5. Beschreibungslogiken und Web-Ontologien. Eigenschaften von Beschreibungslogiken. Das Grundvokabular besteht aus
|
|
- Miriam Feld
- vor 7 Jahren
- Abrufe
Transkript
1 5. Beschreibungslogik und Web-Ontologien Einführung in Beschreibungslogiken 5. Beschreibungslogiken und Web-Ontologien 5. Beschreibungslogik und Web-Ontologien Einführung in Beschreibungslogiken Das Grundvokabular besteht aus Konzepten (concepts): benannte Mengen von Objekten Beschreibungslogiken (Description Logics, DL): Familie von Wissensrepräsentationssprachen meistens Untermenge der Prädikatenlogik (erster Stufe) häufig im Gegensatz zur Prädikatenlogik entscheidbar Die Web Ontology Language (OWL) entspricht einer Beschreibungslogik. Rollen (roles): zweistellige Beziehungen zwischen Objekten Aus atomaren Konzepten und Rollen können komplexere Konzepte und Rollen aufgebaut werden. Die Art und Weise, wie komplexere Konzepte und Rollen definiert werden können, ist spezifisch für jede Beschreibungslogik. Beschreibungslogiken haben eine modelltheoretische Semantik Beschreibungslogik und Web-Ontologien Einführung in Beschreibungslogiken Eigenschaften von Beschreibungslogiken Eine Wissensbasis besteht aus zwei Komponenten: TBox: Definiert das Vokabular in einem Anwendungsbereich (Terminologie, Grundvokabular), d.h. allgemeine Zusammenhänge zwischen Objekten des Anwendungsbereichs 5. Beschreibungslogik und Web-Ontologien Einführung in Beschreibungslogiken Beispiel 5.1. Konzepte: Professor, Vorlesung Rolle: Professor hält Vorlesung TBox: FaulerProfessor := Professor, der keine Vorlesung hält ABox: witt ist ein Professor, becker ist ein Professor, theo inf ist eine Vorlesung, witt hält theo inf ABox: Annahmen (assertions) über einzelne Objekte ausgedrückt mit Hilfe des Grundvokabulars
2 5. Beschreibungslogik und Web-Ontologien Einführung in Beschreibungslogiken Inferenzmechanismen Bemerkungen: Negation kann nur auf atomare Konzepte angewendet werden. Auf DL basierende Systeme bieten die folgenden Schlussfolgerungsmechanismen an: Nur das universelle Konzept ist im Gültigkeitsbereich des Existenzquantors erlaubt. Erfüllbarkeit: Ist eine Konzeptbeschreibung erfüllbar? Gibt es ein Modell für das Konzept? Subsumption: Ist Konzept A allgemeiner als Konzept B? Konsistenz: Gibt es ein Modell zu den Annahmen einer ABox? Instanz: Ist Objekt a eine Instanz von Konzept C? Die Sprache AL Im folgenden seien A, B atomare Konzepte, R eine atomare Rolle und C, D Konzeptbeschreibungen. Dann können Konzeptbeschreibungen in AL (attributive language) gemäß den folgenden Syntaxregeln gebildet werden: C, D A (atomic concept) (universal concept) (bottom concept) A (atomic negation) C D (intersection) R.C (value restriction) R. (limited existential quantification) Beispiel 5.2. Dann sind Gegeben seien die atomaren Konzepte: Person, Female. Person Female und Person Female Konzeptbeschreibungen in AL. Gegeben sei zusätzlich die atomare Rolle: haschild. Dann sind auch Person haschild. Person haschild.female Person haschild. Konzeptbeschreibungen in AL. Finden Sie umgangssprachliche Beschreibungen für diese Konzepte!
3 Semantik von AL-Konzepten Semantik von Konzeptbeschreibungen Eine Interpretation ( I, I) besteht aus einer nichtleeren Menge I (domain, Universum) und einer Interpretationsfunktion I, die jedem atomaren Konzept A eine Menge A I I und jeder atomaren Rolle R eine zweistellige Relation R I I I zuordnet. Solch eine Interpretationsfunktion wird wie folgt auf Konzeptbeschreibungen erweitert: I I ( A) I = I = = I \ A I (C D) I = C I D I ( R.C) I = {a I b : (a, b) R I b C I } ( R. ) I = {a I b : (a, b) R I } Konzepte, Rollen und Prädikate Konzepte entsprechen einstelligen Prädikaten Rollen entsprechen zweistelligen Prädikaten In der Prädikatenlogik ordnet eine Interpretation einem einstelligen Prädikat eine Menge zu. Bemerkung: Zum Konzept R.C gehören alle Elemente (Objekte) des Universums, die über die Rolle R ausschließlich mit Objekten des Konzeptes C in Beziehung stehen. Zum Konzept R. gehören alle Elemente (Objekte) des Universums, die über die Rolle R mit mindestens einem Objekt in Beziehung stehen. Man beachte: Mit AL können wir nur neue Konzepte definieren, keine Rollen
4 Äquivalenz von Konzepten Zwei Konzepte C und D heißen äquivalent (Schreibweise: C D) gdw. C I = D I für alle Interpretationen I gilt. number restrictions (Bezeichnung N ): n R (at-least) bzw. n R (at-most) ( n R) I = { a I {b (a,b) R I } n } ( n R) I = { a I {b (a,b) R I } n } Beispiel 5.3. Es gilt negation (Bezeichnung C): C haschild.female haschild.student haschild.(female Student) ( C) I = I \ C I Beispiel 5.4. Personen, die höchstens ein Kind haben oder mindestens drei, davon eine Tochter: Person ( 1 haschild ( 3 haschild haschild.female)) Die Sprachfamilie AL Bezeichnungen für AL-Sprachen Durch zusätzliche Konstruktoren zur Erzeugung von Konzeptbeschreibungen erhalten wir mächtigere Sprachen. union (Bezeichnung U): C D (C D) I = C I D I full existential qualification (Bezeichnung E): R.C ( R.C) I = {a I b : (a, b) R I b C I } Die Erweiterung von AL um eine beliebige Teilmenge der vorgestellten Konstruktoren führt jeweils zu einer speziellen Sprache der AL- Sprachfamilie. Wir bezeichnen solch eine Sprache durch ein String der Form AL[U][E][N][C] Hierbei steht prinzipiell jeder optionale Buchstabe für einen der zusätzlichen Konstruktoren
5 Beispiel: ALEN ist die Erweiterung von AL um full existential qualification und number restrictions. Aus semantischer Sicht sind nicht alle diese Sprachen disjunkt. So gilt: C D ( C D) R.C R. C 5. Beschreibungslogik und Web-Ontologien Beschreibungslogik und Prädikatenlogik Wenn das Konzept C durch die PL1-Formel Φ C (X) dargestellt wird und R eine atomare Rolle ist, dann werden value restriction und existential quantification repräsentiert durch: Φ R.C (Y ) = XR(Y,X) Φ C (X) Φ R.C (Y ) = XR(Y,X) Φ C (X) Number restrictions werden wie folgt repräsentiert: O.B.d.A. setzen wir daher voraus: Eine AL-Sprache bietet genau dann die Negation an, wenn Sie auch die Vereinigung und die volle existentielle Quantifizierung anbietet. Φ n R (X) = Y 1,...,Y n R(X,Y 1 ) R(X,Y n ) i<j Y i Y j Φ n R (X) = Y 1,...,Y n+1 R(X, Y 1 ) R(X,Y n+1 ) i<j Y i = Y j Konsequenz: Statt UE schreiben wir kurz C Beschreibungslogik und Web-Ontologien Beschreibungslogik und Prädikatenlogik Beschreibungslogik und Prädikatenlogik Atomare Konzepte können als einstellige Prädikate gesehen werden, atomare Rollen als zweistellige Prädikate. 5. Beschreibungslogik und Web-Ontologien Beschreibungslogik und Prädikatenlogik Man beachte, daß das Gleichheitsprädikat = notwendig ist, um die number restrictions ausdrücken zu können. Warum überhaupt eine spezielle Syntax? Beschreibungslogik ist knapp, präzise und leichter verständlich als Prädikatenlogik. Jedes Konzept C kann dann durch eine PL1-Formel Φ C (X) mit freier Variable X dargestellt werden, so daß für jede Interpretation I die Menge der Elemente, die Φ C (X) erfüllen, genau C I ist. Ein atomares Konzept A wird dargestellt durch die Formel A(X). Die Konstruktoren, und werden durch die logischen Junktoren, und repräsentiert
6 5. Beschreibungslogik und Web-Ontologien Terminologien Terminologische Axiome 5. Beschreibungslogik und Web-Ontologien Terminologien Definitionen Terminologische Axiome haben die folgende Form: C D (R S) oder C D (R S) Axiome der ersten Art heißen Einschluss (inclusion), Axiome der zweiten Art Gleichheit (equality). Eine Interpretation I erfüllt (satisfies) einen Einschluss C D gwd. C I D I gilt. Ein Gleichheitsaxiom C D ist erfüllt gdw. C I = D I gilt. Ein Gleichheitsaxiom, bei dem die linke Seite ein atomares Konzept ist, heißt Konzeptdefinition (definition). Konzeptdefinitionen führen symbolische Namen für Konzepte ein. Beispiel: Mother Woman haschild.person Einmal eingeführte symbolische Namen können in anderen Konzeptbeschreibungen verwendet werden: Parent Mother Father Beschreibungslogik und Web-Ontologien Terminologien Es sei T eine Menge von Axiomen. I erfüllt T gdw. I jedes Axiom aus T erfüllt. 5. Beschreibungslogik und Web-Ontologien Terminologien Terminologie Eine Interpretation, die ein Axiom (bzw. eine Menge von Axiomen) erfüllt, heißt Modell für dieses Axiom (bzw. die Menge). Zwei Axiome (bzw. Mengen von Axiomen) heißen äquivalent gdw. sie die gleichen Modelle haben. Eine endliche Menge T von Konzeptdefinitionen, bei der jeder symbolische Namen höchstens einmal definiert wird, heißt Terminologie bzw. TBox. Es sei T eine Terminologie. Wir unterteilen die atomaren Konzepte von T in zwei Mengen. Die Namenssymbole (name symbols) N T treten auf der linken Seite eines Axioms auf. Andere Bezeichnung: defined concepts Die Basissymbole (base symbols) B T treten ausschließlich auf der rechten Seite von Axiomen auf. Andere Bezeichung: primitive concepts
7 5. Beschreibungslogik und Web-Ontologien Terminologien Beispiel 5.5. Eine TBox für das Gebiet Familie : Woman Person Female Man Person Female Mother Woman haschild.person Father Man haschild.person Parent Mother Father Grandmother Mother haschild.parent MotherWithManyChildren Mother 3 haschild MotherWithoutDaughter Mother haschild. Woman Wife Woman hashusband.man 5. Beschreibungslogik und Web-Ontologien Weltbeschreibungen Wenn PETER, PAUL, HARRY und MARY (Namen für) Individuen sind, dann könnte eine ABox wie folgt aussehen: MotherWithoutDaugther(MARY) Father(PETER) haschild(mary, PETER) haschild(peter, HARRY) haschild(mary, PAUL) Beschreibungslogik und Web-Ontologien Weltbeschreibungen Weltbeschreibungen 5. Beschreibungslogik und Web-Ontologien Weltbeschreibungen Interpretation von ABox und TBox Es seien a, b,c Namen für Individuen (Objekte), C bezeichne ein Konzept, R eine Rolle. Eine concept assertion ist ein Axiom der Form C(a). Eine role assertion ist ein Axiom der Form R(b, c). Eine Weltbeschreibung oder ABox ist eine endliche Menge solcher Axiome. Von nun an ordne eine Interpretation ( I, I) zusätzlich jedem Individuennamen a ein Element a I I zu. Wir setzen voraus, daß verschiedene Namen auch auf verschiedene Objekte abgebildet werden (unique name assumption). Eine Interpretation I erfüllt die concept assertion C(a) gdw. a I C I gilt. Eine Interpretation I erfüllt die role assertion R(b,c) gdw. (a I, b I ) R I gilt
8 5. Beschreibungslogik und Web-Ontologien Weltbeschreibungen Eine Interpretation I erfüllt die ABox A gdw. I jedes Axiom von A erfüllt. I heißt dann Modell für A. Eine Interpretation I erfüllt eine ABox in Bezug auf eine TBox gdw. I ein Modell für A und T ist. Ein Modell für A und T ist eine mögliche Situation, bei der die Konzepte als Untermengen gemäß der TBox erfüllt sind und die Zugehörigkeit für einzelne Objekte sowie deren Beziehungen untereinander gemäß der ABox berücksichtigt sind. 5. Beschreibungslogik und Web-Ontologien Weltbeschreibungen fills: R : a, wobei R eine Rolle und a ein Nominal ist. (R : a) I = {d I (d,a I ) R I } D.h. R : a bezeichnet die Menge der Objekte, die über die Beziehung (Rolle) R mit Objekt a in Beziehung stehen Beschreibungslogik und Web-Ontologien Weltbeschreibungen Individuennamen in der Beschreibungssprache 5. Beschreibungslogik und Web-Ontologien Inferenzprobleme Inferenzprobleme für Konzepte Manchmal möchte man Individuennamen (Nominale) auch in der TBox benutzen. Konstruktoren hierfür sind: one-of: {a 1,...,a n }, wobei die a i Nominale sind. Es sei T eine TBox: Satisfiability Ein Konzept C heißt erfüllbar (satisfiable) (in Bezug auf T ), wenn ein Model I für T existiert, so daß C I nicht leer ist. Beispiel 5.6. {a 1,...,a n } I = {a I 1,...,a I n} Subsumption Ein Konzept C wird von einem Konzept D subsumiert (subsumed), wenn C I D I für jedes Modell I gilt. Schreibweise: C T D oder T = C D UNSecurityCouncilPermanentMembers {CHINA, FRANCE, RUSSIA, UK, USA} Equivalence Zwei Konzepte C und D heißen äquivalent (equivalent), wenn C I = D I für jedes Modell I gilt. Schreibweise: C T D oder T = C D
9 5. Beschreibungslogik und Web-Ontologien Inferenzprobleme Disjointness Zwei Konzepte C und D sind disjunkt (disjoint) wenn 5. Beschreibungslogik und Web-Ontologien Inferenzprobleme Reduktion auf Nichterfüllbarkeit C I D I = für alle Modelle I gilt. Beispiel: Für die TBox von Folie 187 gilt: Person subsumiert Woman, Woman und Parent subsumieren Mother, Wenn eine DL Negation unterstützt, können die Inferenzprobleme auf die Erfüllbarkeit reduziert werden. C wird subsumiert von D C D ist nicht erfüllbar. C und D sind äquivalent (C D) und ( C D) sind nicht erfüllbar. Mother subsumiert Grandmother. C und D sind disjunkt C D ist nicht erfüllbar. Woman und Man sowie Father und Mother sind disjunkt Beschreibungslogik und Web-Ontologien Inferenzprobleme Reduktion auf Subsumption 5. Beschreibungslogik und Web-Ontologien Inferenzprobleme C sei ein Konzept. Dann sind die folgenden Aussagen äquivalent: C ist ist nicht erfüllbar. Es seien C und D Konzepte. Es gilt C ist nicht erfüllbar C wird von subsumiert. C und D sind äquivalent C wird von D subsumiert und D wird von C subsumiert. C und D sind disjunkt C D wird subsumiert von. C wird von subsumiert. C und sind äquivalent. C und sind disjunkt. Nichterfüllbarkeit ist ein Spezialfall der anderen Inferenzprobleme für Konzepte
10 5. Beschreibungslogik und Web-Ontologien Inferenzprobleme Inferenzprobleme für Weltbeschreibungen Konsistenz: Gibt es ein Modelle für eine ABox A (in Bezug auf T )? instance checking: Gehört ein Individuum a zum Konzept C? Schreibweise: A = C(a)? Es gilt: A = C(a) A { C(a)} ist nicht konsistent retrieval problem: Finde alle Individuen, für die A = C(a) gilt! Beschreibungslogik und Web-Ontologien Inferenzprobleme realization problem: Gegeben sei ein Individuum a. Finde die speziellsten Konzepte C, zu denen a gehört. D.h. finde C, so daß gilt A = C(a) und D mit A = D(a) und D wird von C echt subsumiert. 214
Baader Nutt 1: Basic Description Logics
Baader Nutt 1: Basic Description Logics Ludwig Maximilians Universität München Sommersemester 2009 Institut: CIS Hauptseminar: Beschreibungslogik Seminarleiter: Hans Leiß, Martin Hofmann Referentin: Natalia
MehrBeschreibungslogiken. Daniel Schradick 1schradi@informatik.uni-hamburg.de
Beschreibungslogiken Daniel Schradick 1schradi@informatik.uni-hamburg.de Was sind Beschreibungslogiken? Definition: Formalisms that represent knowledge of some problem domain (the world ) by first defining
MehrLernen von ALC-Konzepten in Beschreibungslogiken und Ontologien
Lernen von ALC-Konzepten in Beschreibungslogiken und Ontologien Jens Lehmann Institut für Künstliche Intelligenz Fakultät Informatik Technische Universität Dresden 21. Juni 2006 Gliederung: Einführung
MehrLogische und funktionale Programmierung
Logische und funktionale Programmierung Vorlesung 2: Prädikatenkalkül erster Stufe Babeş-Bolyai Universität, Department für Informatik, Cluj-Napoca csacarea@cs.ubbcluj.ro 14. Oktober 2016 1/38 DIE INTERPRETATION
MehrDaten, Information, Wissen explizites und implizites Wissen Expertensysteme (Aufgaben, Aufbau, Komponenten) Diagnoseziel Klassifikation
Was bisher geschah Daten, Information, Wissen explizites und implizites Wissen Expertensysteme (Aufgaben, Aufbau, Komponenten) Diagnoseziel Klassifikation sicher heuristisch überdeckend Entscheidungstabellen
MehrBeschreibungslogik. Description logic (DL) Vorläufer sind Formalismen zur Wissensrepräsentation
Beschreibungslogik Description logic (DL) Vorläufer sind Formalismen zur Wissensrepräsentation wie Frames (Minsky) Semantische Netzwerke KL-ONE [Brachman, Schmolze 1985] DL ist entscheidbares Fragment
MehrHilbert-Kalkül (Einführung)
Hilbert-Kalkül (Einführung) Es gibt viele verschiedene Kalküle, mit denen sich durch syntaktische Umformungen zeigen läßt, ob eine Formel gültig bzw. unerfüllbar ist. Zwei Gruppen von Kalkülen: Kalküle
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
MehrEntscheidungsverfahren für Bernays/Schönfinkelbzw. Datenlogik-Formeln
Vorlesung Letz WS 2002/2003 TU München: Logikbasierte Entscheidungsverfahren Entscheidungsverfahren für Bernays/Schönfinkelbzw. Datenlogik-Formeln INHALTE Die Bernays-Schönfinkel-Klasse bzw. Datenlogik-Formeln
Mehr3. Grundlegende Begriffe von Logiken - Aussagenlogik
3. Grundlegende Begriffe von Logiken - Aussagenlogik Wichtige Konzepte und Begriffe in Logiken: Syntax (Signatur, Term, Formel,... ): Festlegung, welche syntaktischen Gebilde als Formeln (Aussagen, Sätze,
MehrAufgabe - Fortsetzung
Aufgabe - Fortsetzung NF: Nicht-Formel F: Formel A: Aussage x :( y : Q(x, y) R(x, y)) z :(Q(z, x) R(y, z)) y :(R(x, y) Q(x, z)) x :( P(x) P(f (a))) P(x) x : P(x) x y :((P(y) Q(x, y)) P(x)) x x : Q(x, x)
MehrSS2010 BAI2-LBP Gruppe 1 Team 07 Entwurf zu Aufgabe 4. R. C. Ladiges, D. Fast 10. Juni 2010
SS2010 BAI2-LBP Gruppe 1 Team 07 Entwurf zu Aufgabe 4 R. C. Ladiges, D. Fast 10. Juni 2010 Inhaltsverzeichnis 4 Aufgabe 4 3 4.1 Sich mit dem Programmpaket vertraut machen.................... 3 4.1.1 Aufgabenstellung.................................
MehrBeispiel Aussagenlogik nach Schöning: Logik...
Beispiel Aussagenlogik nach Schöning: Logik... Worin besteht das Geheimnis Ihres langen Lebens? wurde ein 100-jähriger gefragt. Ich halte mich streng an die Diätregeln: Wenn ich kein Bier zu einer Mahlzeit
MehrSS April Übungen zur Vorlesung Logik Blatt 1. Prof. Dr. Klaus Madlener Abgabe bis 27. April :00h
SS 2011 20. April 2011 Übungen zur Vorlesung Logik Blatt 1 Prof. Dr. Klaus Madlener Abgabe bis 27. April 2011 10:00h 1. Aufgabe: [strukturelle Induktion, Übung] Zeigen Sie mit struktureller Induktion über
MehrFormeln. Signatur. aussagenlogische Formeln: Aussagenlogische Signatur
Signatur Formeln Am Beispiel der Aussagenlogik erklären wir schrittweise wichtige Elemente eines logischen Systems. Zunächst benötigt ein logisches System ein Vokabular, d.h. eine Menge von Namen, die
MehrLogic in a Nutshell. Christian Liguda
Logic in a Nutshell Christian Liguda Quelle: Kastens, Uwe und Büning, Hans K., Modellierung: Grundlagen und formale Methoden, 2009, Carl Hanser Verlag Übersicht Logik - Allgemein Aussagenlogik Modellierung
MehrKapitel 1. Grundlagen Mengen
Kapitel 1. Grundlagen 1.1. Mengen Georg Cantor 1895 Eine Menge ist die Zusammenfassung bestimmter, wohlunterschiedener Objekte unserer Anschauung oder unseres Denkens, wobei von jedem dieser Objekte eindeutig
MehrSemantic Web Technologies II SS 2009. 25.05.2009 Übung: Ontologiemodellierung in OWL
Semantic Web Technologies II SS 2009 25.05.2009 Übung: Ontologiemodellierung in OWL Dr. Sudhir Agarwal Dr. Stephan Grimm Dr. Peter Haase PD Dr. Pascal Hitzler Denny Vrandecic 1 Übersicht Einführung in
MehrFormale Grundlagen 2008W. Vorlesung im 2008S Institut für Algebra Johannes Kepler Universität Linz
Formale Grundlagen Institut für Algebra Johannes Kepler Universität Linz Vorlesung im 2008S http://www.algebra.uni-linz.ac.at/students/win/fg Inhalt Definition Sei A eine Menge und ɛ A A A eine zweistellige
Mehr1 Mengen. 1.1 Elementare Definitionen. Einige mathematische Konzepte
Einige mathematische Konzepte 1 Mengen 1.1 Elementare Definitionen Mengendefinition Die elementarsten mathematischen Objekte sind Mengen. Für unsere Zwecke ausreichend ist die ursprüngliche Mengendefinition
MehrBrückenkurs Mathematik
Brückenkurs Mathematik 6.10. - 17.10. Vorlesung 1 Logik,, Doris Bohnet Universität Hamburg - Department Mathematik Mo 6.10.2008 Zeitplan Tagesablauf: 9:15-11:45 Vorlesung Audimax I 13:00-14:30 Übung Übungsräume
MehrLogik für Informatiker
Logik für Informatiker 2. Aussagenlogik Teil 6 14.05.2012 Viorica Sofronie-Stokkermans Universität Koblenz-Landau e-mail: sofronie@uni-koblenz.de 1 Bis jetzt Syntax der Aussagenlogik: Definition der Menge
MehrLineare Algebra I. - 1.Vorlesung - Prof. Dr. Daniel Roggenkamp & Falko Gauß. Monday 12 September 16
Lineare Algebra I - 1.Vorlesung - Prof. Dr. Daniel Roggenkamp & Falko Gauß 1. Mengen und Abbildungen: Mengen gehören zu den Grundlegendsten Objekten in der Mathematik Kurze Einführung in die (naive) Mengelehre
MehrMai 2006. Hauptseminar: Nichtrelationale Datenbanken Historisch-Kulturwissenschaftliche Informationsverarbeitung Universität zu Köln
Hauptseminar: Nichtrelationale Historisch-Kulturwissenschaftliche Informationsverarbeitung Universität zu Köln Mai 2006 Was ist eine Datenbank? Erweiterung relationaler um eine Deduktionskomponente Diese
MehrNormalformen der Prädikatenlogik
Normalformen der Prädikatenlogik prädikatenlogische Ausdrücke können in äquivalente Ausdrücke umgeformt werden Beispiel "X (mensch(x) Æ sterblich(x)) "X (ÿ mensch(x) sterblich(x)) "X (ÿ (mensch(x) Ÿ ÿ
MehrKapitel 1. Grundlagen
Kapitel 1. Grundlagen 1.1. Mengen Georg Cantor 1895 Eine Menge ist die Zusammenfassung bestimmter, wohlunterschiedener Objekte unserer Anschauung oder unseres Denkens, wobei von jedem dieser Objekte eindeutig
Mehr23.1 Constraint-Netze
Grundlagen der Künstlichen Intelligenz 1. April 2015 2. Constraint-Satisfaction-Probleme: Constraint-Netze Grundlagen der Künstlichen Intelligenz 2. Constraint-Satisfaction-Probleme: Constraint-Netze Malte
MehrVorlesung. Einführung in die mathematische Sprache und naive Mengenlehre
Vorlesung Einführung in die mathematische Sprache und naive Mengenlehre Allgemeines RUD26 Erwin-Schrödinger-Zentrum (ESZ) RUD25 Johann-von-Neumann-Haus Fachschaft Menge aller Studenten eines Institutes
MehrAlphabet, formale Sprache
n Alphabet Alphabet, formale Sprache l nichtleere endliche Menge von Zeichen ( Buchstaben, Symbole) n Wort über einem Alphabet l endliche Folge von Buchstaben, die auch leer sein kann ( ε leere Wort) l
MehrKapitel 2 MENGENLEHRE
Kapitel 2 MENGENLEHRE In diesem Kapitel geben wir eine kurze Einführung in die Mengenlehre, mit der man die ganze Mathematik begründen kann. Wir werden sehen, daßjedes mathematische Objekt eine Menge ist.
MehrMathematik für Techniker
Siegfried Völkel u.a. Mathematik für Techniker 7., neu bearbeitete und erweiterte uflage 16 1 Rechenoperationen Prinzip der Mengenbildung Wenn eine ussageform für die Objekte eines Grundbereichs vorliegt,
MehrKapitel 1.0. Aussagenlogik: Einführung. Mathematische Logik (WS 2011/12) Kapitel 1.0: Aussagenlogik: Einführung 1/ 1
Kapitel 1.0 Aussagenlogik: Einführung Mathematische Logik (WS 2011/12) Kapitel 1.0: Aussagenlogik: Einführung 1/ 1 Ziele der Aussagenlogik In der Aussagenlogik analysiert man die Wahrheitswerte zusammengesetzter
Mehr5 Logische Programmierung
5 Logische Programmierung Logik wird als Programmiersprache benutzt Der logische Ansatz zu Programmierung ist (sowie der funktionale) deklarativ; Programme können mit Hilfe zweier abstrakten, maschinen-unabhängigen
MehrAnalysis I. Vorlesung 4. Angeordnete Körper
Prof. Dr. H. Brenner Osnabrück WS 2013/2014 Analysis I Vorlesung 4 Angeordnete Körper Zwei reelle Zahlen kann man ihrer Größe nach vergleichen, d.h. die eine ist größer als die andere oder es handelt sich
MehrI. Aussagenlogik. Aussagenlogik untersucht Verknüpfungen wie "und", "oder", "nicht", "wenn... dann" zwischen atomaren und komplexen Sätzen.
I. Aussagenlogik 2.1 Syntax Aussagenlogik untersucht Verknüpfungen wie "und", "oder", "nicht", "wenn... dann" zwischen atomaren und komplexen Sätzen. Sätze selbst sind entweder wahr oder falsch. Ansonsten
Mehr5.4 Die Prädikatenlogik 1.Stufe als Semantikformalismus
5.4 Die Prädikatenlogik 1.Stufe als Semantikformalismus 5.4.1 Einführung Einführung Verwendet wird die Sprache der Prädikatenlogik erster Stufe mit Identität (ohne Funktionskonstanten) mit dem folgenden
MehrTheoretische Grundlagen des Software Engineering
Theoretische Grundlagen des Software Engineering 9: Prädikatenlogik schulz@eprover.org Rückblick 2 Rückblick: Vor- und Nachteile von Aussagenlogik Aussagenlogik ist deklarativ: Syntaxelemente entsprechen
MehrEinführung in die Informatik 2
Einführung in die Informatik 2 Mathematische Grundbegriffe Sven Kosub AG Algorithmik/Theorie komplexer Systeme Universität Konstanz E 202 Sven.Kosub@uni-konstanz.de Sprechstunde: Freitag, 12:30-14:00 Uhr,
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
MehrGrundlagen der Theoretischen Informatik
FH Wedel Prof. Dr. Sebastian Iwanowski GTI22 Folie 1 Grundlagen der Theoretischen Informatik Sebastian Iwanowski FH Wedel Kap. 2: Logik, Teil 2.2: Prädikatenlogik FH Wedel Prof. Dr. Sebastian Iwanowski
MehrDIE SPRACHE DER WAHRSCHEINLICHKEITEN
KAPITEL 1 DIE SPRACHE DER WAHRSCHEINLICHKEITEN Es ist die Aufgabe der ersten drei Kapitel, eine vollständige Beschreibung des grundlegenden Tripels (Ω, A, P) und seiner Eigenschaften zu geben, das heutzutage
Mehr3 Prädikatenlogik der 1. Stufe (PL1) Teil I
3 Prädikatenlogik der 1. Stufe (PL1) Teil I 3.3 Quantoren [ Gamut 70-74 McCawley 23-44 Chierchia 113-117 ]? Sind folgende Sätze jeweils synonym? (1) (a) Hans ist verheiratet oder nicht verheiratet. (b)
MehrMathematische Grundlagen der Computerlinguistik Relationen und Funktionen
Mathematische Grundlagen der Computerlinguistik Relationen und Funktionen Dozentin: Wiebke Petersen 2. Foliensatz Wiebke Petersen math. Grundlagen 25 n-tupel und Cartesisches Produkt Mengen sind ungeordnet,
MehrLogik für Informatiker
Logik für Informatiker 2. Aussagenlogik Teil 3 30.04.2012 Viorica Sofronie-Stokkermans Universität Koblenz-Landau e-mail: sofronie@uni-koblenz.de 1 Letztes Mal Aussagenlogik Syntax: welche Formeln? Semantik:
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
MehrTeil 7. Grundlagen Logik
Teil 7 Grundlagen Logik Was ist Logik? etymologische Herkunft: griechisch bedeutet Wort, Rede, Lehre (s.a. Faust I ) Logik als Argumentation: Alle Menschen sind sterblich. Sokrates ist ein Mensch. Also
MehrKlausur Formale Systeme Fakultät für Informatik 2. Klausur zum WS 2010/2011
Fakultät für Informatik 2. Klausur zum WS 2010/2011 Prof. Dr. Bernhard Beckert 08. April 2011 Vorname: Matrikel-Nr.: Platz: Klausur-ID: **Platz** **Id** Die Bearbeitungszeit beträgt 60 Minuten. A1 (17)
MehrMengen und Abbildungen
1 Mengen und bbildungen sind Hilfsmittel ( Sprache ) zur Formulierung von Sachverhalten; naive Vorstellung gemäß Georg Cantor (1845-1918) (Begründer der Mengenlehre). Definition 1.1 Eine Menge M ist eine
MehrEinschränkung des Ursprungs- und Bildbereichs
Relationsbildende Strukturen Definition einer Relationen durch relationsbildenden Ausdruck. (defrelation RelationName [...] [relation-expr]) relation-expr ::= RelationName... Hinweis: Einige Systeme erlauben
MehrThema. Intelligente Agenten im Web
Thema Intelligente Agenten im Web Einführendes Beispiel Suchmaschine Probleme: - Immer mehr falsche Informationen - Anwender werden überfordert - Zeitaufwand erhöht sich - Zunehmendes Sicherheitsrisiko
MehrEine Menge A ist die Zusammenfassung gleichartiger Elemente zu einer Gesamtheit. Eine Menge kann definiert werden durch
1.2 Mengenlehre Grundlagen der Mathematik 1 1.2 Mengenlehre Definition: Menge, Element, Variablenraum Eine Menge A ist die Zusammenfassung gleichartiger Elemente zu einer Gesamtheit. Eine Menge kann definiert
MehrTheoretische Informatik SS 03 Übung 11
Theoretische Informatik SS 03 Übung 11 Aufgabe 1 Zeigen Sie, dass es eine einfachere Reduktion (als die in der Vorlesung durchgeführte) von SAT auf 3KNF-SAT gibt, wenn man annimmt, dass die Formel des
MehrErsetzbarkeitstheorem
Ersetzbarkeitstheorem Die Abgeschlossenheit läßt sich auch folgendermaßen formulieren: Ersetzbarkeitstheorem Seien F und G Formeln mit F G. SeienH und H Formeln, so daß H aus H hervorgeht, indem ein Vorkommen
MehrFormale Methoden II. Gerhard Jäger. SS 2008 Universität Bielefeld. Teil 8, 11. Juni 2008. Formale Methoden II p.1/30
Formale Methoden II SS 2008 Universität Bielefeld Teil 8, 11. Juni 2008 Gerhard Jäger Formale Methoden II p.1/30 Beispiele Anmerkung: wenn der Wahrheitswert einer Formel in einem Modell nicht von der Belegungsfunktion
MehrNicht-Standard Inferenzdienste. Least Common Subsumer (kleinster gemeinsame Subsumer) Berechnung des lcs. Most Specific Concept (speziellste Konzept)
Nicht-Standard Inferenzdienste Motivation: Standard-Dienste wie die Berechnung der TBox-Subsumtionshierarchie oder ABox-Konsistenz nicht für jede Situation ausreichend. Insb. (interaktive) Dienste für
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
MehrOWL Web Ontology Language
OWL Web Ontology Language Hauptseminar Ontologien in Informatik und Linguistik SS 2007 Bianca Selzam 27.4.2007 Gliederung 1. Einleitung 2. Resource Description Framework (RDF) 3. Resource Description Framework
Mehr(10) x 1[FRAU(x 1) RENNT(x 1)] Keine Frau rennt.
Institut für deutsche Sprache und Linguistik, Humboldt-Universität zu Berlin, GK Semantik SS 2009, F.Sode Basierend auf Seminarunterlagen von Prof. Manfred Krifka Quantoren in der Prädikatenlogik (auch
MehrÜbungsblatt 3 Lösungen
Übungsblatt 3 Lösungen Formale Semantik WiSe 2011/2012 1 Lambda-Kalkül Anmerkungen: Pot(U) = Potenzmenge von U, wobei U das Universum Die Potenzmenge einer Menge M ist die Menge aller Teilmengen von M
MehrMengen, Funktionen und Logik
Wirtschaftswissenschaftliches Zentrum Universität Basel Mathematik für Ökonomen 1 Dr. Thomas Zehrt Mengen, Funktionen und Logik Literatur Referenz: Gauglhofer, M. und Müller, H.: Mathematik für Ökonomen,
MehrGrundkurs Semantik. Sitzung 3: Mengenlehre. Andrew Murphy
Grundkurs Semantik Sitzung 3: Mengenlehre Andrew Murphy andrew.murphy@uni-leizpig.de Grundkurs Semantik HU Berlin, Sommersemester 2015 http://www.uni-leipzig.de/ murphy/semantik15 15. Mai 2015 Basiert
MehrFormalisierung von Sudoku Formalisieren Sie das Sudoku-Problem:
Formalisierung von Sudoku Formalisieren Sie das Sudoku-Problem: 4 4 4 4 4 1 1 1 1 2 2 3 3 5 5 5 5 5 5 6 6 6 7 7 8 8 9 9 9 9 9 8 6 Verwenden Sie dazu eine atomare Formel A[n, x, y] für jedes Tripel (n,
MehrGrundlagen der Theoretischen Informatik - Sommersemester 2012. Übungsblatt 1: Lösungsvorschläge
Lehrstuhl für Softwaretechnik und Programmiersprachen Professor Dr. Michael Leuschel Grundlagen der Theoretischen Informatik - Sommersemester 2012 Übungsblatt 1: Lösungsvorschläge Disclaimer: Bei Folgendem
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
MehrSemantic Web Grundlagen
Birte Glimm Institut für Künstliche Intelligenz 14. Nov 2011 Semantic Web Grundlagen OWL Syntax und Intuition 2/63 Birte Glimm Semantic Web Grundlagen 14. Nov 2011 Organisatorisches: Inhalt Einleitung
MehrJeweils am Montag um 18:30 treffen sich Studenten in Seminarraum 3 zum gemeinsamen Lernen.
Jeweils am Montag um 18:30 treffen sich Studenten in Seminarraum 3 zum gemeinsamen Lernen. Betrachtungen zu Sprache, Logik und Beweisen Sprache Wir gehen von unserem Alphabet einigen Zusatzsymbolen aus.
MehrTheorie der Informatik
Theorie der Informatik 6. Formale Sprachen und Grammatiken Malte Helmert Gabriele Röger Universität Basel 17. März 2014 Einführung Beispiel: Aussagenlogische Formeln Aus dem Logikteil: Definition (Syntax
MehrDiskrete Strukturen Kapitel 2: Grundlagen (Beweise)
WS 2014/15 Diskrete Strukturen Kapitel 2: Grundlagen (Beweise) Hans-Joachim Bungartz Lehrstuhl für wissenschaftliches Rechnen Fakultät für Informatik Technische Universität München http://www5.in.tum.de/wiki/index.php/diskrete_strukturen_-_winter_14
MehrMathematik für Informatiker I
Mathematik für Informatiker I Mitschrift zur Vorlesung vom 19.10.2004 In diesem Kurs geht es um Mathematik und um Informatik. Es gibt sehr verschiedene Definitionen, aber für mich ist Mathematik die Wissenschaft
MehrDank. Grundlagen der Theoretischen Informatik / Einführung in die Theoretische Informatik I. Probleme über Sprachen. Teil II.
Dank Vorlesung Grundlagen der Theoretischen Informatik / Einführung in die Theoretische Informatik I Bernhard Beckert Diese Vorlesungsmaterialien basieren ganz wesentlich auf den Folien zu den Vorlesungen
Mehr24 KAPITEL 2. REELLE UND KOMPLEXE ZAHLEN
24 KAPITEL 2. REELLE UND KOMPLEXE ZAHLEN x 2 = 0+x 2 = ( a+a)+x 2 = a+(a+x 2 ) = a+(a+x 1 ) = ( a+a)+x 1 = x 1. Daraus folgt dann, wegen x 1 = x 2 die Eindeutigkeit. Im zweiten Fall kann man für a 0 schreiben
MehrOWL und Protégé. Seminar A.I. Tools Matthias Loskyll 14.12.2006
OWL und Protégé Seminar A.I. Tools Matthias Loskyll 14.12.2006 Überblick Einführung OWL Eigenschaften Sprachbeschreibung Übersicht Protégé Beschreibung des Tools Demo Zusammenfassung 2 Einführung Google?
MehrKapitel 1.3. Normalformen aussagenlogischer Formeln und die Darstellbarkeit Boolescher Funktionen durch aussagenlogische Formeln
Kapitel 1.3 Normalformen aussagenlogischer Formeln und die Darstellbarkeit Boolescher Funktionen durch aussagenlogische Formeln Mathematische Logik (WS 2011/12) Kapitel 1.3: Normalformen 1/ 29 Übersicht
MehrSemantic-Web-Sprachen XML, RDF (und RDFS), OWL
Semantic-Web-Sprachen XML, RDF (und RDFS), OWL PTI 991 Wissensmanagementsystemen Dozent: Prof. Sybilla Schwarz 1 Agenda Problem Semantisches Web Semantische Sprache XML RDF RDFS OWL Zusammenfassung 2 Problem
MehrSudoku. Warum 6? Warum 6?
. / Sudoku Füllen Sie die leeren Felder so aus, dass in jeder Zeile, in jeder Spalte und in jedem x Kästchen alle Zahlen von bis stehen.. / Warum?. / Warum?. / Geschichte der Logik Syllogismen (I) Beginn
MehrSemantic Web. RDF, RDFS, OWL, and Ontology Engineering. F. Abel, N. Henze, and D. Krause 17.12.2009. IVS Semantic Web Group
Semantic Web RDF, RDFS, OWL, and Ontology Engineering F. Abel, N. Henze, and D. Krause IVS Semantic Web Group 17.12.2009 Exercise 1: RDFS OWL Erstellen Sie mit Hilfe von RDF Schema und OWL eine Ontologie
MehrGrundlagen der Logik Datenbanken I (Systemorientierte Informatik IV) Sommersemester 2007
Concept Content.. Information Topic Grundlagen der Logik Datenbanken I (Systemorientierte Informatik IV) Sommersemester 2007 Gunar Fiedler (fiedler@is.informatik.uni-kiel.de) Institut für Informatik Arbeitsgruppe
MehrReasoner for the Semantic Web
Reasoner for the Semantic Web KAON & KAON2 Seminar A.I. Tools Erik Endres 18.1.2007 Übersicht Reasoner KAON1 KAON2 & Protégé Reasoner Ontologien machen Daten für Maschinen verarbeitbar. Reasoner setzen
Mehr7. Formale Sprachen und Grammatiken
7. Formale Sprachen und Grammatiken Computer verwenden zur Verarbeitung von Daten und Informationen künstliche, formale Sprachen (Maschinenspr., Assemblerspachen, Programmierspr., Datenbankspr., Wissensrepräsentationsspr.,...)
MehrElementare Beweismethoden
Elementare Beweismethoden Christian Hensel 404015 Inhaltsverzeichnis Vortrag zum Thema Elementare Beweismethoden im Rahmen des Proseminars Mathematisches Problemlösen 1 Einführung und wichtige Begriffe
MehrSemantic Web Technologies I!
www.semantic-web-grundlagen.de Semantic Web Technologies I! Lehrveranstaltung im WS11/12! Dr. Elena Simperl! DP Dr. Sebastian Rudolph! M.Sc. Anees ul Mehdi! www.semantic-web-grundlagen.de Logik Grundlagen!
MehrLinguistic Inference with Model Generation
Hauptseminar: Linguistic Inference and Textual Entailment Leitung: Prof. Dr. Manfred Pinkal Sommersemester 2007 Linguistic Inference with Model Generation 1 Aufbau 1. Einleitung 2. Systemaufbau 3. Linguistische
MehrTheoretische Informatik
Theoretische Informatik - das Quiz zur Vorlesung Teil I - Grundzüge der Logik In der Logik geht es um... (A) die Formen korrekten Folgerns (B) die Unterscheidung von wahr und falsch (C) das Finden von
Mehr2 Mengen und Abbildungen
2.1 Mengen Unter einer Menge verstehen wir eine Zusammenfassung von Objekten zu einem Ganzen. Die Objekte heiÿen Elemente. Ist M eine Menge und x ein Element von M so schreiben wir x M. Wir sagen auch:
MehrZur Definition von Definition Albert J. J. Anglberger, Peter Brössel
Zur Definition von Definition Albert J. J. Anglberger, Peter Brössel Zusammenfassung Wir werden in dieser Arbeit zwei neue Definitionsvorschläge von Definition entwickeln, die folgende Eigenschaften aufweisen:
MehrMengen und Abbildungen
Mengen und Abbildungen Der Mengenbegriff Durchschnitt, Vereinigung, Differenzmenge Kartesisches Produkt Abbildungen Prinzip der kleinsten natürlichen Zahl Vollständige Induktion Mengen und Abbildungen
Mehr3 Vom Zählen zur Induktion
7 3 Vom Zählen zur Induktion 3.1 Natürliche Zahlen und Induktions-Prinzip Seit unserer Kindheit kennen wir die Zahlen 1,, 3, 4, usw. Diese Zahlen gebrauchen wir zum Zählen, und sie sind uns so vertraut,
Mehr5. Aussagenlogik und Schaltalgebra
5. Aussagenlogik und Schaltalgebra Aussageformen und Aussagenlogik Boolesche Terme und Boolesche Funktionen Boolesche Algebra Schaltalgebra Schaltnetze und Schaltwerke R. Der 1 Aussagen Information oft
Mehr2. Symmetrische Gruppen
14 Andreas Gathmann 2 Symmetrische Gruppen Im letzten Kapitel haben wir Gruppen eingeführt und ihre elementaren Eigenschaften untersucht Wir wollen nun eine neue wichtige Klasse von Beispielen von Gruppen
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
MehrMathematik für Ökonomen 1
Mathematik für Ökonomen 1 Dr. Thomas Zehrt Wirtschaftswissenschaftliches Zentrum Universität Basel Herbstemester 2008 Mengen, Funktionen und Logik Inhalt: 1. Mengen 2. Funktionen 3. Logik Teil 1 Mengen
MehrKlassische Aussagenlogik
Eine Einführung in die Logik Schon seit Jahrhunderten beschäftigen sich Menschen mit Logik. Die alten Griechen und nach ihnen mittelalterliche Gelehrte versuchten, Listen mit Regeln zu entwickeln, welche
Mehr(Man sagt dafür auch, dass die Teilmenge U bezüglich der Gruppenoperationen abgeschlossen sein muss.)
3. Untergruppen 19 3. Untergruppen Nachdem wir nun einige grundlegende Gruppen kennengelernt haben, wollen wir in diesem Kapitel eine einfache Möglichkeit untersuchen, mit der man aus bereits bekannten
MehrSQL: statische Integrität
SQL: statische Integrität.1 SQL: statische Integrität Im allgemeinen sind nur solche Instanzen einer Datenbank erlaubt, deren Relationen die der Datenbank bekannten Integritätsbedingungen erfüllen. Integritätsbedingungen
MehrKlausur Formale Systeme Fakultät für Informatik WS 2009/2010. Prof. Dr. Bernhard Beckert. 18. Februar 2010
Klausur Formale Systeme Fakultät für Informatik Name: Mustermann Vorname: Peter Matrikel-Nr.: 0000000 Klausur-ID: 0000 WS 2009/2010 Prof. Dr. Bernhard Beckert 18. Februar 2010 A1 (15) A2 (10) A3 (10) A4
Mehr6. Induktives Beweisen - Themenübersicht
6. Induktives Beweisen - Themenübersicht Ordnungsrelationen Partielle Ordnungen Quasiordnungen Totale Ordnungen Striktordnungen Ordnungen und Teilstrukturen Noethersche Induktion Anwendung: Terminierungsbeweise
Mehr2 ZAHLEN UND VARIABLE
Zahlen und Variable 2 ZAHLEN UND VARIABLE 2.1 Grundlagen der Mengenlehre Unter einer Menge versteht man die Zusammenfassung von unterscheidbaren Objekten zu einem Ganzen. Diese Objekte bezeichnet man als
MehrReparatur und Erweiterung von OWL Ontologien
UNIVERSITÄT LEIPZIG Fakultät für Mathematik und Informatik Institut für Informatik Reparatur und Erweiterung von OWL Ontologien Masterarbeit Leipzig, 05.01.2010 Betreuer: Dipl. Inf. Jens Lehmann vorgelegt
Mehr3. Prädikatenlogik. Im Sinne der Aussagenlogik sind das verschiedene Sätze, repräsentiert etwa durch A, B, C. Natürlich gilt nicht: A B = C
3. Prädikatenlogik 3.1 Motivation In der Aussagenlogik interessiert Struktur der Sätze nur, insofern sie durch "und", "oder", "wenn... dann", "nicht", "genau dann... wenn" entsteht. Für viele logische
MehrFakultät für Informatik Universität Magdeburg Jürgen Dassow. Vorbemerkungen
Vorbemerkungen if (x > y) z = x; else z = y; Wenn es blaue Tiger regnet, dann fressen alle Kirschbäume schwarze Tomaten. q(1) = 1, q(i) = q(i 1) + 2i 1 für i 2 Welchen Wert hat q(6)? 24 ist durch 2 teilbar.
Mehr