Künstliche Intelligenz
|
|
- Claudia Müller
- vor 6 Jahren
- Abrufe
Transkript
1 Künstliche Intelligenz Intelligente Agenten Claes Neuefeind Sprachliche Informationsverarbeitung Universität zu Köln 26. Oktober 2011
2 Agenten Konzept des Agenten Rationalität Umgebungen Struktur von Agenten Aufbau Agententypen Seminarplan
3 Konzept des Agenten Agenten Konzept des Agenten Rationalität Umgebungen Struktur von Agenten Aufbau Agententypen Seminarplan
4 Konzept des Agenten Abbildung: Ein Agent Ein Agent ist alles, was seine Umgebung über Sensoren wahrnehmen kann u. in dieser Umgebung durch Aktuatoren handelt
5 Konzept des Agenten Agentenfunktion bildet Wahrnehmungsfolgen auf Aktionen ab (abstrakte, externe Beschreibung) Intern implementiert durch ein Agentenprogramm Agentenprogramm läuft auf einer physischen Architektur, um Aktionen zu produzieren
6 Konzept des Agenten Beispiel: Die Staubsaugerwelt Abbildung: Die Staubsaugerwelt Umgebung: Quadrate A und B Wahrnehmungen: [Ort, Zustand] - z.b. [A, schmutzig] Aktionen: links, rechts, saugen, nichts tun
7 Konzept des Agenten Beispiel: Die Staubsaugerwelt Abbildung: Agentenfunktion als Tabelle
8 Konzept des Agenten Konzept des Agenten Agenten-Konzept dient Entwurf und Analyse von Systemen Beschreibungsmodell Leitfrage: Welche Aktion soll bei welcher Wahrnehmungsfolge gewählt werden? Wie wird die Tabelle richtig ausgefüllt?
9 Rationalität Agenten Konzept des Agenten Rationalität Umgebungen Struktur von Agenten Aufbau Agententypen Seminarplan
10 Rationalität Rationalität Ein rationaler Agent tut das Richtige
11 Rationalität Rationalität Ein rationaler Agent tut das Richtige Annäherung: Der erfolgreichste Agent
12 Rationalität Rationalität Ein rationaler Agent tut das Richtige Annäherung: Der erfolgreichste Agent Ob ein Agent rational ist, hängt ab von: Leistungsbewertung (objektive Erfolgskriterien) Umgebungsbeschreibung (Vorwissen) Aktionen (Möglichkeit zur Interaktion) Wahrnehmungsfolge (Sensoren)
13 Rationalität Definition Ein rationaler Agent wählt immer die Aktion, von der eine Maximierung der Leistungsbewertung erwartet werden kann - gegeben seine bisherige Wahrnehmungsfolge sowie sein (Vor-) Wissen über die Umgebung. (RN, S. 59) Rationalität Allwissenheit Ein rationaler Agent kennt nur das erwartete Ergebnis seiner Handlungen, ein allwissender das tatsächliche Rationalität Perfektion Rationalität maximiert die erwartete Leistung, Perfektion hingegen die tatsächliche
14 Rationalität Das Konzept der Rationalität Rationalität erfordert Möglichkeiten... zur Informationssammlung/Exploration Veränderung zukünftiger Wahrnehmungen zur Maximierung der zukünftigen Leistungen zum Lernen durch Beobachtung Erweiterung des Wissens, um auf Veränderungen reagieren zu können zur Autonomie des Agenten Kompensierung unvollständigen oder fehlerhaften Vorwissens
15 Umgebungen Agenten Konzept des Agenten Rationalität Umgebungen Struktur von Agenten Aufbau Agententypen Seminarplan
16 Umgebungen PEAS-Beschreibung Beschreibung der Arbeitsumgebung analog zu Agentenspezifikation: Performance (Leistungsbewertung) Environment (Umgebungsbeschreibung) Actuators (Aktionen) Sensors (Wahrnehmungsfolge)
17 Umgebungen PEAS Beispiele Staubsauger-Welt ( geschlossen ) Automatisches Taxi ( offen, siehe z.b.
18 Umgebungen
19 Umgebungen Umgebungen: Eigenschaften Alle Arbeitsumgebungen können anhand weniger Dimensionen klassifiziert werden: Vollständig vs. teilweise beobachtbar Deterministisch vs. stochastisch Episodisch vs. sequenziell Statisch vs. dynamisch Diskret vs. stetig Einzel- vs. Multi-Agenten
20 Umgebungen Umgebungen: Eigenschaften Anhand der Eigenschaften lässt sich auch die Komplexität von Problembeschreibungen fassen Einfachste Arbeitsumgebung: Voll beobachtbar, deterministisch, episodisch, statisch, diskret und Einzel-Agent. Reale Situationen sind zumeist: Teilweise beobachtbar, stochastisch, sequentiell, dynamisch, stetig und Multi-Agent.
21 Umgebungen
22 Aufbau Agenten Konzept des Agenten Rationalität Umgebungen Struktur von Agenten Aufbau Agententypen Seminarplan
23 Aufbau Struktur von Agenten Bisher: Externe Beschreibung von Agenten Agentenfunktion Arbeitsumgebung Jetzt: Interne Beschreibung Agentenfunktion ist implementiert durch ein Agentenprogramm Agent = Architektur + Programm
24 Aufbau Grundaufbau Input = aktuelle Wahrnehmungen Output = Aktion Programm = verarbeitet Input, um Output zu erzeugen
25 Aufbau Ein Agentenprogramm Der einfachste Fall: Agentenprogramm, das seine Agentenfunktion explizit als Tabelle enthält Aufruf für jede neue Wahrnehmung, gibt zur jew. aktuellen Wahrnehmungsfolge eine Aktion zurück
26 Aufbau Agenten: Die Staubsaugerwelt Abbildung: Agentenfunktion als Tabelle
27 Agententypen Agenten Konzept des Agenten Rationalität Umgebungen Struktur von Agenten Aufbau Agententypen Seminarplan
28 Agententypen Agententypen Vier Arten von Agentenprogrammen: Einfache Reflex-Agenten Modellbasierte Reflex-Agenten Zielbasierte Agenten Nutzenbasierte Agenten Alle erweiterbar zu lernenden Agenten
29 Agententypen Einfache Reflex-Agenten Aktionsauswahl auf Basis aktueller Wahrnehmung Implementiert durch einfache Bedingung-Aktion-Regeln ( wenn schmutzig, saugen )
30 Agententypen Einfache Reflex-Agenten Agentenspezifisches Programm: Im Unterschied zur Tabelle hier nur Aktionen für aktuelle Wahrnehmung statt für gesamte Wahrnehmungsfolge Viel weniger Einträge nötig (4 statt 4 T )
31 Agententypen Einfache Reflex-Agenten Allgemeinere Implementation: Allgemeine Regel zur Aktionsauswahl: Bedingung muss mit aktuellem Zustand der Wahrnehmung übereinstimmen
32 Agententypen Modellbasierte Reflex-Agenten Aktionsauswahl unter Hinzunahme eines internen Zustands Umgang mit teilweise beobachtbaren Umgebungen Nutzung von Weltwissen für Update des internen Zustands Modell der Welt
33 Agententypen Modellbasierte Reflex-Agenten Agentenprogramm: Verwaltet mittels eines internen Modells den Teil der Welt, den der Agent bei der aktuellen Wahrnehmung nicht sieht. Bei jeder neuen Wahrnehmung bzw. Aktion wird das Modell aktualisiert.
34 Agententypen Zielbasierte Agenten Aktionsauswahl auf Grundlage von Zielen Update von Regeln & internem Zustand anhand Weltmodell berücksichtigt Zukunft (statt nur Erfahrung) flexibler bei Veränderungen, da nur das Wissen, nicht die Regeln angepasst werden müssen (KI: Suche, Planen)
35 Agententypen Nutzenbasierte Agenten Aktionsauswahl unter Hinzunahme einer Nutzenfunktion: erwarteter Nutzen = Durchschnitt aller Ergebniszustände (gewichtet nach Wahrscheinlichkeit ihres Eintreffens) Entscheidungshilfe bei unsicheren / konkurrierenden Zielen lokale Def. von Rationalität (Nutzen bei aktueller Aktion)
36 Agententypen Lernende Agenten Bisherige Agentenprogramme beschreiben ausschließlich Methoden der Aktionsauswahl Turing (1950): Lehre sie, statt sie zu instruieren Vorteile: Robustheit hinsichtlich unbekannter Umgebungen geringerer Programmieraufwand
37 Agententypen Lernende Agenten Kritik: Bewertet Leistung (festgelegter Leistungsstandard) Lernelement: Ermittelt Verbesserungen für Leistungselement Leistungselement: Aktionsauswahl (= Agentenprogramm) Problemgenerator: Schlägt Aktionen vor, die zu neuen, informativen Erfahrungen führen (Exploration & Verwertung)
38 Agenten Konzept des Agenten Rationalität Umgebungen Struktur von Agenten Aufbau Agententypen Seminarplan
39 Semesterplan
40 Hausaufgabe Kapitel 2 aus Russell/Norvig
Intelligente Agenten
KI Wintersemester 2013/2014 Intelligente Agenten Grundlagen der Künstlichen Intelligenz Wintersemester 2014/2015 Marc Toussaint 2006-2014 Heidemann, Bruhn, Toussaint Überblick Überblick Agentenbegriff,
MehrIntelligente Agenten
Intelligente Agenten Einige einfache Überlegungen zu Agenten und deren Interaktionsmöglichkeiten mit ihrer Umgebung. Agent benutzt: Sensoren Aktuatoren (Aktoren; Effektoren) zum Beobachten/Mess seiner
MehrGrundlagen der Künstlichen Intelligenz
Grundlagen der Künstlichen Intelligenz 3. Einführung: Rationale Agenten Malte Helmert Universität Basel 2. März 2015 Einführung: Überblick Kapitelüberblick Einführung: 1. Was ist Künstliche Intelligenz?
MehrGrundlagen der Künstlichen Intelligenz
Grundlagen der Künstlichen Intelligenz 2. Agenten, Umgebungen und Lösungsverfahren Malte Helmert Universität Basel 4. März 2013 Rationale Agenten Heterogene Einsatzgebiete KI-Systeme erfüllen sehr unterschiedliche
MehrRationale Agenten Rationalität
Rationale Agenten Rationalität des Agentenverhaltens hängt ab von Performanzmaß (auf dem Ergebnis der Agentenfunktion) vorgegebenem Wissen des Agenten über die Umgebung ausführbaren Aktionen aktueller
MehrKünstliche Intelligenz
HOCHSCHULE RHEIN-MAIN Künstliche Intelligenz Das Konzept künstlicher Agenten Martin Günster 01.03.2010 1. Einleitung und Geschichte 2 2. Was ist künstliche Intelligenz? 3 2.1. Wann ist etwas intelligent?
MehrSeminar zum Thema Künstliche Intelligenz Software-Agenten. Kay Hasselbach mi5482
Seminar zum Thema Künstliche Intelligenz Software-Agenten Kay Hasselbach mi5482 Agenda 1. Einführung 2. Grundlagen 3. Agenten-Strukturen 4. Architekturen 5. Beispiel: RoboCup 6. Quellen Kay Hasselbach
MehrSeminar zum Thema Künstliche Intelligenz Seminararbeit Software-Agenten
Seminar zum Thema Künstliche Intelligenz Seminararbeit Software-Agenten Autor: Kay Hasselbach mi5482 Inhalt: 1. Einführung 3 1. 1. Definition Agent 3 1. 2. Wozu braucht man Agenten? 3 1. 3. Beispiele zur
MehrKünstliche Intelligenz
Künstliche Intelligenz Fachbereich Jens Lüssem Reinhard Gerndt Wolfenbüttel, Sommersemester 2009 KI-Themen (I) Lokale Suchverfahren Hill Climbing Greedy Search A*-Suche Breitensuche Tiefensuche Einfache
MehrMethoden der KI in der Biomedizin Logische Agenten 1
Methoden der KI in der Biomedizin Logische Agenten 1 Karl D. Fritscher Organisatorisches Voraussetzungen: Lehrstoff zu den Themengebieten: a. Einführung in die KI, Expertensysteme b. Problemlösung durch
Mehrder Künstlichen Intelligenz
Einführung in die Methoden der Künstlichen Intelligenz --- Vorlesung vom 14.4.2009 --- Einführung in die KI und Agenten Ingo J. Timm, René Schumann Professur für Wirtschaftsinformatik und Simulation (IS)
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,
MehrReinforcement Learning
Reinforcement Learning 1. Allgemein Reinforcement Learning 2. Neuronales Netz als Bewertungsfunktion 3. Neuronales Netz als Reinforcement Learning Nils-Olaf Bösch 1 Allgemein Reinforcement Learning Unterschied
MehrGrundlagen der Künstlichen Intelligenz
Grundlagen der Künstlichen Intelligenz Christoph Anders (MaNr. 158689) 1. März 2010 Abstract Artificial intelligence (AI), in German also called Künstliche Intelligenz (KI), is the intelligence of machines
MehrSpiele mit simultanen und sequentiellen Spielzügen
Kapitel 6 Spiele mit simultanen und sequentiellen Spielzügen Einführung in die Spieltheorie Prof. Dr. Aleksander Berentsen 1 Teil 2 - Übersicht Teil 2 Sequentielle Spiele (Kapitel 3) Simultane Spiele Reine
MehrAlgorithmen für Computerspiele
Algorithmen für Computerspiele Künstliche Intelligenz von Manuel Bischof 3. Mai 2010 Gliederung Einleitung Was umfasst die KI? Nutzung in verschiedenen Genres Wo sind Verbesserungen notwendig? Möglichkeiten,
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
Mehr2. Intelligente Agenten
2. Intelligente Agenten Definition und Klassifizierung Umgebungen Einf. in die KI 2 1 Agenten Agenten nehmen durch Sensoren ihre Umwelt wahr Perzepte manipulieren ihre Umwelt mit Hilfe ihrer Effektoren
Mehr12. Vorlesung. 19. Dezember 2006 Guido Schäfer
LETZTE ÄNDERUNG: 6. JANUAR 007 Vorlesung: Einführung in die Spieltheorie WS 006/007. Vorlesung 9. Dezember 006 Guido Schäfer 4 Bayesian Games Wir haben bisher immer angenommen, dass jeder Spieler vollständige
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
Mehr3 Programmierung von Robotern
3 Programmierung von Robotern 3.1 Arten der Programmierung Arten Programmierung durch Beispiele Programmierung durch Training roboterorientierte Programmierung aufgabenorientierte Programmierung 3.1.1
MehrGrundlagen der Künstlichen Intelligenz Einführung Minimax-Suche Bewertungsfunktionen Zusammenfassung. Brettspiele: Überblick
Grundlagen der Künstlichen Intelligenz 22. Mai 2015 41. Brettspiele: Einführung und Minimax-Suche Grundlagen der Künstlichen Intelligenz 41. Brettspiele: Einführung und Minimax-Suche Malte Helmert Universität
MehrMikroökonomik B Teil II: Spieltheorie
Mikroökonomik B Teil II: Spieltheorie Dennis L. Gärtner 19. Mai 2011 Motivation Ein Spiel Jeder von Ihnen schreibt eine ganze Zahl zwischen 0 und 100 auf. Ziel ist, 2/3 des Durchschnitts der angegebenen
MehrDynamic Scripting. Knowledge Engineering und Lernen in Spielen. Thomas Kellner
Dynamic Scripting Knowledge Engineering und Lernen in Spielen Thomas Kellner DS: Überblick Einleitung Scripte Adaptive Spiele KI Technische Anforderungen Funktionelle Anforderungen Beschreibung Ziele Illustration
MehrDie Neurobiologischen Bedingungen Menschlichen Handelns. Peter Walla
Die Neurobiologischen Bedingungen Menschlichen Handelns 3 wichtige Sichtweisen der Neurobiologie 1. Das Gehirn produziert kontrolliertes Verhalten (somit auch jegliches Handeln) 2. Verhalten ist gleich
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
MehrKünstliche Intelligenz - Optimierungsprobleme - Suche in Spielbäumen
Künstliche Intelligenz - Optimierungsprobleme - Suche in Spielbäumen Stephan Schwiebert WS 2009/2010 Sprachliche Informationsverarbeitung Institut für Linguistik Universität zu Köln Optimierungsprobleme
MehrBayes-Netze (1) Lehrstuhl für Künstliche Intelligenz Institut für Informatik Friedrich-Alexander-Universität Erlangen-Nürnberg
Bayes-Netze (1) Lehrstuhl für Künstliche Intelligenz Institut für Informatik Friedrich-Alexander-Universität Erlangen-Nürnberg (Lehrstuhl KI) Bayes-Netze (1) 1 / 22 Gliederung 1 Unsicheres Wissen 2 Schließen
MehrKapitel 6: Spiele mit simultanen und sequentiellen Spielzügen. Kapitel 6 1
Kapitel 6: Spiele mit simultanen und sequentiellen Spielzügen Kapitel 6 Übersicht Teil Kapitel 5 Übersicht Teil Übersicht Einleitung Darstellung von simultanen Spielzügen in extensiver Form Normalform
MehrMicrosoft ISA Server 2004
Microsoft ISA Server 2004 Marcel Zehner Leitfaden für Installation, Einrichtung und Wartung ISBN 3-446-40597-6 Leseprobe Weitere Informationen oder Bestellungen unter http://www.hanser.de/3-446-40597-6
MehrGrundlagen der KI. 15. Handeln unter Unsicherheit
Grundlagen der KI 15. Handeln unter Unsicherheit Maximieren des erwarteten Nutzens Michael Beetz 427 Viele Abbildungen sind dem Buch Artificial Intelligence: A Modern Approach entnommen. Viele Folien beruhen
Mehr1. Lernen von Konzepten
1. Lernen von Konzepten Definition des Lernens 1. Lernen von Konzepten Lernziele: Definitionen des maschinellen Lernens kennen, Klassifikationen des maschinellen Lernens kennen, Das Prinzip des induktiven
MehrKapitel 3: Problemformulierungen in der KI. oder das Problem ist die halbe Lösung
Kapitel 3: Problemformulierungen in der KI oder das Problem ist die halbe Lösung Lernziele: eine Struktur für die Definition eines problemlösenden Agenten kennen die wichtige Rolle von Abstraktionen in
Mehr3. Das Reinforcement Lernproblem
3. Das Reinforcement Lernproblem 1. Agierender Agent in der Umgebung 2. Discounted Rewards 3. Markov Eigenschaft des Zustandssignals 4. Markov sche Entscheidung 5. Werte-Funktionen und Bellman sche Optimalität
MehrVerfeinerungen des Bayesianischen Nash Gleichgewichts
Spieltheorie Sommersemester 007 Verfeinerungen des Bayesianischen Nash Gleichgewichts Das Bayesianische Nash Gleichgewicht für Spiele mit unvollständiger Information ist das Analogon zum Nash Gleichgewicht
MehrEinführung in die Methoden der Künstlichen Intelligenz
Einführung in die Methoden der Künstlichen --- Vorlesung vom 19.4.2007 --- Sommersemester 2007 Prof. Dr. Ingo J. Timm, Andreas D. Lattner Professur für Wirtschaftsinformatik und Simulation (IS) 2. Intelligente
MehrReaktive und Hybride Agenten
Reaktive und Hybride Agenten Seminar: Multiagentensysteme SS07 Veranstalter: Prof. Dr. Ipke Wachsmuth Dipl. Inform. Kirsten Bergmann Vortrag von Daniel Nagel und Alexander Wecker 03.05.2007 Mars Vortrag
MehrMulti-Agenten Systeme
Multi-Agenten Systeme Moderner Ansatz zur verteilten künstlichen Intelligenz Peter Brezany Institut für Softwarewissenschaften Universität Wien Allgemeines und Grundbegriffe 2 Page 1 Einführung Intelligente
Mehrbzw. die Entscheidugen anderer Spieler (teilweise) beobachten Erweitert das Analysespektrum erheblich Beschreibung des Spiels (extensive Form)
1 KAP 9. Dynamische Spiele Bisher: alle Spieler ziehen simultan bzw. können Aktionen der Gegenspieler nicht beobachten Nun: Dynamische Spiele Spieler können nacheinander ziehen bzw. die Entscheidugen anderer
MehrEinführung in die Informatik Turing Machines
Einführung in die Informatik Turing Machines Eine abstrakte Maschine zur Präzisierung des Algorithmenbegriffs Wolfram Burgard Cyrill Stachniss 1/14 Motivation und Einleitung Bisher haben wir verschiedene
MehrBisher angenommen: jeder Spieler kennt alle Teile des Spiels. - Diskontfaktor des Verhandlungspartners
1 KAP 15. Spiele unter unvollständiger Information Bisher angenommen: jeder Spieler kennt alle Teile des Spiels seine Gegenspieler, deren Aktionen, deren Nutzen, seinen eigenen Nutzen etc. Oft kennt man
MehrGrundlagen der Objektmodellierung
Grundlagen der Objektmodellierung Daniel Göhring 30.10.2006 Gliederung Grundlagen der Wahrscheinlichkeitsrechnung Begriffe zur Umweltmodellierung Bayesfilter Zusammenfassung Grundlagen der Wahrscheinlichkeitsrechnung
MehrKlassifizierung von Agenten. 10.04.07 Verteilt-kooperative Informationssysteme 1
Klassifizierung von Agenten 10.04.07 Verteilt-kooperative Informationssysteme 1 Klassifizierung von Softwareagenten Schnittstellenagenten Informationsagenten Hybride Agenten Mobile Agenten Kollaborative
MehrDer organisationstheoretische Ansatz der Außenpolitikanalyse
Der organisationstheoretische Ansatz der Außenpolitikanalyse These: Die organisatorische Vermittlung außenpolitischer Entscheidungen ist für die inhaltliche Ausgestaltung der Außenpolitik von Bedeutung
MehrEinführung in die Künstliche Intelligenz
Einführung in die Künstliche Intelligenz Vorlesung WS 2004/05 Joachim Hertzberg, Andreas Nüchter (Übungen) Institut für Informatik Abteilung Wissensbasierte Systeme 1 Web-Seite Organisatorisches http://www.inf.uos.de/hertzberg/lehre/2004_ws/vorlesung_ki-intro/ki_ws04.html
MehrArbeit: Page, Brin, Motwani, Winograd (1998). Ziel: Maß für absolute
3.4 PageRank Arbeit: Page, Brin, Motwani, Winograd (1998). Ziel: Maß für absolute Wichtigkeit von Webseiten; nicht Relevanz bezüglich Benutzeranfrage. Anfrageunabhängiges Ranking. Ausgangspunkt: Eingangsgrad.
MehrInhaltsverzeichnis. 1 Einleitung 1 Struktur und Einsatz von Optimierungsmethoden 2 Einsatz der Optimierung in der Steuerungs- und Regelungstechnik 6
1 Einleitung 1 Struktur und Einsatz von Optimierungsmethoden 2 Einsatz der Optimierung in der Steuerungs- und Regelungstechnik 6 Teil I Statische Optimierung 2 Allgemeine Problemstellung der statischen
MehrSpieltheorie mit. sozialwissenschaftlichen Anwendungen
.. Friedel Bolle, Claudia Vogel Spieltheorie mit sozialwissenschaftlichen Anwendungen SS Inhalt. Einleitung. Sequentielle Spiele Terminologie Spielbäume Lösen von Sequentiellen Spielen .. Motivation: Warum
MehrStatische Spiele mit unvollständiger Information: Bayesianische-Spiele
Statische Spiele mit unvollständiger Information: Bayesianische-Spiele In einigen Situationen verfügen Spieler (nur) über unvollständige Information. Möglicherweise kennen sie die relevanten Charakteristika
MehrEinfacher Problemlösungsagent. Übersicht. Begriffsdefinitionen für Einfach-Probleme
Übersicht I Künstliche Intelligenz II Problemlösen 3. Problemlösen durch Suche 4. Informierte Suchmethoden 5. Constraint-Probleme 6. Spiele III Wissen und Schlußfolgern IV Logisch Handeln V Unsicheres
MehrGeldpolitische Institutionen Teil 2. Steffen Ahrens Fakultät VII Geldtheorie- und Geldpolitik WS2013/2014
Geldpolitische Institutionen Teil 2 Steffen Ahrens Fakultät VII Geldtheorie- und Geldpolitik WS2013/2014 Gliederung: Teil 1: 1. Regelgebundene Geldpolitik Teil 2: 2. Delegation der Geldpolitik 3. Geldpolitik
MehrInstitut für Telematik Universität Karlsruhe S. Abeck. cooperation & management
Lehr- und Lernsysteme Einführung Computer als Lernmedium Träger des Lerninhalts Übernimmt Lehrfunktionen Präsentation von Informationen Motivation Steuerung der Aktivität Erfolgskontrolle Rückmeldung Computer
MehrDie hier angegebenen Seitenzahlen stimmen nicht mit denen im Buch überein. Vorwort... 1
Die hier angegebenen Seitenzahlen stimmen nicht mit denen im Buch überein Vorwort... 1 Teil I: Woraus besteht das Geist-Materie-Problem? 1. Einleitung... 10 2. Erkenntnistheoretische Voraussetzungen zur
MehrEinführung in die Wahrscheinlichkeitsrechnung
Marco Cattaneo Institut für Statistik Ludwig-Maximilians-Universität München Sommersemester 2011 1. Wahrscheinlichkeitsrechnung 2. Diskrete Zufallsvariable 3. Stetige Zufallsvariable 4. Grenzwertsätze
MehrSpieltheorie Vortrag im Rahmen eines Treffens der Grazer Pro Scientia Geförderten
Spieltheorie Vortrag im Rahmen eines Treffens der Grazer Pro Scientia Geförderten Sofie Waltl Graz, 9. April 2014 1 Was ist Spieltheorie? Die Spieltheorie analysiert strategische Entscheidungssituationen,
MehrSPRACH-TANDEM. Workshop zum Sprachenlernen in gesteuerten Sprachbegegnungen Renate Freudenberg-Findeisen Universität Trier
SPRACH-TANDEM Workshop zum Sprachenlernen in gesteuerten Sprachbegegnungen Renate Freudenberg-Findeisen Universität Trier Spracherwerb: Lernen oder Erwerben? LERNEN Prozess der Aneignung, der durch Unterricht
MehrWomit beschäftigt sich die Künstliche Intelligenz? Einführung in die Methoden der Künstlichen Intelligenz. Einführung. Roboter und weitere Begriffe
Womit beschäftigt sich die Künstliche Intelligenz? Einführung in die Methoden der Künstlichen Intelligenz Einführung Dr. David Sabel WS 2012/13 Ziel der Künstlichen Intelligenz: Herstellung eines intelligenten
MehrMeilenstein 3 - Abschlusspräsentation
WPF Künstliche Intelligenz logische Agenten & Roboter Fachhochschule Köln Campus GM Meilenstein 3 - Abschlusspräsentation Gruppe Blau - Straub, Wilzopolski, Kaymak 1 Agenda 1. Agent Aktuatoren Sensoren
MehrVorlesung 1: Einleitung
Vorlesung 1: Einleitung Georg Nöldeke Wirtschaftswissenschaftliche Fakultät, Universität Basel Entscheidung VL 1, FS 12 Einleitung 1/17 1.1 Motivation In der Vorlesung Intermediate Microecoomics haben
MehrInteraktionsdiagramme in UML
Interaktionsdiagramme in UML Interaktionsdiagramm ist ein Oberbegriff für eine Reihe von Diagrammen, die das Verhalten eines objektorientierten Systems durch Objektinteraktionen beschreiben Ein Sequenzdiagramm
MehrShopBot, ein Software-Agent für das Internet
Software-Agenten p.1/20 ShopBot, ein Software-Agent für das Internet Eine Einführung in (Software-)Agenten Madeleine Theile Software-Agenten p.2/20 Aufbau des Vortrags grundlegende Theorie Definition Autonomy,
Mehr10. Vorlesung. 12. Dezember 2006 Guido Schäfer
LETZTE ÄNDERUNG: 5. JANUAR 2007 Vorlesung: Einführung in die Spieltheorie WS 2006/2007 10. Vorlesung 12. Dezember 2006 Guido Schäfer 3 Spiele in extensiver Form Bisher haben wir uns ausschliesslich mit
Mehr(a) Wie unterscheiden sich synchrone und asynchrone Unterbrechungen? (b) In welchen drei Schritten wird auf Unterbrechungen reagiert?
SoSe 2014 Konzepte und Methoden der Systemsoftware Universität Paderborn Fachgebiet Rechnernetze Präsenzübung 2 2014-04-28 bis 2014-05-02 Aufgabe 1: Unterbrechungen (a) Wie unterscheiden sich synchrone
MehrAuswahl von Schätzfunktionen
Auswahl von Schätzfunktionen Worum geht es in diesem Modul? Überblick zur Punktschätzung Vorüberlegung zur Effizienz Vergleich unserer Schätzer für My unter Normalverteilung Relative Effizienz Einführung
MehrEinsatz von Reinforcement Learning in der Modellfahrzeugnavigation
Einsatz von Reinforcement Learning in der Modellfahrzeugnavigation von Manuel Trittel Informatik HAW Hamburg Vortrag im Rahmen der Veranstaltung AW1 im Masterstudiengang, 02.12.2008 der Anwendung Themeneinordnung
MehrLeseprobe. Investition und Finanzierung
Investition und Finanzierung Kapitel 2 - Investitionsrechnung 2.1 Methoden der Investitionsrechnung 2.2 Statische Investitionsrechnung - Kosten- und Gewinnvergleichsverfahren 2.2.1 Kostenvergleichsverfahren
MehrGraduiertenseminar Spieltheorie
Syddansk Universitet 6. 8. Mai 2009 Informationen 1 Einführung, Motivation Koordinaten Phone: +45 6550 2152 E-mail: psu@sam.sdu.dk URL: http://www.sam.sdu.dk/staff/psu Auf meiner Homepage unter dem Link
MehrWSUS auf Windows Server 2012 installieren
HowTo > WSUS auf Windows Server 2012 installieren WSUS auf Windows Server 2012 installieren Wie schon beim Windows Server 2008R2 fügt man beim Windows Server 2012 über den Servermanager Rollen und Features
MehrLernende Suchmaschinen
Lernende Suchmaschinen Qingchui Zhu PG 520 - Intelligence Service (WiSe 07 / SoSe 08) Verzeichnis 1 Einleitung Problemstellung und Zielsetzung 2 Was ist eine lernende Suchmaschine? Begriffsdefinition 3
Mehrwie in statischen Bayesianischen Spielen... doch dann ziehen die Spieler sequentiell
KAP 18. Dynamische Spiele unter unvollständiger Information Betrachten nun folgende Situation: wie in statischen Bayesianischen Spielen...... wählt zunächst Natur die Typen der Spieler doch dann ziehen
MehrKI im Weltall: Der Remote Agent
KI im Weltall: Der Remote Agent Proseminar Künstliche Intelligenz Ulrich Tschaffon Universität Ulm Einleitung A Einleitung Remote Agent Intelligentes Steuerungsprogramm eines Raumgefährtes Wozu braucht
MehrEinführung in die Methoden der Künstlichen Intelligenz
Einführung in die Methoden der Künstlichen Intelligenz --- Vorlesung vom 17.4.2007 --- Sommersemester 2007 Prof. Dr. Ingo J. Timm, Andreas D. Lattner Professur für Wirtschaftsinformatik und Simulation
MehrGrundzüge der Spieltheorie
Grundzüge der Spieltheorie Prof. Dr. Stefan Winter Ruhr-Universität Bochum Begleitmaterialien zur Vorlesung sind abrufbar unter: http://www.rub.de/spieltheorie 1 Die folgende Vorlesungsaufzeichnung und
MehrWiderspiegelung der Natur in der künstlichen Intelligenz
Hochschule für Technik und Wirtschaft Berlin Gesellschaftliche Aspekte der Informatik Widerspiegelung der Natur in der künstlichen Intelligenz Autoren: Felix Hahmann Tobias Köpp Dawid Lokiec Sven Petsche
MehrClassroom Management. Prof. Dr. Gisela Steins Bildungswissenschaften im Master of Education Allgemeine Psychologie und Sozialpsychologie.
Classroom Management Prof. Dr. Gisela Steins Bildungswissenschaften im Master of Education Allgemeine Psychologie und Sozialpsychologie Ѱ CM BiWi 1 Überblick I. Einführung II. III. IV. Im Klassenzimmer
MehrT:\Dokumentationen\Asseco_BERIT\Schulung\BERIT_LIDS7_Basiskurs\Impo rt_export\beritde_lt_do_20120918_lids7.basisschulung_import_export.
LIDS 7 Import/Export Mannheim, 11.02.2013 Autor: Anschrift: Version: Status: Modifiziert von: Ablage: Christine Sickenberger - Asseco BERIT GmbH Asseco BERIT GmbH Mundenheimer Straße 55 68219 Mannheim
MehrGute Standortbedingungen in Deutschland
Informationen aus dem Institut der deutschen Wirtschaft Köln M+E-Strukturbericht 06.03.2017 Lesezeit 4 Min Gute Standortbedingungen in Deutschland Langfristig hängt der wirtschaftliche Erfolg eines Landes
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
MehrAnalyse und Entwurf objektorientierter Systeme
objektorientierter Systeme Fachbereich der FHW Berlin Teil 2 Anforderungsmodellierung: Pflichtenheft und Geschäftsprozesse Modul WI111: Objektorientierte Programmierung Fachrichtung Wirtschaftsinformatik
Mehr... sondern auch von den Entscheidungen anderer Akteure
1 Was ist Spieltheorie? Spieltheorie untersucht Situationen, in denen ökonomische Akteure miteinander interagieren Das bedeutet: Die Konsequenzen einer Entscheidung für mich hängen nicht nur von meiner
Mehr(a)... ein Spieler eine Entscheidung treffen muss... (b)... der andere Spieler (Experte) über private...
1 KAP 19. Expertenberatung Wir betrachten eine Modell, in dem... (a)... ein Spieler eine Entscheidung treffen muss... (b)... der andere Spieler (Experte) über private...... entscheidungsrelevante Information
MehrÜbersicht. Künstliche Intelligenz: 21. Verstärkungslernen Frank Puppe 1
Übersicht I Künstliche Intelligenz II Problemlösen III Wissen und Schlussfolgern IV Logisch Handeln V Unsicheres Wissen und Schließen VI Lernen 18. Lernen aus Beobachtungen 19. Wissen beim Lernen 20. Statistische
MehrKombinatorische Spiele mit Zufallselementen
Kombinatorische Spiele mit Zufallselementen Die Realität ist nicht so streng determiniert wie rein kombinatorische Spiele. In vielen Situationen spielt der Zufall (Risko) eine nicht zu vernachlässigende
MehrDer Rechner. Grundbegriffe. Aufbau. Funktionsweise. Betriebssystem. Kategorisierung. PC-Komponenten. Prof. Dr. Aris Christidis
Der Rechner Grundbegriffe Aufbau Funktionsweise Betriebssystem Kategorisierung PC-Komponenten Auf der Grundlage eines Programms kann ein Computer Daten mit seiner Umgebung austauschen, mathematische und
MehrCheckliste: Konfiguration eines Datenraums nach einem Upgrade von Brainloop Secure Dataroom von Version 8.10 auf 8.20
Checkliste: Konfiguration eines Datenraums nach einem Upgrade von Brainloop Secure Dataroom von Version 8.10 auf 8.20 Diese Checkliste hilft Ihnen bei der Überprüfung Ihrer individuellen Datenraum-Konfiguration
MehrLösungsvorschlag Serie 2 Rekursion
(/) Lösungsvorschlag Serie Rekursion. Algorithmen-Paradigmen Es gibt verschiedene Algorithmen-Paradigmen, also grundsätzliche Arten, wie man einen Algorithmus formulieren kann. Im funktionalen Paradigma
MehrGrundlagen der Künstlichen Intelligenz
Grundlagen der Künstlichen Intelligenz 6. Klassische Suche: Datenstrukturen für Suchalgorithmen Malte Helmert Universität Basel 7. März 2014 Klassische Suche: Überblick Kapitelüberblick klassische Suche:
MehrÜbungen Softwaretechnik I
Universität Stuttgart Institut für Automatisierungstechnik und Softwaresysteme Prof. Dr.-Ing. M. Weyrich Übungen Softwaretechnik I Übung 5: Objektorientierte Analyse Einführung Objektorientierung in der
MehrZusammenfassung Agent-Oriented Software Engineering for Internet Applications
Zusammenfassung Agent-Oriented Software Engineering for Internet Applications Tim Conrad Zum Seminar Intelligente Internet Agenten (Prof. Dr. Robert Tolksdorf) Im WS2002/03 an der FU Berlin Abstract GAIA
MehrKindliches Lernen beobachten und verstehen
Fachhochschule Düsseldorf Lernprozesse von Kindern im Kita-Alltag unterstützen Robert Bosch Stiftung Profis in Kitas II Dr. Antje Steudel Kindliches Lernen beobachten und verstehen Besprechen sie bitte
Mehr2. Erläutern Sie, wie sich ein Agent von einem typischen Transformationsprogramm unterscheidet.
1 Rationale Agenten 1. Was ist ein Agent? Beispiele? 2. Erläutern Sie, wie sich ein Agent von einem typischen Transformationsprogramm unterscheidet. 3. Zeichnen Sie ein Blockdiagramm, das die Interaktion
MehrMaschinen, Maschinensysteme, Technik und Sprache
Maschinen, Maschinensysteme, Technik und Sprache Input für die Diskussion im Seminar Wissen 10.12.2013 Prof. Dr. Hans-Gert Gräbe http://bis.informatik.uni-leipzig.de/hansgertgraebe Aufriss der Diskussion
MehrModellierung von Non Player Chareacters
Modellierung von Non Player Chareacters Konzeption Künstlicher Charaktere Games Summer Camp 2006 Cindy Löther Inhalt 1 Einleitung 2 Definitionen 3 Non Player Characters (NPC) 4 Modellierung von NPCs 5
MehrKAP 1. Normalform Definition Ein Spiel G in Normalform (auch: Strategieform) besteht aus den folgenden 3 Elementen:
1 KAP 1. Normalform Definition Ein Spiel G in Normalform (auch: Strategieform) besteht aus den folgenden 3 Elementen: 1. Einer Menge von Spielern i I = {1,..., i,...n} 2. Einem Strategienraum S i für jeden
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/
MehrEinführung in die VWL
Einführung in die VWL Lehrstuhlseminar 14.04.04 Patrick Keil, 14.04.2004 1 2 Agenda 1. Mikro- vs. Makroökonomik 2. Makro: von Ricardo zur Greencard 3. Mikro: Grundlagen 4. Mikro: Vertragstheorie 1. Mikro-
MehrMatthias Schubert. Datenbanken. Theorie, Entwurf und Programmierung relationaler Datenbanken. 2., überarbeitete Auflage. Teubner
Matthias Schubert Datenbanken Theorie, Entwurf und Programmierung relationaler Datenbanken 2., überarbeitete Auflage m Teubner Inhalt Wichtiger Hinweis 12 Vorwort 13 Wer sollte dieses Buch lesen? 13 Noch
MehrAgentenbasierte Systeme in der Automatisierung
Hauptseminar Informatik» Angewandte Informatik» Technische Informationssysteme Agentenbasierte Systeme in der Automatisierung Dresden, 25. Januar 2006 Gliederung 2. Energietransportmanagement 3. Fazit
MehrModellbasierte Diagnosesysteme
Modellbasierte Diagnosesysteme Diagnose: Identifikation eines vorliegenden Fehlers (Krankheit) auf der Basis von Beobachtungen (Symptomen) und Hintergrundwissen über das System 2 Arten von Diagnosesystemen:
Mehr