit 0 und 1. Der Pfad von der Wurzel bis zu einem Blattknoten liefert das Codewort des entsprechenden initialen Zeichens. 45
20 2.7 Information Beispiel (fort.): m=2 Zeichen p i Huffman-Code
21 2.7 Information Dekodierung (eindeutig): Zeichen Huffman-Code Der Huffman-Code ist ein optimaler, eindeutig dekodierbarer Code Theorem: Sei H die Entropie einer Informationsquelle, die n Zeichen erzeugt. Für die mittlere Codewortlänge L avg jedes eindeutig dekodierbaren Codes gilt: L avg H. Der Huffman-Code ist unter allen Codes, die einen Codebaum verwenden, optimal. Anwendungen: gehört zu den populärsten Verfahren. Fax, 47
22 2.8 Boolesche Algebra Die nach George Boole ( ) benannte boolesche Algebra beschreibt eine abstrakte algebraische Struktur. Das wichtigste Beispiel bildet die zweielementige boolesche Algebra mit den Elementen 0 und 1, und den Verknüpfungen UND ( ), ODER ( ), und NICHT ( ). Breite Anwendungen hat diese Algebra in der Aussagenlogik, wo 0 als falsch und 1 als wahr interpretiert werden. Auch für digitale Schaltungen wird diese Algebra verwendet und als Schaltalgebra bezeichnet. Hier entsprechen 0 und 1 zwei Spannungszuständen in der Schalterfunktion von AUS und AN. 48
23 2.8 Boolesche Algebra Grundoperationen: 49
24 2.8 Boolesche Algebra Gesetze (Axiome): Kommutativgesetze: a b = b a; a b = b a Assoziativgesetze: (a b) c = a (b c); (a b) c = a (b c) Idempotenzgesetze: a a = a; a a = a Distributivgesetze: a (b c) = (a b) (a c); a (b c) = (a b) (a c) Neutralitätsgesetze: a 1 = a; a 0 = a Extremalgesetze: a 0 = 0; a 1 = 1 Doppelnegationsgesetz (Involution): ( a) = a De Morgansche Gesetze: (a b) = a b; (a b) = a b Komplementärgesetze: a a = 0; a a = 1 Dualitätsgesetze: 0 = 1; 1 = 0 Absorptionsgesetze: a (a b) = a; a (a b) = a 50
25 2.8 Boolesche Algebra Sei A ein boolescher Ausdruck mit n Variablen. Die Wahrheitstabelle enthält alle möglichen Belegungen der Variablen von A und den zugehörigen Interpretationen von A. Beispiel: Beweis von (a b) = a b durch Wahrheitstabelle a b a b (a b) a b a b
26 Zusammenfassung 2.1 Zahlensysteme 2.2 Binärsystem im Rechner 2.3 Darstellung von Zahlen 2.4 Darstellung von Zeichen(ketten) 2.5 Kodierung 2.6 Schichtenmodelle 2.7 Information 2.8 Boolesche Algebra 52
Seminar Kompressionsalgorithmen Huffman-Codierung, arithmetische Codierung
Huffman-Codierung, arithmetische Codierung Theoretische Informatik RWTH-Aachen 4. April 2012 Übersicht 1 Einführung 2 3 4 5 6 Einführung Datenkompression Disziplin,die Kompressionsalgorithmen entwirft
Mehr2. Vorlesung: Boolesche Algebra
2. Vorlesung: Boolesche Algebra Wiederholung Codierung, Decodierung Boolesche Algebra UND-, ODER-Verknüpfung, Negation Boolesche Postulate Boolesche Gesetze 1 Wiederholung 2 Bits und Bitfolgen Bit: Maßeinheit
MehrRedundanz. Technische Informationsquelle Entropie und Redundanz Huffman Codierung. Martin Werner WS 09/10. Martin Werner, Dezember 09 1
Information, Entropie und Redundanz Technische Informationsquelle Entropie und Redundanz Huffman Codierung Martin Werner WS 9/ Martin Werner, Dezember 9 Information und Daten Informare/ Informatio (lat.)
MehrGrundlagen der Informatik
Grundlagen der Informatik Teil II Speicherung und Interpretation von Information Seite 1 Speicherung und Interpretation von Information Beginn der Datenverarbeitung => Erfindung von Zahlensystemen Quantifizierung
MehrDatenkompression. 1 Allgemeines. 2 Verlustlose Kompression. Holger Rauhut
Datenkompression Holger Rauhut 1. September 2010 Skript für die Schülerwoche 2010, 8.-11.9.2010 Hausdorff Center for Mathematics, Bonn 1 Allgemeines Datenkompression hat zum Ziel, Daten in digitaler Form,
MehrDigitaltechnik I WS 2006/2007. Klaus Kasper
Digitaltechnik I WS 2006/2007 Klaus Kasper Studium 6 Semester 5. Semester: Praxissemester im Anschluss: Bachelorarbeit 6. Semester: WPs Evaluation der Lehre Mentorensystem 2 Organisation des Studiums Selbständigkeit
MehrDigitale Medien. Übung
Digitale Medien Übung Übungsbetrieb Informationen zu den Übungen: http://www.medien.ifi.lmu.de/dm Zwei Stunden pro Woche Praktische Anwendungen des theoretischen Vorlesungsstoffs Wichtige Voraussetzung
MehrRudolf Brinkmann Seite 1 30.04.2008
Rudolf Brinkmann Seite 1 30.04.2008 Der Mengenbegriff und Darstellung von Mengen Eine Menge, ist die Zusammenfassung bestimmter, wohlunterschiedener Objekte unserer Anschauung und unseres Denkens welche
MehrDuE-Tutorien 17 und 18
DuE-Tutorien 17 und 18 Tutorien zur Vorlesung Digitaltechnik und Entwurfsverfahren Christian A. Mandery TUTORIENWOCHE 3 AM 18.11.2011 KIT Universität des Landes Baden-Württemberg und nationales Forschungszentrum
Mehr2. Tutorium Digitaltechnik und Entwurfsverfahren
2. Tutorium Digitaltechnik und Entwurfsverfahren Tutorium Nr. 9 Alexis Tobias Bernhard Fakultät für Informatik, KIT Universität des Landes Baden-Württemberg und nationales Forschungszentrum in der Helmholtz-Gemeinschaft
MehrDuE-Tutorien 16 und 17
Tutorien zur Vorlesung Digitaltechnik und Entwurfsverfahren Tutorienwoche 3 am 19.11.2010 1 Christian A. Mandery: KIT Universität des Landes Baden-Württemberg und nationales Grossforschungszentrum in der
MehrInformatik I Information & Daten Repräsentation von Daten
Informatik I Information & Daten Repräsentation von Daten G. Zachmann Clausthal University, Germany zach@in.tu-clausthal.de Daten & Informationen Menschen sind an Informationen interessiert Computer verarbeiten
MehrInformatik II, SS 2016
Informatik II - SS 2016 (Algorithmen & Datenstrukturen) Vorlesung 22 (20.7.2016) Greedy Algorithmen - Datenkompression Algorithmen und Komplexität Greedy Algorithmen Greedy Algorithmen sind eine Algorithmenmethode,
MehrInformationsverarbeitung auf Bitebene
Informationsverarbeitung auf Bitebene Dr. Christian Herta 5. November 2005 Einführung in die Informatik - Informationsverarbeitung auf Bitebene Dr. Christian Herta Grundlagen der Informationverarbeitung
MehrMathematik I für Studierende der Informatik und Wirtschaftsinformatik (Diskrete Mathematik) im Wintersemester 2017/18
Mathematik I für Studierende der Informatik und Wirtschaftsinformatik (Diskrete Mathematik) im Wintersemester 2017/18 19. Oktober 2017 1/27 Zu der Vorlesung gibt es ein Skript, welches auf meiner Homepage
MehrEinführung Grundbegriffe
Einführung Grundbegriffe 1.1 Der Modellbegriff Broy: Informatik 1, Springer 1998 (2) Die Modellbildung der Informatik zielt auf die Darstellung der unter dem Gesichtspunkt einer gegebenen Aufgabenstellung
MehrBasisinformationstechnologie I
Basisinformationstechnologie I Wintersemester 2014/15 29. Oktober 2014 Grundlagen II Universität zu Köln. Historisch-Kulturwissenschaftliche Informationsverarbeitung Jan G. Wieners // jan.wieners@uni-koeln.de
MehrEinführung in die Boolesche Algebra
Einführung in die Boolesche Algebra Einführung in Boole' sche Algebra 1 Binäre Größe Eine Größe (eine Variable), die genau 2 Werte annehmen kann mathematisch: falsche Aussage wahre Aussage technisch: ausgeschaltet
MehrAbschnitt 2: Daten und Algorithmen
Abschnitt 2: Daten und Algorithmen 2. Daten und Algorithmen 2.1 Zeichenreihen 2.2 Datendarstellung durch Zeichenreihen 2.3 Syntaxdefinitionen 2.4 Algorithmen 2 Daten und Algorithmen Einf. Progr. (WS 08/09)
Mehr4 Einige Grundstrukturen. Themen: Abbildungen und Relationen Gruppen Die natürlichen Zahlen Körper
4 Einige Grundstrukturen Themen: Abbildungen und Relationen Gruppen Die natürlichen Zahlen Körper Abbildungen Seien X und Y Mengen. Eine (einstellige) Abbildung f : X Y ordnet jedem x X genau ein Element
MehrKodierung. Bytes. Zahlensysteme. Darstellung: Zahlen
2 Einführung in die Informationstechnik VI Information und ihre Darstellung: Zahlen, Zeichen, Texte Heute 1. Information und Daten 2. Informationsdarstellung 1. Zahlen 1. Binärsystem 2. Dezimalsystem 3.
MehrDigitale Medien. Übung
Digitale Medien Übung Übungsbetrieb Informationen zu den Übungen: http://www.medien.ifi.lmu.de/dm http://www.die-informatiker.net Zwei Stunden pro Woche Praktische Anwendungen des theoretischen Vorlesungsstoffs
MehrÜbung zur Vorlesung Digitale Medien. Doris Hausen Ludwig-Maximilians-Universität München Wintersemester 2010/2011
Übung zur Vorlesung Digitale Medien Doris Hausen Ludwig-Maximilians-Universität München Wintersemester 2010/2011 1 Übungsbetrieb Informationen zu den Übungen: http://www.medien.ifi.lmu.de/dm http://www.die-informatiker.net
MehrGrundbegriffe der Informatik Kapitel 3: Mengen, Alphabete, Abbildungen
Grundbegriffe der Informatik Kapitel 3: Mengen, Alphabete, Abbildungen Thomas Worsch KIT, Institut für Theoretische Informatik Wintersemester 2015/2016 GBI Grundbegriffe der Informatik KIT, Institut für
MehrInformation und ihre Darstellung
. Information und ihre Darstellung Wintersemester 208/209. Informationsdarstellung Äquivalente Information in verschiedenen Darstellungen: Schrift: Die Katze sitzt am Fenster Bild Sprache Zeichensprache.
MehrTheoretische Grundlagen der Informatik. Vorlesung am 31. Januar INSTITUT FÜR THEORETISCHE INFORMATIK
Theoretische Grundlagen der Informatik 3..29 Torsten Ueckerdt - Theoretische Grundlagen der Informatik KIT Die Forschungsuniversität in der Helmholtz-Gemeinschaft www.kit.edu Thema dieses Kapitels Informationstheorie
MehrGrundlagen der Informationstheorie. Hanna Rademaker und Fynn Feldpausch
Grundlagen der Informationstheorie Hanna Rademaker und Fynn Feldpausch . Thema Informationstheorie geht zurück auf Claude Shannon The Mathematical Theory of Communication beschäftigt sich mit Information
MehrEinführung in die Informatik II Aus der Informationstheorie: Datenkompression
Einführung in die Informatik II Aus der Informationstheorie: Datenkompression Prof. Bernd Brügge, Ph.D Institut für Informatik Technische Universität München Sommersemester 2 2. Juli 2 Copyright 2 Bernd
MehrFehlererkennung und Fehlerkorrektur in Codes
Fehlererkennung und Fehlerkorrektur in Codes Blockcodes und Hamming Abstand Untersuchungen zu Codierungen von Informationen, die über einen Nachrichtenkanal übertragen werden sollen, konzentrieren sich
Mehr1. Grundlagen der Informatik Boolesche Algebra / Aussagenlogik
1. Grundlagen der Informatik Boolesche Algebra / Aussagenlogik Inhalt Grundlagen digitaler Systeme Boolesche Algebra / Aussagenlogik Organisation und Architektur von Rechnern Algorithmen, Darstellung von
MehrKodierung. Kodierung von Zeichen mit dem ASCII-Code
Kodierung Kodierung von Zeichen mit dem ASCII-Code Weiterführende Aspekte zur Kodierung: Speicherplatzsparende Codes Fehlererkennende und -korrigierende Codes Verschlüsselnde Codes Spezielle Codes, Beispiel
MehrKapitel 7: Optimalcodierung und Huffman Coding
Kapitel 7: codierung und Huffman Coding Ziele des Kapitels Auftreten von Fehlern bei zu starker Kompression Konstruktion optimaler Codes Huffman Coding 2 Bisher Theorem (Shannon I): Die mittlere Codewortlänge
MehrEinführung in die Informatik
Einführung in die Informatik Klaus Knopper 26.10.2004 Repräsentation von Zahlen Zahlen können auf unterschiedliche Arten dargestellt werden Aufgabe: Zahlen aus der realen Welt müssen im Computer abgebildet
MehrTechnische Informatik (RO)
Technische Informatik (RO) Zahlensysteme, Digitale Systeme (1) Boolesche Algebren: BMA, BAA (2,3) Kombinatorische Schaltungen (4,5) Automaten, Sequentielle Schaltungen (6) Informationskodierung (7,8) Fortsetzung
MehrInduktive Definitionen
Induktive Definitionen Induktive Definition: Konstruktive Methode zur Definition einer Menge M von Objekten aus Basisobjekten mittels (Erzeugungs-) Regeln Slide 1 Rekursion über den Aufbau: Konstruktive
MehrIm gesamten Kapitel sei Ω eine nichtleere Menge. Wir bezeichnen die Potenzmenge
1 Mengensysteme Ein Mengensystem ist eine Familie von Teilmengen einer Grundmenge und damit eine Teilmenge der Potenzmenge der Grundmenge. In diesem Kapitel untersuchen wir Mengensysteme, die unter bestimmten
MehrInformation und ihre Darstellung
. Information und ihre Darstellung Wintersemester 207/208. Informationsdarstellung Äquivalente Information in verschiedenen Darstellungen: Schrift: Die Katze sitzt am Fenster Bild Sprache Zeichensprache.
MehrProblem: Finde für Alphabet mit n Zeichen einen Binärcode, der die Gesamtlänge eines Textes (über diesem Alphabet) minimiert.
Anwendungen von Bäumen 4.3.2 Huffman Code Problem: Finde für Alphabet mit n Zeichen einen Binärcode, der die Gesamtlänge eines Textes (über diesem Alphabet) minimiert. => nutzbar für Kompression Code fester
Mehr1. Informationsdarstellung. Darstellung und Bedeutung. Darstellung und Bedeutung. Interpretation ??? 1. Kapitel
Wintersemester 207/208. Informationsdarstellung Äquivalente Information in verschiedenen Darstellungen: Schrift: Die Katze sitzt am Fenster Bild Sprache Zeichensprache. Kapitel Prof. Matthias Werner Professur
MehrTechnische Informatik - Eine Einführung
Martin-Luther-Universität Halle-Wittenberg Fachbereich Mathematik und Informatik Lehrstuhl für Technische Informatik Prof. P. Molitor Technische Informatik - Eine Einführung Darstellung von Zeichen und
MehrFachwissenschaftliche Grundlagen
Fachwissenschaftliche Grundlagen Vorlesung im Wintersemester 2011/2012, Universität Landau Roland Gunesch 4. Vorlesung Roland Gunesch (Mathematik) Fachwissenschaftliche Grundlagen 4. Vorlesung 1 / 21 Themen
MehrEinführung in die Programmiertechnik
Einführung in die Programmiertechnik Darstellung von Text Plain Text Abstraktion: Text wird durch eine Folge von Symbolen (Buchstaben, Zahlen, Interpunktion) dargestellt Verzicht auf Informationen über
MehrEinführung in die Programmierung
Einführung in die Programmierung Teil 3: Daten und Algorithmen Prof. Dr. Peer Kröger, Florian Richter, Michael Fromm Wintersemester 2018/2019 Übersicht 1. Datendarstellung durch Zeichenreihen 2. Syntaxdefinitionen
MehrVI Information und ihre. Texte
Einführung in die Informationstechnik VI Information und ihre Darstellung: Zahlen, Zeichen, Texte 2 Heute 1. Information und Daten 2. Informationsdarstellung 1. Zhl Zahlen 1. Binärsystem 2. Dezimalsystem
MehrBoolesche Algebra (1)
Boolesche Algebra (1) Definition 1: Sei B = Σ 2 = {0,1} das Alphabet mit den Elementen 0 und 1. Seien auf B die 3 Operatoren einer Algebra wie folgt definiert für x,y aus B: x+y := Max(x,y), x y := Min(x,y),
MehrDiskrete Mathematik II
Diskrete Mathematik II Alexander May Fakultät für Mathematik Ruhr-Universität Bochum Sommersemester 2008 DiMA II - Vorlesung 01-07.04.2008 Einführung in die Codierungstheorie, Definition Codes 1 / 36 Organisatorisches
MehrKonjunktive und disjunktive Normalformen
Konjunktive und disjunktive Normalformen Nachdem gesprochen wurde, wie man Boolesche Terme unter einer Belegung der Variablen interpretiert und dass somit jeder Boolesche Term eine Boolesche Funktion repräsentiert,
MehrFundamentale Ideen der Informatik PH Weingarten Sommersemester 2014 Paul Libbrecht CC-BY
Fundamentale Ideen der Informatik PH Weingarten Sommersemester 2014 Paul Libbrecht CC-BY Vorlesung 6: Repräsentationen Themenkarte Verschlüsselung Netzwerk Versionierung Programmverlauf Java Instruktionen
MehrEine Aussage kann eine Eigenschaft für ein einzelnes, konkretes Objekt behaupten:
Aussagen Aussagen Eine Aussage kann eine Eigenschaft für ein einzelnes, konkretes Objekt behaupten: verbale Aussage formale Aussage Wahrheitswert 1) 201 ist teilbar durch 3 3 201 wahre Aussage (w.a.) 2)
MehrKolmogoroffkomplexität Teil 3 Informationstheorie und Kodierung. Torsten Steinbrecher
Kolmogoroffkompleität Teil 3 Informationstheorie und Kodierung Torsten Steinbrecher Informationstheorie Information ist Δ Wahlfreiheit beim Sender Δ Unbestimmtheit beim Empfänger Information ist nicht
MehrDigitalelektronik - Inhalt
Digitalelektronik - Inhalt Grundlagen Signale und Werte Rechenregeln, Verknüpfungsregeln Boolesche Algebra, Funktionsdarstellungen Codes Schaltungsentwurf Kombinatorik Sequentielle Schaltungen Entwurfswerkzeuge
MehrRückblick. Erweiterte b-adische Darstellung von Kommazahlen. 7,1875 dargestellt mit l = 4 und m = 4 Bits. Informatik 1 / Kapitel 2: Grundlagen
Rückblick Erweiterte b-adische Darstellung von Kommazahlen 7,1875 dargestellt mit l = 4 und m = 4 Bits 66 Rückblick Gleitkommazahlen (IEEE Floating Point Standard 754) lassen das Komma bei der Darstellung
MehrMotivation und Überblick
Motivation und Überblick Drei große Bereiche der Vorlesung: Darstellung von Zahlen in Rechnern Verarbeitung von Binärdaten auf der Ebene digitaler Schaltungen Programmierung auf Maschinenebene und relativ
MehrDie Standardabweichung
Die Standardabweichung Ein anderes Maß, das wir im Zusammenhang mit den Messdaten und ihrem Durchschnittswert kennenlernen, ist die sogenannte Standardabweichung der Messdaten von ihrem arithmetischen
MehrRückblick. Erweiterte b-adische Darstellung von Kommazahlen. 7,1875 dargestellt mit l = 4 und m = 4 Bits. Informatik 1 / Kapitel 2: Grundlagen
Rückblick Erweiterte b-adische Darstellung von Kommazahlen 7,1875 dargestellt mit l = 4 und m = 4 Bits 66 Rückblick Gleitkommazahlen (IEEE Floating Point Standard 754) lassen das Komma bei der Darstellung
MehrGrundlagen der Informationverarbeitung
Grundlagen der Informationverarbeitung Information wird im Computer binär repräsentiert. Die binär dargestellten Daten sollen im Computer verarbeitet werden, d.h. es müssen Rechnerschaltungen existieren,
Mehr03 Boolesche Algebra. Technische Grundlagen der Informatik
03 Boolesche Algebra Technische Grundlagen der Informatik Automation Systems Group E183-1 Institute of Computer Aided Automation Vienna University of Technology email: tgi@auto.tuwien.ac.at Inhalt Operationen
MehrInformatik II, SS 2018
Informatik II - SS 2018 (Algorithmen & Datenstrukturen) Vorlesung 21 (11.7.2018) String Matching (Textsuche) II Greedy Algorithmen I Algorithmen und Komplexität Textsuche / String Matching Gegeben: Zwei
MehrNormalformen boolescher Funktionen
Normalformen boolescher Funktionen Jeder boolesche Ausdruck kann durch (äquivalente) Umformungen in gewisse Normalformen gebracht werden! Disjunktive Normalform (DNF) und Vollkonjunktion: Eine Vollkonjunktion
MehrInformatik II, SS 2018
Informatik II - SS 28 (Algorithmen & Datenstrukturen) Vorlesung 22 (6.7.28) Greedy Algorithmen II (Datenkompression) Algorithmen und Komplexität Datenkompression Reduziert Größen von Files Viele Verfahren
MehrKapitel 1: Schaltfunktionen und ihre Darstellung
Kapitel 1: Schaltfunktionen und ihre Darstellung Kapitel 1 Schaltfunktionen und ihre Darstellung Literatur: Oberschelp/Vossen, Kapitel 1 Kapitel 1: Schaltfunktionen und ihre Darstellung Seite 1 Motivation
Mehr2 Rationale und reelle Zahlen
2 reelle Es gibt Mathematik mit Grenzwert (Analysis) und Mathematik ohne Grenzwert (z.b Algebra). Grenzwerte existieren sicher nur dann, wenn der Zahlbereich vollständig ist, also keine Lücken aufweist
MehrDefinition Information I(p)
Definition Information I(p) Definition I(p) Die Information I(p) eines Symbols mit Quellws p > 0 ist definiert als I(p) = log 1 p. Die Einheit der Information bezeichnet man als Bit. DiMa II - Vorlesung
MehrDefinition der Entropie unter Verwendung von supp(p XY )
Definition der Entropie unter Verwendung von supp(p XY ) Wir fassen die Ergebnisse des letzten Abschnitts nochmals kurz zusammen, wobei wir von der zweidimensionalen Zufallsgröße XY mit der Wahrscheinlichkeitsfunktion
MehrInformationsgehalt einer Nachricht
Informationsgehalt einer Nachricht Betrachten folgendes Spiel Gegeben: Quelle Q mit unbekannten Symbolen {a 1, a 2 } und p 1 = 0.9, p 2 = 0.1. Zwei Spieler erhalten rundenweise je ein Symbol. Gewinner
MehrRechnerorganisation 12. Vorlesung
Rechnerorganisation 12. Vorlesung Mathematische Grundlagen (1) Boolesche Algebren: BMA, BAA (2,3) Kombinatorische Schaltungen (4,5) Automaten (6,7) Sequentielle Schaltungen (8) Programmierbare Strukturen
MehrAbbildungseigenschaften
Abbildungseigenschaften.5. Injektivität Injektivität (injektiv, linkseindeutig) ist eine Eigenschaft einer mathematischen Funktion. Sie bedeutet, dass jedes Element der Zielmenge höchstens einmal als Funktionswert
MehrRechnerorganisation 12. Vorlesung
Rechnerorganisation 12. Vorlesung Mathematische Grundlagen (1) Boolesche Algebren: BMA, BAA (2,3) Kombinatorische Schaltungen (4,5) Automaten (6,7) Sequentielle Schaltungen (8) Programmierbare Strukturen
MehrEffiziente Algorithmen und Komplexitätstheorie
Fakultät für Informatik Lehrstuhl 2 Vorlesung Effiziente Algorithmen und Komplexitätstheorie Sommersemester 2008 Ingo Wegener; Vertretung: Carsten Witt 7. Juli 2008 Vorlesung am 14.07. (nächste Woche):
MehrInformationsdarstellung 2.2
Beispiele für die Gleitkommadarstellung (mit Basis b = 2): 0,5 = 0,5 2 0-17,0 = - 0,53125 2 5 1,024 = 0,512 2 1-0,001 = - 0,512 2-9 3,141592... = 0,785398... 2 2 n = +/- m 2 e Codierung in m Codierung
MehrPraktikum BKSPP. Aufgabenblatt Nr. 2
PD Dr. David Sabel Institut für Informatik Fachbereich Informatik und Mathematik Johann Wolfgang Goethe-Universität Frankfurt am Main Praktikum KSPP Wintersemester 24/5 Aufgabenblatt Nr. 2 Abgabe: Dienstag,
MehrGrundlagen der Technischen Informatik. Informationsgehalt. Kapitel 4.1
Informationsgehalt Kapitel 4.1 Prof. Dr.-Ing. Jürgen Teich Lehrstuhl für Hardware-Software-Co-Design Technische Informatik - Meilensteine Informationstheorie Claude Elwood Shannon (geb. 1916) Quelle Sender
MehrLösungsmenge L I = {x R 3x + 5 = 9} = L II = {x R 3x = 4} = L III = { }
Zur Einleitung: Lineare Gleichungssysteme Wir untersuchen zunächst mit Methoden, die Sie vermutlich aus der Schule kennen, explizit einige kleine lineare Gleichungssysteme. Das Gleichungssystem I wird
MehrOperationen. auch durch. ausgedrückt. ist die Trägermenge der Operation. Mathematik I für Informatiker Algebren p.1/21
Operationen Eine Operation auf einer Menge ist eine Abbildung ist dabei die Menge aller -Tupel mit Einträgen aus. Man nennt auch durch die Stelligkeit der Operation ; dies wird ausgedrückt. Die Menge ist
MehrEinleitung. Kapitel 1
Kapitel 1 Einleitung In diesem Abschnitt geben wir einen kurzen Überblick über den Inhalt der Vorlesung. Wir werden kurz die wesentlichen Probleme erläutern, die wir ansprechen wollen. Wir werden auch
MehrRepräsentation von Daten Binärcodierung von rationalen Zahlen und Zeichen
Kapitel 4: Repräsentation von Daten Binärcodierung von rationalen Zahlen und Zeichen Einführung in die Informatik Wintersemester 2007/08 Prof. Bernhard Jung Übersicht Codierung von rationalen Zahlen Konvertierung
Mehr1. Woche Einführung in die Codierungstheorie, Definition Codes, Präfixcode, kompakte Codes
1 Woche Einführung in die Codierungstheorie, Definition Codes, Präfixcode, kompakte Codes 1 Woche: Einführung in die Codierungstheorie, Definition Codes, Präfixcode, kompakte Codes 5/ 44 Unser Modell Shannon
MehrRechnerorganisation 12. Vorlesung
Rechnerorganisation 12. Vorlesung Mathematische Grundlagen (1) Boolesche Algebren: BMA, BAA (2,3) Kombinatorische Schaltungen (4,5) Automaten (6,7) Sequentielle Schaltungen (8) Programmierbare Strukturen
Mehr1. Grundlegende Konzepte der Informatik
1. Grundlegende Konzepte der Informatik Inhalt Algorithmen Darstellung von Algorithmen mit Programmablaufplänen Beispiele für Algorithmen Aussagenlogik Zahlensysteme Kodierung Peter Sobe 1 Aussagenlogik
MehrÜbrigens: um den Algorithmus im Unterricht einzuführen, sind keine Formeln notwendig! Warum reicht die normale ASCII-Codierung nicht aus?
Huffman-Code Dieser Text ist als Hintergrundinformation ausschliesslich für die Lehrperson gedacht. Der Text ist deshalb eher technisch gehalten. Er lehnt sich an das entsprechende Kapitel in "Turing Omnibus"
MehrÜbung zur Vorlesung. Vorlesung: Heinrich Hußmann Übung: Renate Häuslschmid, Hanna Schneider
Übung zur Vorlesung Digitale Medien Vorlesung: Heinrich Hußmann Übung: Renate Häuslschmid, Hanna Schneider Wintersemester 2016/17 Bilder 20 x 14 Pixel (= Bildpunkte) 16 Bit Farben (= 65.536 Farben) 560
MehrMotivation. Formale Grundlagen der Informatik 1 Kapitel 19. Syntax & Semantik. Motivation - Beispiel. Motivation - Beispiel
Motivation Formale Grundlagen der Informatik 1 Kapitel 19 & Die ist eine Erweiterung der Aussagenlogik. Sie hat eine größere Ausdrucksstärke und erlaub eine feinere Differenzierung. Ferner sind Beziehungen/Relationen
MehrLineare Algebra 1. Detlev W. Hoffmann. WS 2013/14, TU Dortmund
Lineare Algebra 1 Detlev W. Hoffmann WS 2013/14, TU Dortmund 1 Mengen und Zahlen 1.1 Mengen und Abbildungen Eine Menge ist eine Zusammenfassung wohlunterscheidbarer Objekte unserer Anschauung/unseres Denkens/unserer
Mehr3 Codierung diskreter Quellen. Quelle Quellcodierer Kanalcodierer reduziert die benötigte Datenmenge. fügt Daten zur Fehlerkorrektur ein.
3 Codierung diskreter Quellen 3 Einführung 32 Ungleichmäßige Codierung 33 Präfix-Codes 34 Grenzen der Code-Effizienz 35 Optimal-Codierung 3 Zusammenfassung < 24 / 228 > 3 Codierung diskreter Quellen Quelle
MehrRandomisierte Algorithmen
Randomisierte Algorithmen Randomisierte Algorithmen 5. Zwei spieltheoretische Aspekte Thomas Worsch Fakultät für Informatik Karlsruher Institut für Technologie Wintersemester 2015/2016 1 / 36 Überblick
Mehr2. Digitale Codierung und Übertragung
2. Digitale Codierung und Übertragung 2.1 Informationstheoretische Grundlagen 2.2 Verlustfreie universelle Kompression 2.3 Digitalisierung, Digitale Medien Weiterführende Literatur zum Thema Informationstheorie:
MehrHuffman-Kodierung. Fachbereich Medieninformatik. Hochschule Harz. Huffman-Kodierung. Referat. Henner Wöhler. Abgabe:
Fachbereich Medieninformatik Hochschule Harz Huffman-Kodierung Referat Henner Wöhler 11459 Abgabe: 15.01.2007 Inhaltsverzeichnis Einleitung...I 1. Entropiekodierung...1 1.1 Morse Code...2 1.2 Shannon-Fano-Kodierung...3
Mehr2. Web 2.0, Semantic Web. 3. Wissensmanagement. 1. Methoden des Wissensmanagements. 2. Software. 4. Wissensrepräsentation
Überblick GRUNDKURS INFORMATIK 2 DATEN-INFORMATION-WISSEN 1. Informatik Grundlagen: Informationsdarstellung, Information und Daten, Algorithmen, Problemlösung. 2. Web 2.0, Semantic Web 3. Wissensmanagement
Mehr3 Kodierung von Informationen
43 3 Kodierung von Informationen Bevor ich Ihnen im nächsten Kapitel die einzelnen Bausteine einer Computeranlage vorstelle, möchte ich Ihnen noch kurz zeigen, wie Daten kodiert sein müssen, damit der
Mehr2 Repräsentation von elementaren Daten
2 Repräsentation von elementaren Daten Alle (elemtaren) Daten wie Zeichen und Zahlen werden im Dualsystem repräsentiert. Das Dualsystem ist ein spezielles B-adisches Zahlensystem, nämlich mit der Basis
MehrBrückenkurs Mathematik 2015
Technische Universität Dresden Fachrichtung Mathematik, Institut für Analysis Dr.rer.nat.habil. Norbert Koksch Brückenkurs Mathematik 2015 1. Vorlesung Logik, Mengen und Funktionen Ich behaupte aber, dass
MehrERA-Zentralübung Maschinenprogrammierung
ERA-Zentralübung Maschinenprogrammierung M. Meyer LRR TU München 25.11.2016 Inhalt Aufgabe 4.1 Aufgabe 4.2 Zeichensätze Aufgabe 4.1 Leuchtbandanzeige/Bargraph Bit Nr: 15 14 13 12 11 10 9 8 7 6 5 4 3 2
MehrAlgorithmen & Programmierung. Logik
Algorithmen & Programmierung Logik Aussagenlogik Gegenstand der Untersuchung Es werden Verknüpfungen zwischen Aussagen untersucht. Aussagen Was eine Aussage ist, wird nicht betrachtet, aber jede Aussage
MehrAlgorithmen und Datenstrukturen 2
Algorithmen und Datenstrukturen 2 Lerneinheit 3: Greedy Algorithmen Prof. Dr. Christoph Karg Studiengang Informatik Hochschule Aalen Sommersemester 2016 10.5.2016 Einleitung Einleitung Diese Lerneinheit
MehrCodierungstheorie. Statt einer Einleitung. Rudolf Scharlau. 4. April 2006
Codierungstheorie Rudolf Scharlau 4. April 2006 Statt einer Einleitung Im ersten Teil dieser Vorlesung folgen wir eng dem Buch Information and Coding theory von Gareth A. Jones und J. Mary Jones. Technische
Mehr