Vorwort zur 1. Auflage Vorwort zur 5., überarbeiteten und erweiterten Auflage. 1 Einleitung Über dieses Buch Themenbereiche des Buches 2
|
|
- Christel Pohl
- vor 7 Jahren
- Abrufe
Transkript
1 xi Vorwort zur 1. Auflage Vorwort zur 5., überarbeiteten und erweiterten Auflage vii ix xi 1 Einleitung Über dieses Buch Themenbereiche des Buches 2 2 Wissensbasierte Systeme im Uberblick Beispiele für wissensbasierte Systeme Geldabheben am Automaten Medizinische Diagnose Wissensbasierte Systeme und Expertensysteme Eigenschaften von Experten und Expertensystemen Zur Geschichte wissensbasierter Systeme Das medizinische Diagnosesystem MYCIN Aufbau und Entwicklung wissensbasierter Systeme Architektur eines wissensbasierten Systems Entwicklung eines wissensbasierten Systems 19 3 Logikbasierte Wissensrepräsentation und Inferenz Formen der Inferenz Menschliches Schließen und Inferenz Charakterisierung der Inferenzrelation nach Peirce Deduktives Schließen Unsicheres Schließen Logische Systeme Signaturen Formeln Interpretationen Erfüllungsrelation Eigenschaften klassisch-logischer Systeme Erfüllungsrelation und Wahrheitsfunktionalität Modelle und logische Folgerung Inferenzregeln und Kalküle Korrektheit und Vollständigkeit von Kalkülen Logisches Folgern durch Widerspruch Entscheidbarkeitsresultate Logische Grundlagen: Aussagenlogik Syntax Semantik 43
2 xii Äquivalenzen und Normalformen Wahrheitstafeln und Ableitungen in der Aussagenlogik Logische Grundlagen: Prädikatenlogik 1. Stufe Signaturen und Interpretationen Terme und Termauswertung Formeln und Formelauswertung Äquivalenzen Ableitungen in der Prädikatenlogik 1. Stufe Normalformen Unifikation Der Resolutionskalkül Erweiterungen Wie kommt der Delphin in den Karpfenteich? 69 4 Regelbasierte Systeme Was sind Regeln? Die Wissensbasis eines regelbasierten Systems Inferenz in einem regelbasierten System Regelnetzwerke Datengetriebene Inferenz (Vorwärtsverkettung) Zielorientierte Inferenz (Rückwärtsverkettung) Das Problem der Widersprüchlichkeit Die Erklärungskomponente Signalsteuerung im Eisenbahnverkehr durch Regeln MYCIN - ein verallgemeinertes regelbasiertes System Modularität und Effizienz regelbasierter Systeme Ausblick 97 5 Maschinelles Lernen Definition des Lernens Klassifikation der Ansätze zum maschinellen Lernen Klassifikation gemäß der benutzten Lernstrategie Klassifikation gemäß dem gelernten Typ von Wissen Klassifikation gemäß dem Anwendungsbereich Erlernen von Entscheidungsbäumen Entscheidungsbäume Erzeugung von Regeln aus Entscheidungsbäumen Generieren von Entscheidungsbäumen Bewertung des Lernerfolges und Anwendungen Die induktiven Lernverfahren ID3 und C Lernen von Konzepten Eine Konzeptlernaufgabe Allgemeine Problemstellung Repräsentation von Beispielen und Konzepten Lernen von Konzepten als Suchproblem Versionenräume 128
3 xiii Das Versionenraum-Lernverfahren Anwendungsbeispiel Eigenschaften des Versionenraum-Lernverfahrens Konzeptlernen mit Merkmalsbäumen Data Mining und Wissensfindung in Daten KDD - Knowledge Discovery in Databases Der KDD-Prozess Data Mining Assoziationsregeln Warenkorbanalyse Fallbasiertes Schließen Motivation Fallbasiertes Schließen und CBR-Systeme Der CBR-Zyklus Die Repräsentation von Fällen Die Indizierung von Fällen Suche nach geeigneten Fällen Organisationsformen der Fallbasis Die Bestimmung der Ähnlichkeit Adaption Wie ein fallbasiertes System lernt Abschließende Bemerkungen und weiterführende Literatur Truth Maintenance-Systeme Die Rolle des nichtmonotonen Schließens in der KI Monotone vs. nichtmonotone Logik Truth Maintenance-Systeme Justification-based Truth Maintenance-Systeme - JTMS In's und Out's - die Grundbegriffe eines JTMS Der JTMS-Algorithmus Anwendungsbeispiele Die JTMS-Inferenzrelation Assumption-based Truth Maintenance-Systeme - ATMS Grundbegriffe Arbeitsweise eines ATMS Verschiedene TMS im Vergleich Ausblicke Default-Logiken Default-Logik nach Reiter Aussehen und Bedeutung eines Defaults Die Syntax der Default-Logik Die Semantik der Default-Logik Ein operationaler Zugang zu Extensionen Prozessbäume Berechnung von Prozessbäumen 255
4 xiv Eigenschaften der Reiter'schen Default-Logik Normale Defaults Die Poole'sche Default-Logik Nichtmonotone Inferenzrelationen für Default-Logiken Probleme und Alternativen Logisches Programmieren und Anwortmengen Klassische logische Programme Anfragen und Antwortsubstitutionen Resolution von Hornklauseln SLD-Ableitungen Berechnete Antwortsubstitutionen Suchraum bei der SLD-Resolution Fixpunktsemantik logischer Programme Erweiterte logische Programme Die stabile Semantik normaler logischer Programme Die Antwortmengen-Semantik erweiterter logischer Programme Stabile Semantik und Antwortmengensemantik Truth Maintenance-Systeme und Default-Theorien Erweiterungen der Antwortmengensemantik Implementationen und Anwendungen Kriterien zur Beurteilung nichtmonotoner Inferenzoperationen Rückblick Argumentation Motivation und Einführung DeLP - Argumentieren mit Regeln DeLP-Programme und Ableitungen Argumente und Gegenargumente Qualitätskriterien für Argumente Schlagende und blockierende Angriffe Argumentationsfolgen Evaluation von Argumentationen Antwortverhalten von DeLP-Programmen Abstrakte Argumentationstheorie Abstrakte Argumentationssysteme Extensionen Beispielanwendung: Das stabile Heiratsproblem Beziehungen zur Reiter'schen Default-Logik Labelings für abstrakte Argumentationssysteme Extensionen als Antwortmengen Aktionen und Planen Planen in der Blockwelt Logische Grundlagen des Planens Der Situationskalkül Aktionen 355
5 xv Situationen Veränderungen zwischen Situationen Ausführungsbedingungen und Effektaxiome Zielbeschreibungen Probleme Das Rahmenproblem Das Qualifikationsproblem Das Verzweigungsproblem Plangenerierung im Situationskalkül Planen mit STRIPS Zustände und Zielbeschreibungen STRIPS-Operatoren Planen mit Vorwärtssuche Planen mit Rückwärtssuche Behandlung des Rahmenproblems in STRIPS Nichtklassische Planungssysteme Planen mit Antwortmengen Systeme zur Berechnung von Antwortmengen Planen mit SMODELS Behandlung des Rahmenproblems Ausblick und Anwendungen Agenten Das Konzept des Agenten Abstrakte Agentenmodelle Umgebungen. Aktionen und Läufe eines Agenten Wahrnehmungen Innerer Zustand Aufgabe und Erfolg eines Agenten Reaktive Agenten und Schichtenarchitekturen Logikbasierte Agenten Belief-Desire-Intention-(BDI)-Agenten Praktisches Denken BDI-Architektur Procedural Reasoning System (PRS) Multiagentensysteme Quantitative Methoden I Probabilistische Netzwerke Ungerichtete Graphen - Markov-Netze Separation in Graphen und probabilistische Unabhängigkeit Markov-Eigenschaften und Markov-Graphen Konstruktion von Markov-Graphen Potential- und Produktdarstellungen Gerichtete Graphen - Bayessche Netze Inferenz in probabilistischen Netzen Bayes-Netze und Potentialdarstellungen 431
6 xvi Der permanente Cliquenbaum als Wissensbasis Der Algorithmus von Lauritzen und Spiegelhalter Berücksichtigung fallspezifischer Daten Bayessche Netzwerke in praktischen Anwendungen Erlernen Bayesscher Netze aus Daten Probabilistische Inferenz unter informationstheoretischen Aspekten Weitere Anwendungen Proteinklassifikation mittels Hidden Markov Models (HMM) Herzerkrankungen bei Neugeborenen Suchterkrankungen und psychische Störungen Quantitative Methoden II - Dempster-Shafer-Theorie, Fuzzy- Theorie und Possibilistik Verallgemeinerte Wahrscheinlichkeitstheorie Die Dempster-Shafer-Theorie Basismaße und Glaubensfunktionen Dempsters Kombinationsregel Sensorenauswertung in der mobilen Robotik mittels Dempster-Shafer-Theorie Fuzzy-Theorie und Possibilistik Fuzzy-Theorie Possibilitätstheorie Expertensysteme mit Fuzzy-Regeln 479 A Wahrscheinlichkeit und Information 483 A.l Die Wahrscheinlichkeit von Formeln 483 A.2 Randverteilungen 488 A.3 Bedingte Wahrscheinlichkeiten 489 A.4 Der Satz von Bayes 491 A.5 Mehrwertige Aussagenvariable 493 A.6 Abhängigkeiten und Unabhängigkeiten 496 A.7 Der Begriff der Information 500 A.8 Entropie 502 B Graphentheoretische Grundlagen 506 B.l Graphen und Cliquen 506 B.2 Triangulierte Graphen 510 B.3 Die running intersection property RIP 516 B.4 Hypergraphen 518 Literaturverzeichnis 521 Index 534
Vorwort zur 1. Auflage Vorwort zur 5., überarbeiteten und erweiterten Auflage
xi Vorwort zur 1. Auflage Vorwort zur 5., überarbeiteten und erweiterten Auflage vii ix xi 1 Einleitung 1 1.1 Über dieses Buch........................... 1 1.2 Themenbereiche des Buches.....................
MehrMethoden wissensbasierter Sy steme
Christoph Beierle Gabriele Kern-lsberner Methoden wissensbasierter Sy steme Grundlagen, Algorithmen, Anwendungen 4., verbesserte Auflage Mit 147 Abbildungen STUDIUM VIEWEG+ TEUBNER Xlll Vorwort zur 1.
MehrEinführung in die Methoden der Künstlichen Intelligenz. Klausurvorbereitung Überblick, Fragen,...
Einführung in die Methoden der Künstlichen Intelligenz Klausurvorbereitung Überblick, Fragen,... PD Dr. David Sabel SoSe 2014 Stand der Folien: 18. Juli 2014 Klausur Termin: Donnerstag 31. Juli um 9.15h
MehrWissensbasierte Systeme: Prüfungsfragen
Wissensbasierte Systeme: Prüfungsfragen Prof. Beierle: Assoziationsregeln erklären (Itemmenge, Transaktionen, support + confidence) durch Data Mining ermittelte Zusammenhänge zwischen Merkmalen nicht notwendig
MehrKünstliche Intelligenz
George F. Luger 2008 AGI-Information Management Consultants May be used for personal purporses only or by libraries associated to dandelon.com network. Künstliche Intelligenz Strategien zur Lösung komplexer
MehrQuantitative Methoden Wissensbasierter Systeme
Quantitative Methoden Wissensbasierter Systeme Probabilistische Netze und ihre Anwendungen Robert Remus Universität Leipzig Fakultät für Mathematik und Informatik Abteilung für Intelligente Systeme 23.
MehrEinführung in Expertensysteme
Frank Puppe Einführung in Expertensysteme Zweite Auflage Mit 86 Abbildungen Springer-Verlag Berlin Heidelberg New York London Paris Tokyo HongKong Barcelona Budapest Inhaltsverzeichnis Teil I. Einführung
MehrDatum: Prüfer: Prof. Dr. Beierle. Beisitzer: M.sc. Nico Potyka. Dauer: ca. 30 min. Note: 1,3
Datum: 23.10.2013 Prüfer: Prof. Dr. Beierle Beisitzer: M.sc. Nico Potyka Dauer: ca. 30 min Note: 1,3 Expertensysteme sind ja spezielle wissensbasierte Systeme. Welche Komponenten enthalten denn üblicherweise
Mehr1. Was ist der Unterschied zwischen Experten Systemen und Wissensbasierten Systemen?
Fragenkatalog 1. Was ist der Unterschied zwischen Experten Systemen und Wissensbasierten Systemen? Die Unterscheidung der Herkunft der Art des in der Wissensbasis vorhandenen Wissens wird als einfaches
MehrHochschule R avensburg-weingarten University of Applied S ciences Default-Logik Benjamin R ana Angewandte Informatik, Informationsnetze 7.
Default-Logik Überblick Motivation Nichtmonotone-Logik Reiter-Logik Syntax Semantik Extensions Simulator Motivation Mit klassischer Logik lassen sich viele Zusammenhänge nicht einfach darstellen Was tun
Mehr5.1 Inferenz. Theorie der Informatik. Theorie der Informatik. 5.1 Inferenz. 5.2 Resolutionskalkül. 5.3 Zusammenfassung. Inferenz: Motivation
Theorie der Informatik 9. März 2015 5. Aussagenlogik III Theorie der Informatik 5. Aussagenlogik III 5.1 Inferenz Malte Helmert Gabriele Röger 5.2 Resolutionskalkül Universität Basel 9. März 2015 5.3 Zusammenfassung
MehrCommonsense Reasoning
Commonsense Reasoning Gabriele Kern-Isberner LS 1 Information Engineering TU Dortmund Sommersemester 2015 G. Kern-Isberner (TU Dortmund) Commonsense Reasoning 1 / 232 Probabilistische Folgerungsmodelle
MehrÜbersicht. 9. Schließen in der Prädikatenlogik 1. Stufe
Übersicht I Künstliche Intelligenz II Problemlösen III Wissen und Schlußfolgern 6. Logisch schließende Agenten 7. Prädikatenlogik 1. Stufe 8. Entwicklung einer Wissensbasis 9. Schließen in der Prädikatenlogik
MehrKünstliche Intelligenz
Stuart Russell, Peter Norvig Künstliche Intelligenz Ein moderner Ansatz 2. Auflage Mit Beiträgen von: John F. Canny Douglas D. Edwards Jitendra M. Malik Sebastian Thrun ein Imprint von Pearson Education
MehrCollegium Logicum - Logische Grundlagen der Philosophie und der Wissenschaften Link
Collegium Logicum - Logische Grundlagen der Philosophie und der Wissenschaften Band 1 von Godehard Link 1. Auflage Collegium Logicum - Logische Grundlagen der Philosophie und der Wissenschaften Link schnell
MehrModellierung. Prof.Dr. Hans Kleine Büning, Prof.Dr. Johannes Blömer. Paderborn, 6. Februar Universität Paderborn Institut für Informatik
Modellierung Prof.Dr. Hans Kleine Büning, Prof.Dr. Johannes Blömer Universität Paderborn Institut für Informatik Paderborn, 6. Februar 2015 J. Blömer 1/19 Vorbereitung auf die Klausur 1 Vorlesungsinhalte
Mehrxii Inhaltsverzeichnis Generalisierung Typisierte Merkmalsstrukturen Literaturhinweis
Inhaltsverzeichnis 1 Computerlinguistik Was ist das? 1 1.1 Aspekte der Computerlinguistik.................. 1 1.1.1 Computerlinguistik: Die Wissenschaft........... 2 1.1.2 Computerlinguistik und ihre Nachbardisziplinen.....
MehrKünstliche Intelligenz Logische Agenten & Resolution
Künstliche Intelligenz Logische Agenten & Resolution Stephan Schwiebert WS 2009/2010 Sprachliche Informationsverarbeitung Institut für Linguistik Universität zu Köln Inferenz-Algorithmus Wie könnte ein
MehrCord Spreckelsen I Klaus Spitzer. Wissensbasen und Expertensysteme in der Medizin
Cord Spreckelsen I Klaus Spitzer Wissensbasen und Expertensysteme in der Medizin Medizinische Informatik Herausgegeben von Prof. Dr. rer. nat. Heinz Handels, Hamburg Prof. Dr. Dr. Siegfried Pappi, Lubeck
MehrCommonsense Reasoning
Commonsense Reasoning Gabriele Kern-Isberner LS 1 Information Engineering TU Dortmund Sommersemester 2015 G. Kern-Isberner (TU Dortmund) Commonsense Reasoning 1 / 232 Kapitel 4 4. Probabilistische Folgerungsmodelle
MehrGodehard Link COLLEGIUM LOGICUM. Logische Grundlagen der Philosophie und der Wissenschaften. Band 1. mentis PADERBORN
Godehard Link COLLEGIUM LOGICUM Logische Grundlagen der Philosophie und der Wissenschaften Band 1 mentis PADERBORN Inhaltsverzeichnis Vorwort xiii Einleitung 1 0.1 Historisches zum Verhältnis von Logik
MehrNichtklassische Logiken
Nichtklassische Logiken Peter H. Schmitt pschmitt@ira.uka.de UNIVERSITÄT KARLSRUHE Sommersemester 2004 P. H. Schmitt: Nichtklassische Logiken p.1 Inhalt Wiederholung P. H. Schmitt: Nichtklassische Logiken
MehrInhaltsverzeichnis. Kurzfassung. Abstract
Inhaltsverzeichnis Kurzfassung Abstract Inhaltsverzeichnis iii v vii 1 Einleitung 1 1.1 Problemstellung und Einordnung der Arbeit 1 1.2 Lösungsansatz 7 L3 Verwandte Arbeiten S 1.3.1 Datenbank-Suchmaschmen
MehrInstitut für Eisenbahnwesen und Verkehrssicherung. 1# W TU Braunschweig MANFRED MATZKE. Ein Bewertungssystem für Betriebskonzepte bei Industriebahnen
Institut für Eisenbahnwesen und Verkehrssicherung 1# W TU Braunschweig MANFRED MATZKE Ein Bewertungssystem für Betriebskonzepte bei Industriebahnen Inhaltsverzeichnis Verwendete Abkürzungen Glossar vi
MehrData Mining - Wiederholung
Data Mining - Wiederholung Norbert Fuhr 18. Januar 2006 Problemstellungen Problemstellungen Daten vs. Information Def. Data Mining Arten von strukturellen Beschreibungen Regeln (Klassifikation, Assoziations-)
MehrIntelligente Systeme
Intelligente Systeme Regeln, Inferenz, Logiken Prof. Dr. R. Kruse C. Braune C. Moewes {kruse,cmoewes,russ}@iws.cs.uni-magdeburg.de Institut für Wissens- und Sprachverarbeitung Fakultät für Informatik Otto-von-Guericke
MehrKurseinheit 1 Einführung und mathematische Grundlagen Aussagenlogik
Kurseinheit 1 Einführung und mathematische Grundlagen Aussagenlogik Fragen Seite Punkte 1. Was ist die Mathematische Logik? 3 2 2. Was sind die Aussagenlogik und die Prädikatenlogik? 5 4 3. Was sind Formeln,
Mehrmathematik und informatik
Prof. Dr. Christoph Beierle, Prof. Dr. Gabriele Kern-Isberner Kurs 01845 Methoden der Wissensrepräsentation und -verarbeitung LESEPROBE mathematik und informatik Das Werk ist urheberrechtlich geschützt.
MehrSeminar Künstliche Intelligenz Wintersemester 2013/14
Seminar Künstliche Intelligenz Wintersemester 2013/14 Martin Hacker Richard Schaller Künstliche Intelligenz Department Informatik FAU Erlangen-Nürnberg 31.10.2013 2 / 13 Überblick Teilgebiete der KI Problemlösen,
MehrLogik Vorlesung 3: Äquivalenz und Normalformen
Logik Vorlesung 3: Äquivalenz und Normalformen Andreas Maletti 7. November 2014 Überblick Inhalt 1 Motivation und mathematische Grundlagen 2 Aussagenlogik Syntax und Semantik Äquivalenz und Normalformen
MehrSeminararbeit im Fachbereich
Seminararbeit im Fachbereich Wissensrepräsentation Truth Maintenance Systeme Autor: Elke Klippstein 1/46 1. Grundlagen 2. Truth Maintenance System (TMS) 3. Arten (a) Justification-based TMS (JTMS) (b)
MehrDarstellung, Verarbeitung und Erwerb von Wissen
Darstellung, Verarbeitung und Erwerb von Wissen Gabriele Kern-Isberner LS 1 Information Engineering TU Dortmund Wintersemester 2015/16 WS 2015/16 G. Kern-Isberner (TU Dortmund) DVEW WS 2015/16 1 / 169
MehrLogik für Informatiker
Vorlesung Logik für Informatiker 1. Einführung Bernhard Beckert Universität Koblenz-Landau Sommersemester 2006 Logik für Informatiker, SS 06 p.1 Formale Logik Ziel Formalisierung und Automatisierung rationalen
MehrSchlussregeln aus anderen Kalkülen
Was bisher geschah Klassische Aussagenlogik: Syntax Semantik semantische Äquivalenz und Folgern syntaktisches Ableiten (Resolution) Modellierung in Aussagenlogik: Wissensrepräsentation, Schaltungslogik,
MehrGrundlagen der Künstlichen Intelligenz
KI Wintersemester 2013/2014 Grundlagen der Künstlichen Intelligenz Marc Toussaint Machine Learning & Robotics Lab Universität Stuttgart marc.toussaint@informatik.uni-stuttgart.de http://ipvs.informatik.uni-stuttgart.de/mlr/marc/
MehrÜbersicht. Prädikatenlogik höherer Stufe. Syntax der Prädikatenlogik 1. Stufe (mit Gleichheit)
Übersicht I Künstliche Intelligenz II Problemlösen III Wissen und Schlussfolgern 7. Logische Agenten 8. Prädikatenlogik 1. Stufe 9. Schließen in der Prädikatenlogik 1. Stufe 10. Wissensrepräsentation IV
MehrTU7 Aussagenlogik II und Prädikatenlogik
TU7 Aussagenlogik II und Prädikatenlogik Daniela Andrade daniela.andrade@tum.de 5.12.2016 1 / 32 Kleine Anmerkung Meine Folien basieren auf den DS Trainer von Carlos Camino, den ihr auf www.carlos-camino.de/ds
Mehr1 Inhaltsverzeichnis. 1 Einführung...1
1 Inhaltsverzeichnis 1 Einführung...1 1.1 Arten der stochastischen Abhängigkeit...2 1.2 Wo kommen regressive Abhängigkeiten vor?...3 1.3 Hauptaufgaben von Regressionsmodellen...3 1.4 Wissenschaftstheoretische
MehrÜbersicht. 7. Prädikatenlogik 1. Stufe
Übersicht I Künstliche Intelligenz II Problemlösen III Wissen und Schlußfolgern 6. Logisch schließende Agenten 7. Prädikatenlogik 1. Stufe 8. Entwicklung einer Wissensbasis 9. Schließen in der Prädikatenlogik
MehrKonzepte der AI. Unsicheres Schließen
Konzepte der AI Unsicheres Schließen http://www.dbai.tuwien.ac.at/education/aikonzepte/ Wolfgang Slany Institut für Informationssysteme, Technische Universität Wien mailto: wsi@dbai.tuwien.ac.at, http://www.dbai.tuwien.ac.at/staff/slany/
MehrWas ist Logik? Was ist Logik? Aussagenlogik. Wahrheitstabellen. Geschichte der Logik eng verknüpft mit Philosophie
Was ist Logik? Geschichte der Logik eng verknüpft mit Philosophie Begriff Logik wird im Alltag vielseitig verwendet Logik untersucht, wie man aus Aussagen andere Aussagen ableiten kann Beschränkung auf
MehrAngewandte Statistik mit R
Reiner Hellbrück Angewandte Statistik mit R Eine Einführung für Ökonomen und Sozialwissenschaftler 2., überarbeitete Auflage B 374545 GABLER Inhaltsverzeichnis Vorwort zur zweiten Auflage Tabellenverzeichnis
MehrGrundkurs Theoretische Informatik
Gottfried Vossen I Kurt-Ulrich Witt Grundkurs Theoretische Informatik Eine anwendungsbezogene Einführung - Für Studierende in allen Informatik-Studiengängen 5., durchgesehene Auflage Mit 147 Abbildungen
MehrAndreas Scherer. Neuronale Netze. Grundlagen und Anwendungen. vieweg
Andreas Scherer Neuronale Netze Grundlagen und Anwendungen vieweg Inhaltsverzeichnis Vorwort 1 1 Einführung 3 1.1 Was ist ein neuronales Netz? 3 1.2 Eigenschaften neuronaler Netze 5 1.2.1 Allgemeine Merkmale
MehrLogik für Informatiker
Logik für Informatiker Viorica Sofronie-Stokkermans e-mail: sofronie@uni-koblenz.de 1 Logik in der Informatik Was ist Logik? 2 Logik in der Informatik Was ist Logik? Mathematisch? 3 Logik in der Informatik
MehrCommonsense Reasoning
Commonsense Reasoning Gabriele Kern-Isberner LS 1 Information Engineering TU Dortmund Sommersemester 2016 G. Kern-Isberner (TU Dortmund) Commonsense Reasoning 1 / 51 Kapitel 5 ɛ-semantik infinitesimale
Mehr4 Spezielle Schlußverfahren
Universität Bielefeld Unsicherheit, Unvollständigkeit 4. Wie lassen sich auch bei unsicherem unvollständigem Wissen Schlüsse ziehen? 4 Spezielle Schlußverfahren 11. Vorlesung: Probabilistisches Schließen;
MehrKapitel WT:VIII (Fortsetzung)
Kapitel WT:VIII (Fortsetzung) VIII. Semantic Web WWW heute Semantic Web Vision RDF: Einführung RDF: Konzepte RDF: XML-Serialisierung RDF: Anwendungen RDFS: Einführung RDFS: Konzepte Semantik im Web Semantik
MehrNumerische Methoden. Thomas Huckle Stefan Schneider. Eine Einführung für Informatiker, Naturwissenschaftler, Ingenieure und Mathematiker.
Thomas Huckle Stefan Schneider Numerische Methoden Eine Einführung für Informatiker, Naturwissenschaftler, Ingenieure und Mathematiker 2. Auflage Mit 103 Abbildungen und 9 Tabellen 4Q Springer Inhaltsverzeichnis
MehrLogik für Informatiker
Logik für Informatiker 3. Prädikatenlogik Teil 1 9.06.2015 Viorica Sofronie-Stokkermans Universität Koblenz-Landau e-mail: sofronie@uni-koblenz.de 1 Rückblick: Vor- und Nachteile von Aussagenlogik + Aussagenlogik
MehrGrundlagen der Kognitiven Informatik
Grundlagen der Kognitiven Informatik Wissensrepräsentation und Logik Ute Schmid Kognitive Systeme, Angewandte Informatik, Universität Bamberg letzte Änderung: 14. Dezember 2010 U. Schmid (CogSys) KogInf-Logik
MehrVorwort zur deutschen Ausgabe
Vorwort zur deutschen Ausgabe x 0 Mathematisches Prolegomenon 1 0.1 Mengentheoretische Notation 1 0.2 Beweis durch Induktion 3 0.3 Äquivalenzrelationen und Äquivalenzklassen 5 1 Die klassische Logik und
MehrDiskrete Strukturen Kapitel 1: Einleitung
WS 2015/16 Diskrete Strukturen Kapitel 1: Einleitung Hans-Joachim Bungartz Lehrstuhl für wissenschaftliches Rechnen Fakultät für Informatik Technische Universität München http://www5.in.tum.de/wiki/index.php/diskrete_strukturen_-_winter_15
MehrGrundlagen der Logik
Grundlagen der Logik Denken Menschen logisch? Selektionsaufgabe nach Watson (1966): Gegeben sind vier Karten von denen jede auf der einen Seite mit einem Buchstaben, auf der anderen Seite mit einer Zahl
MehrData Mining auf Datenströmen Andreas M. Weiner
Technische Universität Kaiserslautern Fachbereich Informatik Lehrgebiet Datenverwaltungssysteme Integriertes Seminar Datenbanken und Informationssysteme Sommersemester 2005 Thema: Data Streams Andreas
MehrComputerlinguistik und Sprachtechnologie
Computerlinguistik und Sprachtechnologie Eine Einführung 2., überarbeitete und erweiterte Auflage Herausgegeben von: Kai-Uwe Carstensen, Christian Ebert, Cornelia Endriss, Susanne Jekat, Ralf Klabunde
MehrJessica Naundorf. Kritische Analyse von. Employer Awards im Kontext. des Employer Branding
Jessica Naundorf Kritische Analyse von Employer Awards im Kontext des Employer Branding Rainer Hampp Verlag München, Mering 2016 -I- Inhaltsverzeichnis Inhaltsverzeichnis Abbildungsverzeichnis Tabellenverzeichnis
MehrInhaltsverzeichnis. Vorwort. Abbildungsverzeichnis. Tabellenverzeichnis. 1 Einleitung Gegenstand Aufbau 4
Inhaltsverzeichnis Vorwort Abbildungsverzeichnis Tabellenverzeichnis v xv xvii 1 Einleitung 1 1.1 Gegenstand 1 1.2 Aufbau 4 2 Datenerhebung - ganz praktisch 7 2.1 Einleitung 7 2.2 Erhebungsplan 7 2.2.1
MehrI B. G. TEUBNER STUTTGART
M A T H E M A T I S C H E L E I T F Ä D E N Herausgegeben von Professor Dr. phil. Dr. h.c. G. Köthe, Universität Frankfurt/M. Einführung in die mathematische Logik Klassische Prädikatenlogik Von Dr. rer.
MehrLogik für Informatiker
Vorlesung Logik für Informatiker 6. Aussagenlogik Resolution Bernhard Beckert Universität Koblenz-Landau Sommersemester 2006 Logik für Informatiker, SS 06 p.1 Der aussagenlogische Resolutionkalkül Wesentliche
MehrEreignisdiskrete Systeme
2008 AGI-Information Management Consultants May be used for personal purporses only or by libraries associated to dandelon.com network. Ereignisdiskrete Systeme Modellierung und Analyse dynamischer Systeme
MehrCommonsense Reasoning
Commonsense Reasoning Gabriele Kern-Isberner LS 1 Information Engineering TU Dortmund Sommersemester 2014 G. Kern-Isberner (TU Dortmund) Commonsense Reasoning 1 / 45 Übersicht Übungen und Folien zu Commonsense
Mehr4 Spezielle Schlussverfahren
4 Spezielle Schlussverfahren 11. Vorlesung: Probabilistisches Schließen; Nichtmonotones Schließen Methoden der Künstlichen Intelligenz Ipke Wachsmuth WS 2011/2012 Unsicherheit, Unvollständigkeit 4. Wie
MehrWS 2009/10. Diskrete Strukturen
WS 2009/10 Diskrete Strukturen Prof. Dr. J. Esparza Lehrstuhl für Grundlagen der Softwarezuverlässigkeit und theoretische Informatik Fakultät für Informatik Technische Universität München http://www7.in.tum.de/um/courses/ds/ws0910
MehrTheoretische Grundlagen des Software Engineering
Theoretische Grundlagen des Software Engineering 6: Formale Logik Einführung schulz@eprover.org Formale Logik Ziel Formalisierung und Automatisierung rationalen Denkens Rational richtige Ableitung von
MehrGrundbegriffe für dreiwertige Logik
Grundbegriffe für dreiwertige Logik Hans Kleine Büning Universität Paderborn 1.11.2011 1 Syntax und Semantik Die klassische Aussagenlogik mit den Wahrheitswerten falsch und wahr bezeichnen wir im weiteren
MehrLogik Vorlesung 8: Modelle und Äquivalenz
Logik Vorlesung 8: Modelle und Äquivalenz Andreas Maletti 12. Dezember 2014 Überblick Inhalt 1 Motivation und mathematische Grundlagen 2 Aussagenlogik Syntax und Semantik Äquivalenz und Normalformen Weitere
MehrInformatik A. Prof. Dr. Norbert Fuhr auf Basis des Skripts von Prof. Dr. Wolfram Luther und der Folien von Peter Fankhauser
Informatik A Prof. Dr. Norbert Fuhr fuhr@uni-duisburg.de auf Basis des Skripts von Prof. Dr. Wolfram Luther und der Folien von Peter Fankhauser 1 Teil I Logik 2 Geschichte R. Descartes (17. Jhdt): klassische
MehrWas 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
MehrAussagenlogik zu wenig ausdrucksstark für die meisten Anwendungen. notwendig: Existenz- und Allaussagen
Prädikatenlogik 1. Stufe (kurz: PL1) Aussagenlogik zu wenig ausdrucksstark für die meisten Anwendungen notwendig: Existenz- und Allaussagen Beispiel: 54 Syntax der Prädikatenlogik erster Stufe (in der
MehrIntelligente Systeme
Intelligente Systeme Regelbasierte Systeme Prof. Dr. R. Kruse C. Braune {rudolf.kruse,christian.braune}@ovgu.de Institut für Intelligente Kooperierende Systeme Fakultät für Informatik Otto-von-Guericke-Universität
MehrObjektorientiertes Programmieren
JL Ute Claussen Objektorientiertes Programmieren Mit Beispielen und Übungen in C++ Zweite, überarbeitete und erweiterte Auflage Mit 24 Abbildungen Springer Inhaltsverzeichnis 1 Einleitung 1 1.1 Was ist
MehrWege der Wissenschaft
Alan F. Chalmers Wege der Wissenschaft Einführung in die Wissenschaftstheorie Herausgegeben und übersetzt von Niels Bergemann und Christine Altstötter-Gleich Sechste, verbesserte Auflage 4y Springer Inhalt
MehrUnternehmenskultur und radikale Innovation
Corporate Life Cycle Management Band 1 Herausgegeben von Prof. Dr. Klaus Nathusius Dr. Norbert Fischl Unternehmenskultur und radikale Innovation Eine Analyse von jungen und mittelständischen Unternehmen
MehrDeduktion in der Aussagenlogik
Deduktion in der Aussagenlogik Menge von Ausdrücken der Aussagenlogik beschreibt einen bestimmten Sachverhalt, eine "Theorie" des Anwendungsbereiches. Was folgt logisch aus dieser Theorie? Deduktion: aus
MehrBayesianische Netzwerke - Lernen und Inferenz
Bayesianische Netzwerke - Lernen und Inferenz Manuela Hummel 9. Mai 2003 Gliederung 1. Allgemeines 2. Bayesianische Netzwerke zur Auswertung von Genexpressionsdaten 3. Automatische Modellselektion 4. Beispiel
MehrAussagenlogische Kalküle
Aussagenlogische Kalküle Ziel: mit Hilfe von schematischen Regeln sollen alle aus einer Formel logisch folgerbaren Formeln durch (prinzipiell syntaktische) Umformungen abgeleitet werden können. Derartige
MehrMaschinelles Lernen und Data Mining: Methoden und Anwendungen
Maschinelles Lernen und Data Mining: Methoden und Anwendungen Eyke Hüllermeier Knowledge Engineering & Bioinformatics Fachbereich Mathematik und Informatik GFFT-Jahrestagung, Wesel, 17. Januar 2008 Knowledge
MehrAussagenlogische Widerlegungsverfahren zum Nachweis logischer Eigenschaften und Beziehungen
Einführung in die Logik - 4 Aussagenlogische Widerlegungsverfahren zum Nachweis logischer Eigenschaften und Beziehungen Widerlegungsverfahren zum Aufwärmen: Bestimmung von Tautologien mittels Quick Falsification
MehrMit einem Geleitwort von Prof. Dr. Michael Schefczyk
Gerlinde Brinkel Erfolgreiches Franchise- System-Management Eine empirische Untersuchung anhand der deutschen Franchise-Wirtschaft Mit einem Geleitwort von Prof. Dr. Michael Schefczyk 4^ Springer Gabler
MehrFormale Grundlagen der Informatik 1 Kapitel 16 Normalformen und Hornformeln
Formale Grundlagen der Informatik 1 Kapitel 16 Normalformen und Frank Heitmann heitmann@informatik.uni-hamburg.de 9. Juni 2015 Frank Heitmann heitmann@informatik.uni-hamburg.de 1/36 Ersetzbarkeitstheorem
MehrMethodologie der Sozialwissenschaften
Karl-Dieter Opp Methodologie der Sozialwissenschaften Einführung in Probleme ihrer Theorienbildung und praktischen Anwendung 6. Auflage VS VERLAG FÜR SOZIALWISSENSCHAFTEN Inhaltsverzeichnis Vorwort 10
MehrStatistik für. von. Prof. Dr. Josef Bleymüller. und. Prof. Dr. Rafael Weißbach. sowie. Dr. Günther Gehlert. und. Prof. Dr.
Statistik für Wirtschaftswissenschaftler von Prof. Dr. Josef Bleymüller und Prof. Dr. Rafael Weißbach sowie Dr. Günther Gehlert und Prof. Dr. Herbert Gülicher bei früheren Auflagen 17., überarbeitete Auflage
MehrEreignisdiskrete Systeme
Ereignisdiskrete Systeme Modellierung und Analyse dynamischer Systeme mit Automaten, Markovketten und Petrinetzen von Jan Lunze Mit 340 Abbildungen, 80 Anwendungsbeispielen und 110 Übungsaufgaben Oldenbourg
MehrPsychologische Tests und mehrwertige Logik
Psychologische Tests und mehrwertige Logik Matthias Buntins Psychologische Tests und mehrwertige Logik Ein alternativer Ansatz zur Quantifizierung psychologischer Konstrukte Matt hi as Bunt ins B amb erg,
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
Mehr1.1 Motivation. Theorie der Informatik. Theorie der Informatik. 1.1 Motivation. 1.2 Syntax. 1.3 Semantik. 1.4 Formeleigenschaften. 1.
Theorie der Informatik 19. Februar 2014 1. Aussagenlogik I Theorie der Informatik 1. Aussagenlogik I Malte Helmert Gabriele Röger Universität Basel 19. Februar 2014 1.1 Motivation 1.2 Syntax 1.3 Semantik
MehrInhaltsverzeichnis. 1.1 Problemstellung und Zielsetzung der Arbeit Aufbau der Arbeit 5
Abbildungsverzeichnis XII Tabellenverzeichnis XV Symbolverzeichnis XIX 1 Problemstellung, Zielsetzung und Aufbau der Arbeit 1 1.1 Problemstellung und Zielsetzung der Arbeit 1 1.2 Aufbau der Arbeit 5 2
MehrSeminarvortrag zum Thema maschinelles Lernen I - Entscheidungsbäume. von Lars-Peter Meyer. im Seminar Methoden wissensbasierter Systeme
Seminarvortrag zum Thema maschinelles Lernen I - Entscheidungsbäume von Lars-Peter Meyer im Seminar Methoden wissensbasierter Systeme bei Prof. Brewka im WS 2007/08 Übersicht Überblick maschinelles Lernen
MehrOperationalisierung einer Nachhaltigkeitsstrategie
Alexandro Kleine Operationalisierung einer Nachhaltigkeitsstrategie Ökologie, Ökonomie und Soziales integrieren Mit einem Geleitwort von Prof. Dr. Michael von Hauff GABLER EDITION WISSENSCHAFT Inhaltsverzeichnis
MehrZusammenfassung KI (von Marco Piroth)
Zusammenfassung KI (von Marco Piroth) Definition: KI ist das Teilgebiet der Informatik, das sich damit beschäftigt, menschliche, intelligente Verhaltensweisen auf einer Maschine nachzuvollziehen. Softwaretechnische
MehrMotivation und Geschichte. Geschichte der Logik Logik und Informatik
Motivation und Geschichte Geschichte der Logik Logik und Informatik Theoretische Informatik: Logik, M. Lange, FB16, Uni Kassel: 2.1 Motivation und Geschichte Geschichte der Logik 13 Aufgaben der Logik
MehrKapitel MK:V. V. Diagnoseansätze
Kapitel MK:V V. Diagnoseansätze Diagnoseproblemstellung Diagnose mit Bayes Evidenztheorie von Dempster/Shafer Diagnose mit Dempster/Shafer Truth Maintenance Assumption-Based TMS Diagnosis Setting Diagnosis
MehrDie Beziehung zwischen werbungtreibendem Unternehmen und Werbeagentur
Dirk Schachtner Die Beziehung zwischen werbungtreibendem Unternehmen und Werbeagentur Theoretische Systematisierung und empirische Überprüfung eines Prinzipal-Agenten-Modells Mit einem Geleitwort von Prof.
MehrBayes sche und probabilistische Netze
Bayes sche und probabilistische Netze Gliederung Wahrscheinlichkeiten Bedingte Unabhängigkeit, Deduktion und Induktion Satz von Bayes Bayes sche Netze D-Separierung Probabilistische Inferenz Beispielanwendung
MehrMultivariate Lieferantenbewertung
Christian G. Janker Multivariate Lieferantenbewertung Empirisch gestützte Konzeption eines anforderungsgerechten Bewertungssystems Mit einem Geleitwort von Prof. Dr. Rainer Lasch Deutscher Universitäts-Verlag
MehrTheorie und Anwendung der unendlichen Reihen
K. Knopp Theorie und Anwendung der unendlichen Reihen Mit einem Vorwort von Wolfgang Walter Sechste Auflage m Springer Einleitung Erster Teil. Reelle Zahlen und Zahlenfolgen. i I. Kapitel. Grundsätzliches
MehrFormale Methoden 2. Gaetano Geck Lehrstuhl I Logik in der Informatik WS 2014/2015
Formale Methoden 2 Gaetano Geck Lehrstuhl I Logik in der Informatik WS 2014/2015 Teil 3: Logik 1 Aussagenlogik Einleitung Eigenschaften Äquivalenz Folgerung Normalformen 2 Prädikatenlogik Wenn eine Karte
MehrKünstliche Intelligenz Unsicherheit. Stephan Schwiebert WS 2009/2010 Sprachliche Informationsverarbeitung Institut für Linguistik Universität zu Köln
Künstliche Intelligenz Unsicherheit Stephan Schwiebert WS 2009/2010 Sprachliche Informationsverarbeitung Institut für Linguistik Universität zu Köln Rückblick Agent in der Wumpuswelt konnte Entscheidungen
Mehr