Konstruktion von Common Sense-Ontologien durch Analyse natürlicher Sprache
|
|
- Martina Hochberg
- vor 6 Jahren
- Abrufe
Transkript
1 Konstruktion von Common Sense-Ontologien durch Analyse natürlicher Sprache Bachelor of Science Abschlussarbeit Ruth Janning FernUniversität in Hagen Fakultät für Mathematik und Informatik, Lehrgebiet Wissensbasierte Systeme Betreuung/Prüfung: Prof. Dr. C. Beierle, Dr. B. Messing 16. Februar /20
2 Inhalt 1 Einleitung 2 Ontologien und Common Sense-Ontologien 3 Konstruktion von Common Sense-Ontologien nach Saba 4 Implementierung der Ontologie-Generierung 5 Natürlichsprachliche Phänomene 6 Abschließende Bemerkungen 2 /20
3 Ein Verfahren zur Konstruktion von CS-Ontologien Repräsentation des Hintergrundwissens für KI-Anwendungen: Ontologien Repräsentation von Alltagswissen: Common Sense-Ontologien Bekannte Ansätze meist mit großer Fleißarbeit verbunden. Saba: Verfahren, mit dem die Struktur von Alltagswissen nicht neu entwickelt, sondern lediglich aufgedeckt werden muss. 3 /20
4 Ontologien Begriff stammt ursprünglich aus der Philosophie. In der Informatik: Übertragung in die Welt der Maschinen und Softwaresysteme. Repräsentation der Begriffe und Zusammenhänge, die einem bestimmten Wissensbereich zugrunde liegen. Relevantes Wissen strukturieren formal repräsentieren intelligenten Systemen als Hintergrundwissen zur Verfügung stellen 4 /20
5 Common Sense-Ontologien... beziehen sich nicht nur auf einen bestimmten Wissensbereich.... repräsentieren ein allgemeines Weltbild. Repräsentation des Allgemeinwissens 5 /20
6 Sprache und Wissen Understanding as Reasoning-Paradigma: Das Verstehen natürlicher Sprache ist zum größten Teil ein Common Sense Reasoning-Prozess auf einem pragmatischen Niveau. Beispiel: Die genervte Mutter gab ihrer Tocher eine Ohrfeige. Sie (a) weinte. (b) entschuldigte sich. 6 /20
7 Sprache und Wissen Für das Verstehen von Sprache nach Saba notwendig: Gebrauch einer typbasierten ontologischen Struktur, die unser allgemeines Weltbild und die Art, wie wir darüber sprechen, widerspiegelt. Annahme 1: Die Struktur von Alltagswissen muss gefunden und nicht neu erfunden werden. Annahme 2: Die natürliche Sprache sollte als Leitfaden benutzt werden, um diese Struktur aufzudecken. 7 /20
8 Logik als Sprache Logik als Sprache Logik als Kalkül Typtheorie Mengentheorie Zugehörigkeit zu Konzepten Mengenzugehörigkeit gegebener Inhalt: ontologische Struktur kein vorgegebener Inhalt 8 /20
9 Ontologie-Generierung Die Basisstrategie beruht auf Freges Kompositionalitätsprinzip. Prädikat App(p,c) p: Eigenschaft c: Konzept wahr, wenn es Sinn macht, von der Eigenschaft p von c zu sprechen 9 /20
10 Ontologie-Generierung 1 Gegeben: Menge von Konzepten C = {c 1,..., c m }, Menge von Aktionen (Eigenschaften) P = {p 1,..., p m }. 2 Gegeben: Prädikat App(p, c), c C und p P, wahr, wenn die Aktion (Eigenschaft) p auf Objekte vom Typ c sinnvoll anwendbar ist. 3 Für jede Aktion (Eigenschaft) p P wird eine Menge C p = {c App(p, c)} generiert, die alle Konzepte c enthält, für die App(p, c) wahr ist. 4 Die gesuchte Hierarchie wird durch Analyse der Teilmengen-Beziehungen zwischen den generierten Mengen entwickelt. 10 /20
11 Ontologie-Generierung Schritt 2:... kann durch eine Tabelle visualisiert werden. Schritt 3: Die Mengen C p können durch Auslesen der zu p gehörenden Spalte gewonnen werden. Schritt 4:... kann durch einen Algorithmus realisiert werden, der zu einem Knoten die Größte seiner Teilmengen sucht und diese als linken Sohn einfügt. Der rechte Sohnknoten ist die Komplementärmenge. 11 /20
12 Ontologie-Generierung Beispiel: C = { Buch, Frau, Hund, Mann, Maschine, Vogel } P = { beinhalten, bellen, defekt, fliegen, fressen, frieren, gebären, groß, lesen } beinhalten bellen defekt fliegen fressen frieren gebären groß lesen Buch Frau Hund Mann Maschine Vogel /20
13 Ontologie-Generierung C beinhalten = { Buch, Maschine } C bellen = { Hund } C defekt = { Maschine } C fliegen = { Vogel } C fressen = { Hund, Vogel } C frieren = { Frau, Hund, Mann, Vogel } C gebären = { Frau } C groß = { Buch, Frau, Hund, Mann, Maschine, Vogel } C lesen = { Frau, Mann } 13 /20
14 { Buch, Frau, Hund, Mann, Maschine, Vogel } + frieren - - beinhalten + { Frau, Hund, Mann, Vogel } { Buch, Maschine } + fressen - - lesen + { Hund, Vogel } { Frau, Mann } + defekt - { Maschine }... + bellen - + gebären - - fliegen + { Hund } { Vogel } { Frau } /20
15 Ziele Angestrebtes Ziel der Untersuchungen von Saba: Vision: Systematische Aufdeckung einer typbasierten Ontologie des Alltagswissens. Anschließende Formulierung einer zugehörigen Konzept-Algebra. Eine Logik, die Inhalt besitzt, und zwar ontologischen Inhalt. 15 /20
16 Implementierung der Ontologie-Generierung Weiterer Schritt bei der Untersuchung der Konstruktion von Common Sense-Ontologien auf die vorgestellte Art und Weise: Automatisierung des Verfahrens zur Ontologie-Generierung 16 /20
17 17 /20
18 Natürlichsprachliche Phänomene [ Alex setzte sich auf eine Bank. ] = ( 1 j :: Mensch)( x)(bank(x :: {Bank (Möbelstück),Institution}) setzte sich auf (j :: tierischeslebewesen, x :: physischesobjekt)) = ( 1 j :: Mensch)( x :: Bank (Möbelstück) ) (Bank(x) setzte sich auf (j,x)) = ( 1 j :: Mensch)( x :: Bank (Möbelstück) )(setzte sich auf (j,x)) 18 /20
19 Abschließende Bemerkungen Vorgestellt: Verfahren für die Konstruktion von Common Sense-Ontologien nach einem Artikel von Walid S. Saba. Annahme: Die Untersuchung des Gebrauchs natürlicher Sprache kann den Klassifikations-Prozess leiten. Grundidee: Basiert auf Frege s Kompositionalitätsprinzip. 19 /20
20 Vielen Dank für Ihre Aufmerksamkeit! 20 /20
Commonsense Reasoning: Sprache, Logik und Ontologien
Commonsense Reasoning: Sprache, Logik und Ontologien Ruth Janning 05. Juli 2008 1 / 28 Inhalt 1 Einleitung Vorbereitende Begriffsbildung: Ontologien in der KI Logik als Sprache vs. Logik als Kalkül 2 Sprache
MehrMotivation und Geschichte. Geschichte der Logik Logik und Informatik
Motivation und Geschichte Geschichte der Logik Logik und Informatik Logik für Informatiker, M. Lange, IFI/LMU: Motivation und Geschichte Geschichte der Logik 12 Aufgaben der Logik Logik (aus Griechischem)
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
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,
MehrGraphentheorie. Kürzeste Wege. Kürzeste Wege. Kürzeste Wege. Rainer Schrader. 25. Oktober 2007
Graphentheorie Rainer Schrader Zentrum für Angewandte Informatik Köln 25. Oktober 2007 1 / 20 2 / 20 Wir werden Optimierungsprobleme vom folgenden Typ betrachten: gegeben eine Menge X und eine Funktion
MehrDiskrete Strukturen. Chair for Foundations of Software Reliability and Theoretical Computer Science Technische Universität München
Diskrete Strukturen c Javier Esparza und Michael Luttenberger Chair for Foundations of Software Reliability and Theoretical Computer Science Technische Universität München Montag 16 Oktober, 2017 p.2 Was
MehrDas Studium im Fach Informatik
[Projekttage Studien- und Berufsorientierung der Jgst. 12] Fachbereich Informatik Fakultät für Mathematik und Informatik FernUniversität Hagen 17. Februar 2009 Was Informatik nicht ist Was ist Informatik?
MehrNummer: Titel: Jahr: Aufnahme-Technik: Print-Technik: Präsentation: Größe: Auflage: Signatur: Provenience: Montage 1.2008
Montagen Montage 1. Montage 2. Montage 3. Montage 4. Montage 5. Montage 6. 120x120 cm 5+2AP+2PP, andere je 5 Montage 7. j 120x120 cm 5+2AP+2PP, andere je 5 Montage 8. Montage 9. j 120x120 cm 5+2AP+2PP,
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
MehrOliver Gableske 05. Oktober Institut für Theoretische Informatik
Oliver Gableske 05. Oktober 2015 Institut für Theoretische Informatik Page 2 Institut für Theoretische Informatik Oliver Gableske 05. Oktober 2015 Die Chefs (I) Prof. Dr. Uwe Schöning (Institutsdirektor)
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
MehrDWH Automatisierung mit Data Vault 2.0
DWH Automatisierung mit Data Vault 2.0 Andre Dörr Trevisto AG Nürnberg Schlüsselworte Architektur, DWH, Data Vault Einleitung Wenn man die Entwicklung von ETL / ELT Prozessen für eine klassische DWH Architektur
MehrOntologiesprachen. 1.Was ist eine Ontologie 2.Aufbau einer Ontologie 3.RDF 4.RDFSchema 5.DAML+OIL / OWL 6.Frame-Logic
Ontologiesprachen 1.Was ist eine Ontologie 2.Aufbau einer Ontologie 3.RDF 4.RDFSchema 5.DAML+OIL / OWL 6.Frame-Logic 1.Was ist eine Ontologie Der Begriff leitet sich vom griechischen onta (das Seiende)
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
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
MehrComputerlinguistische Grundlagen. Jürgen Hermes Wintersemester 17/18 Sprachliche Informationsverarbeitung Institut für Linguistik Universität zu Köln
Computerlinguistische Grundlagen Jürgen Hermes Wintersemester 17/18 Sprachliche Informationsverarbeitung Institut für Linguistik Universität zu Köln Was ist Computerlinguistik? Definition Anwendungen Fragestellung
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
MehrEinführung (1/3) Vorlesungen zur Komplexitätstheorie: Reduktion und Vollständigkeit (1) Vorlesungen zur Komplexitätstheorie.
Einführung (1/3) 3 Wir verfolgen nun das Ziel, Komplexitätsklassen mit Hilfe von charakteristischen Problemen zu beschreiben und zu strukturieren Vorlesungen zur Komplexitätstheorie: Reduktion und Vollständigkeit
Mehr5. Clusteranalyse. Lernziele: Grundlegende Algorithmen der Clusteranalyse kennen, ihre Eigenschaften
5. Clusteranalyse Lernziele: Grundlegende Algorithmen der Clusteranalyse kennen, ihre Eigenschaften benennen und anwenden können, einen Test auf das Vorhandensein einer Clusterstruktur kennen, verschiedene
Mehr5. Clusteranalyse Vorbemerkungen. 5. Clusteranalyse. Grundlegende Algorithmen der Clusteranalyse kennen, ihre Eigenschaften
5. Clusteranalyse Vorbemerkungen 5. Clusteranalyse Lernziele: Grundlegende Algorithmen der Clusteranalyse kennen, ihre Eigenschaften benennen und anwenden können, einen Test auf das Vorhandensein einer
MehrZusammenfassung. Definition. 1 (x i ) 1 i n Sequenz von Registern x i, die natürliche Zahlen beinhalten. 2 P ein Programm. Befehle: 1 x i := x i + 1
Zusammenfassung Zusammenfassung der letzten LVA Einführung in die Theoretische Informatik Christina Kohl Alexander Maringele Georg Moser Michael Schaper Manuel Schneckenreither Eine Registermaschine (RM)
MehrMengenlehre. ALGEBRA Kapitel 1 MNProfil - Mittelstufe KZN. Ronald Balestra CH Zürich Name: Vorname:
Mengenlehre ALGEBRA Kapitel 1 MNProfil - Mittelstufe KZN Ronald Balestra CH - 8046 Zürich www.ronaldbalestra.ch Name: Vorname: 21. August 2016 Inhaltsverzeichnis 1 Mengenlehre 1 1.1 Die Menge im mathematischen
MehrPolicy Learning Teil 2. von Susanne Schilling
Policy Teil 2 von Susanne Schilling Ziele des Ansatzes, den ich vorstellen möchte (von Huang, Selman und Kautz): domänenunabhängige Planung Lernen von allgemeinen Regeln zur Suche im Zustandsraum Regeln
MehrDiskrete Strukturen Kapitel 2: Grundlagen (Mengen)
WS 2016/17 Diskrete Strukturen Kapitel 2: Grundlagen (Mengen) Hans-Joachim Bungartz Lehrstuhl für wissenschaftliches Rechnen Fakultät für Informatik Technische Universität München http://www5.in.tum.de/wiki/index.php/diskrete_strukturen_-_winter_16
MehrMultiparadigmen- Programmiersprachen
Multiparadigmen- Programmiersprachen Martin Grabmüller magr@cs.tu-berlin.de Fachgebiet Übersetzerbau und Programmiersprachen Fakultät IV Elektrotechnik und Informatik Technische Universität Berlin Multiparadigmen-Programmiersprachen
MehrDer normativ ontologische Wissenschaftsansatz und seinen Grundlagen
Politik Ulrike-Anna Kindler Der normativ ontologische Wissenschaftsansatz und seinen Grundlagen Studienarbeit Hausarbeit im Hauptfach Sozialwissenschaften zur Erlangung eines Leistungsnachweises im Grundstudium
MehrMengenlehre - KurzVersion
Mengenlehre - KurzVersion 1. Kapitel aus meinem ALGEBRA - Lehrgang Sprachprofil / WRProfil - Mittelstufe KSOe Ronald Balestra CH - 8046 Zürich www.ronaldbalestra.ch Name: Vorname: 18. August 2014 Inhaltsverzeichnis
Mehr1. Der Begriff Informatik 2. Syntax und Semantik von Programmiersprachen - 1 -
1. Der Begriff Informatik 2. Syntax und Semantik von Programmiersprachen I.2. I.2. Grundlagen von von Programmiersprachen. - 1 - 1. Der Begriff Informatik "Informatik" = Kunstwort aus Information und Mathematik
Mehr1. Der Begriff Informatik 2. Syntax und Semantik von Programmiersprachen - 1 -
1. Der Begriff Informatik 2. Syntax und Semantik von Programmiersprachen I.2. I.2. Grundlagen von von Programmiersprachen. - 1 - 1. Der Begriff Informatik "Informatik" = Kunstwort aus Information und Mathematik
MehrKapitel 7: Flüsse in Netzwerken und Anwendungen Gliederung der Vorlesung
Gliederung der Vorlesung 1. Grundbegriffe. Elementare Graphalgorithmen und Anwendungen 3. Kürzeste Wege 4. Minimale spannende Bäume 5. Färbungen und Cliquen 6. Traveling Salesman Problem 7. Flüsse in Netzwerken
Mehrzu überprüfen und zu präzisieren. Dabei stehen folgende Fragestellungen im Vordergrund:
1. Einleitung Die Beschreibung und kritische Beurteilung von Alltagsargumentation wird durch das Wissen um häufig gebrauchte Denk- und Schlussmuster in einer Gesellschaft erleichtert. Abseits formal gültiger
MehrKlassische Logik ist monoton: mehr Prämissen haben nie weniger Folgerungen Sei Th(T) = {p T = p}
Nichtmonotones Schließen: Motivation 1. Beschreibung typischer Zusammenhänge Klassische Logik ist monoton: mehr Prämissen haben nie weniger Folgerungen Sei Th(T) = {p T = p} T 1 T 2 impliziert Th(T 1 )
MehrGrundlagen der Mathematik
Universität Hamburg Winter 2016/17 Fachbereich Mathematik Janko Latschev Grundlagen der Mathematik Lösungsskizzen 2 Präsenzaufgaben (P2) Wir betrachten drei Teilmengen der natürlichen Zahlen: - A = {n
Mehr4. Lernen von Entscheidungsbäumen
4. Lernen von Entscheidungsbäumen Entscheidungsbäume 4. Lernen von Entscheidungsbäumen Gegeben sei eine Menge von Objekten, die durch Attribut/Wert- Paare beschrieben sind. Jedes Objekt kann einer Klasse
MehrKurze Geschichte der linearen Algebra
Kurze Geschichte der linearen Algebra Dipl.-Inform. Wolfgang Globke Institut für Algebra und Geometrie Arbeitsgruppe Differentialgeometrie Universität Karlsruhe 1 / 20 Entwicklung Die Historische Entwicklung
MehrKapitel 7: Flüsse in Netzwerken und Anwendungen Gliederung der Vorlesung
Gliederung der Vorlesung. Grundbegriffe. Elementare Graphalgorithmen und Anwendungen 3. Kürzeste Wege 4. Minimale spannende Bäume 5. Färbungen und Cliquen 6. Traveling Salesman Problem 7. Flüsse in Netzwerken
MehrComputergestützte Modellierung und Verifikation
Computergestützte Modellierung und Verifikation Vorlesung mit Übungen SS 2007 Prof. F. von Henke mit Dr. H. Pfeifer Inst. für Künstliche Intelligenz Organisatorisches Vorlesung: Mi 14 16 Raum 3211 Do 14
MehrJ ürgen DümontI. in der Mathematik. Eine systematische Untersu~hung zur ontologisch-t kategorialen Problematik mathematischer EntitätenII UTZ
ti t J ürgen DümontI Formal-ontologische in der Mathematik Kategorien! Eine systematische Untersu~hung zur ontologisch-t kategorialen Problematik mathematischer EntitätenII I ț! UTZ Herbert U tz Verlag'
MehrDie Anfänge der Logik
Die Anfänge der Logik Die Entwicklung des logischen Denkens vor Aristoteles Holger Arnold Universität Potsdam, Institut für Informatik arnold@cs.uni-potsdam.de Grundfragen Was ist Logik? Logik untersucht
MehrKapitel 7: Flüsse in Netzwerken und Anwendungen Gliederung der Vorlesung
Gliederung der Vorlesung. Fallstudie Bipartite Graphen. Grundbegriffe 3. Elementare Graphalgorithmen und Anwendungen 4. Minimal spannende Bäume 5. Kürzeste Pfade 6. Traveling Salesman Problem 7. Flüsse
MehrNeuronalen Netzen. Jens Lehmann. 1. März Institut für Künstliche Intelligenz Fakultät Informatik Technische Universität Dresden
Institut für Künstliche Intelligenz Fakultät Informatik Technische Universität Dresden 1. März 2005 Neurosymbolische Integration versucht künstliche neuronale Netze und Logikprogrammierung zu vereinen
Mehr{0,1} rekursive Aufteilung des Datenraums in die Quadranten NW, NE, SW und SE feste Auflösung des Datenraums in 2 p 2 p Gitterzellen
4.4 MX-Quadtrees (I) MatriX Quadtree Verwaltung 2-dimensionaler Punkte Punkte als 1-Elemente in einer quadratischen Matrix mit Wertebereich {0,1} rekursive Aufteilung des Datenraums in die Quadranten NW,
MehrNatürliche Sprachen sind durch Ambiguitäten und Vagheiten beim Ausdruck von Denkinhalten charakterisiert.
1 Einführung 1.1 Logik und Linguistik Natürliche Sprachen sind durch Ambiguitäten und Vagheiten beim Ausdruck von Denkinhalten charakterisiert. In der mathematischen, formalen Logik werden formale Sprachen,
MehrLinguistische Informatik
Linguistische Informatik Gerhard Heyer Universität Leipzig heyer@informatik.uni-leipzig.de Institut für Informatik Allgemeines Schema Definition: Darstellung von Bedeutung durch eine Bedeutungs- Repräsentationssprache
MehrDGm 04 Semantik Universität Athen, SoSe 2010
DGm 04 Semantik Universität Athen, SoSe 2010 Winfried Lechner wlechner@gs.uoa.gr Handout #1 WAS IST SEMANTIK? 1. BEDEUTUNG Die natürlichsprachliche Semantik untersucht A. die Bedeutung von sprachlichen
MehrTechnische Universität München
Technische Universität München Fakultät für Informatik Lehrstuhl III: Datenbanksysteme Research Group Prof. Grust Proseminar: Selected Fun Problems of the ACM Programming Contest Wintersemester 2006/2007
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
Mehr15. Algorithmus der Woche Das Rucksackproblem Die Qual der Wahl bei zu vielen Möglichkeiten
15. Algorithmus der Woche Das Rucksackproblem Die Qual der Wahl bei zu vielen Möglichkeiten Autoren Rene Beier, MPI Saarbrücken Berthold Vöcking, RWTH Aachen In zwei Monaten startet die nächste Rakete
MehrMonte-Carlo Tests. Diplomarbeit. Wiebke Werft. Mathematisches Institut der Heinrich-Heine-Universität Düsseldorf
Monte-Carlo Tests Diplomarbeit Wiebke Werft Mathematisches Institut der Heinrich-Heine-Universität Düsseldorf Düsseldorf im Dezember 2003 Betreuung: Prof. Dr. Arnold Janssen Inhaltsverzeichnis Einleitung
MehrFormale Sprachen und Automaten
Formale Sprachen und Automaten Kapitel 1: Grundlagen Vorlesung an der DHBW Karlsruhe Thomas Worsch Karlsruher Institut für Technologie, Fakultät für Informatik Wintersemester 2012 Ziel Einführung der wichtigsten
MehrDieser Foliensatz darf frei verwendet werden unter der Bedingung, dass diese Titelfolie nicht entfernt wird.
Thomas Studer Relationale Datenbanken: Von den theoretischen Grundlagen zu Anwendungen mit PostgreSQL Springer, 2016 ISBN 978-3-662-46570-7 Dieser Foliensatz darf frei verwendet werden unter der Bedingung,
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
Mehr4. Logik und ihre Bedeutung für WBS
4. Logik und ihre Bedeutung für WBS WBS verwenden formale Sprache L um Wissen zu repräsentieren Grundidee: Problemlösen = Folgern aus in L dargestelltem Wissen Folgern = implizites Wissen explizit machen
MehrSprache systematisch verbessern. Eugen Okon
Sprache systematisch verbessern Eugen Okon Sprache systematisch verbessern Gliederung Einleitung Die CLEAR Methode CLEAR in einer Fallstudie Ergebnisse und Bewertung Zusammenfassung Sprache systematisch
MehrBipartite Graphen. Beispiele
Bipartite Graphen Ein Graph G = (V, E) heiÿt bipartit (oder paar), wenn die Knotenmenge in zwei disjunkte Teilmengen zerfällt (V = S T mit S T = ), sodass jede Kante einen Knoten aus S mit einem Knoten
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,
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
MehrFeature Modelle. und ihre Anwendung. Feature Modelle und ihre Anwendungen. Fachgebiet Softwaretechnik, Heinz Nixdorf Institut, Universität Paderborn
Feature Modelle und ihre Anwendung Feature Modelle und ihre Anwendungen 22.07.2010 1 Software-Produktlinien Zusammenfassung mehrerer verwandter Softwaresysteme zu einer Domäne (Anwendungsgebiet) Softwaresysteme
Mehr1.2 Eigenschaften der ganzen Zahlen
Lineare Algebra I WS 2015/16 c Rudolf Scharlau 13 1.2 Eigenschaften der ganzen Zahlen Dieser Abschnitt handelt von den gewöhlichen ganzen Zahlen Z und ihren Verknüpfungen plus und mal. Man kann die natürlichen
Mehr2008W. Vorlesung im 2008W Institut für Algebra Johannes Kepler Universität Linz
Logik Institut für Algebra Johannes Kepler Universität Linz Vorlesung im http://wwwalgebrauni-linzacat/students/win/ml Inhalt Logik Logik Aussagen Die mathematische Logik verwendet mathematische Methoden,
MehrAnselms Gottesbeweis und die Logik. und überhaupt: Beweise
Anselms Gottesbeweis und die Logik und überhaupt: Beweise Inhalt 1) Vorbemerkungen zur Logik (und Wissenschaft) 2) Vorbemerkungen zu Gottesbeweisen und zu Anselm von Canterbury 3) Anselms Ontologisches
MehrMotivation. Formale Grundlagen der Informatik 1 Kapitel 14 Aussagenlogik Syntax & Semantik. Motivation. Motivation
Formale Grundlagen der Informatik 1 Kapitel 14 Aussagenlogik & Frank Heitmann heitmann@informatik.uni-hamburg.de Mit der Aussagenlogik lassen sich einfache Verknüpfungen zwischen (atomaren) Gebilden ausdrücken
MehrInhalt. 2. Fragestellung... 21
Inhalt 1. Hinführung und Vorbemerkungen............................... 12 1.1 «E hoch Dings»: Zum Gegenstand dieser Arbeit................. 12 1.2 Disziplinäre Ausrichtung...................................
MehrEin Secondo-basierter Routenplaner mit Berücksichtigung von Steigungen
Ein Secondo-basierter Routenplaner mit Berücksichtigung von Steigungen Holger Hennings, Fabio Valdés Fachpraktikum Erweiterbare Datenbanksysteme (WS 2017/18) Lehrgebiet Datenbanksysteme für neue Anwendungen
MehrLogik für Informatiker
Logik für Informatiker 2. Aussagenlogik Teil 10 4.06.2012 Viorica Sofronie-Stokkermans Universität Koblenz-Landau e-mail: sofronie@uni-koblenz.de 1 Organisatorisches Hauptklausur: Montag, 23.07.2012, 16:00-18:00,
MehrKI: Wie testet man ein Hirn?
KI: Wie testet man ein Hirn? (Und warum?) Richard Jelinek PetaMem GmbH Nürnberg Richard Jelinek Künstliche Intelligenz 11. März 2016 1 / 15 Weltwissen & Repräsentation Weltwissen beschreibt das verfügbare
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
MehrElemente der Algebra
Prof. Dr. H. Brenner Osnabrück SS 2015 Elemente der Algebra Vorlesung 25 Auch Albrecht Dürer hatte Spaß an der Quadratur des Kreises Unter den drei klassischen Problemen der antiken Mathematik versteht
MehrMathematik-Vorkurs für Informatiker (Wintersemester 2012/13) Übungsblatt 8 (Relationen und Funktionen)
DEPENDABLE SYSTEMS AND SOFTWARE Fachrichtung 6. Informatik Universität des Saarlandes Christian Eisentraut, M.Sc. Julia Krämer Mathematik-Vorkurs für Informatiker (Wintersemester 0/3) Übungsblatt 8 (Relationen
MehrEinführung in die Programmierung
Einleitung Gliederung Einführung in die Programmierung Wintersemester 2017/18 Zum Begriff Informatik Zum Begriff Algorithmus Zum Begriff Programmieren Prof. Dr. Günter Rudolph Lehrstuhl für Algorithm Engineering
MehrGlobalübungsaufgabe1 (All Pair Shortest Path):
Prof. aa r. Ir. G. Woeginger atenstrukturen und lgorithmen SS7 Tutoriumslösung - Übung 0 (bgabe 2.07.207) T. Hartmann,. Korzeniewski,. Tauer Globalübungsaufgabe (ll Pair Shortest Path): etrachten Sie den
MehrInformation und Produktion. Rolland Brunec Seminar Wissen
Information und Produktion Rolland Brunec Seminar Wissen Einführung Informationssystem Einfluss des Internets auf Organisation Wissens-Ko-Produktion Informationssystem (IS) Soziotechnisches System Dient
MehrTestfallgenerierung aus Statecharts und Interaktionsdiagrammen
Testfallgenerierung aus Statecharts und Interaktionsdiagrammen Dehla Sokenou TU Berlin Softwaretechnik Motivation Warum Testen mit Hilfe von UML? UML verbreitete Spezifikationssprache in der Objektorientierung
MehrKapitel 1. Grundlegendes
Kapitel 1 Grundlegendes Abschnitt 1.4 Vollständige Induktion Charakterisierung der natürlichen Zahlen Die Menge N 0 = {0, 1, 2, 3,...} der natürlichen Zahlen läßt sich wie folgt charakterisieren: 1. 0
MehrElementare Beweismethoden
Elementare Beweismethoden Christian Hensel 404015 Inhaltsverzeichnis Vortrag zum Thema Elementare Beweismethoden im Rahmen des Proseminars Mathematisches Problemlösen 1 Einführung und wichtige Begriffe
MehrKlausur Informatik B April Teil I: Informatik 3
Informatik 3 Seite 1 von 8 Klausur Informatik B April 1998 Teil I: Informatik 3 Informatik 3 Seite 2 von 8 Aufgabe 1: Fragekatalog (gesamt 5 ) Beantworten Sie folgende Fragen kurz in ein oder zwei Sätzen.
MehrEinführung in die Programmierung Wintersemester 2016/17
Einführung in die Programmierung Wintersemester 2016/17 Prof. Dr. Günter Rudolph Lehrstuhl für Algorithm Engineering Fakultät für Informatik TU Dortmund Einleitung Gliederung Zum Begriff Informatik Zum
Mehr2 Mengenlehre. Definition: Unter einer Menge M versteht man die Zusammenfassung von unterscheidbaren Objekten (den Elementen) zu einem Ganzen.
Mengenlehre 2 Mengenlehre Definition: Unter einer Menge M versteht man die Zusammenfassung von unterscheidbaren Objekten (den Elementen) zu einem Ganzen. Üblicherweise werden Mengen mit Großbuchstaben
MehrAlgorithmen und Datenstrukturen 2
Algorithmen und Datenstrukturen 2 Sommersemester 2007 11. Vorlesung Peter F. Stadler Universität Leipzig Institut für Informatik studla@bioinf.uni-leipzig.de Das Rucksack-Problem Ein Dieb, der einen Safe
MehrAlgorithmen und Datenstrukturen 2
Algorithmen und Datenstrukturen 2 Sommersemester 2009 11. Vorlesung Uwe Quasthoff Universität Leipzig Institut für Informatik quasthoff@informatik.uni-leipzig.de Das Rucksack-Problem Ein Dieb, der einen
MehrGruppen, Graphen, Symmetrie Was sind negativ gekrümmte Gruppen?
Gruppen, Graphen, Symmetrie Was sind negativ gekrümmte Gruppen? MNU-Landestagung. 02/2012. Regensburg Clara Löh Fakultät für Mathematik. Universität Regensburg Überblick Zwei Paradigmen der modernen (theoretischen)
MehrAufgabe 1 (Allgemeines)
Klausur... Einführung in die Künstliche Intelligenz 1SS08 Aufgabe 1 (Allgemeines) (4 Punkte) a) In der Künstlichen Intelligenz unterscheidet man symbolische und subsymbolische Verfahren. Beschreibe diese
MehrWoher Methoden der KI stammen Gebiete der Künstlichen Intelligenz wissensbasierte Systeme
Woher Methoden der KI stammen Gebiete der Künstlichen Intelligenz (induktives) Lernen Aus einer anwendungsorientierten Sicht spielen in der Künstlichen Intelligenz insbesondere folgende Gebiete eine Rolle:
MehrInduktive Beweise und rekursive Definitionen
Induktive Beweise und rekursive Definitionen Vorlesung Logik in der Informatik, HU Berlin 1. Übungsstunde Beweis durch vollständige Induktion über N Aufgabe 1 Zeige, dass für alle n N gilt: n 2 i = 2 n+1
MehrKapitel 1.4. Exkurs: Entscheidbarkeit und Komplexität. Mathematische Logik (WS 2012/3) K. 1.4: Entscheidbarkeit und Komplexität 1/10
Kapitel 1.4 Exkurs: Entscheidbarkeit und Komplexität Mathematische Logik (WS 2012/3) K. 1.4: Entscheidbarkeit und Komplexität 1/10 Algorithmen Ein Algorithmus oder eine Rechenvorschrift ist ein effektives
MehrMATHEMATIQ. Der Newsletter der MathSIG (Interessensgruppe innerhalb der Mensa Österreich) Ausgabe 4.
MATHEMATIQ Der Newsletter der MathSIG (Interessensgruppe innerhalb der Mensa Österreich) Ausgabe 4 http://www.hugi.scene.org/adok/mensa/mathsig/ Editorial Liebe Leserinnen und Leser! Dies ist die vierte
MehrGeschichte der Logik ist eng verknüpft mit (Sprach-) Philosophie. Logik untersucht, wie aus wahren Aussagen andere wahre Aussagen folgen
Was ist Logik? Geschichte der Logik ist eng verknüpft mit (Sprach-) Philosophie Logik untersucht, wie aus wahren Aussagen andere wahre Aussagen folgen Beschränkung auf "Aussage A folgt nach einer gegebenen
MehrDynamische Programmierung. Problemlösungsstrategie der Informatik
als Problemlösungsstrategie der Informatik und ihre Anwedung in der Diskreten Mathematik und Graphentheorie Fabian Cordt Enisa Metovic Wissenschaftliche Arbeiten und Präsentationen, WS 2010/2011 Gliederung
MehrTheoretische Informatik. Exkurs: Komplexität von Optimierungsproblemen. Optimierungsprobleme. Optimierungsprobleme. Exkurs Optimierungsprobleme
Theoretische Informatik Exkurs Rainer Schrader Exkurs: Komplexität von n Institut für Informatik 13. Mai 2009 1 / 34 2 / 34 Gliederung Entscheidungs- und Approximationen und Gütegarantien zwei Greedy-Strategien
MehrSeminar Künstliche Intelligenz Wintersemester 2014/15
Seminar Künstliche Intelligenz Wintersemester 2014/15 Martin Hacker Richard Schaller Künstliche Intelligenz Department Informatik FAU Erlangen-Nürnberg 15.10.2014 2 / 14 Überblick Teilgebiete der KI Problemlösen,
MehrKapitel 1.5 und 1.6. Ein adäquater Kalkül der Aussagenlogik
Kapitel 1.5 und 1.6 Ein adäquater Kalkül der Aussagenlogik Teil 1: Kalküle und Beweisbarkeit und die Korrektheit des Shoenfield-Kalküls Mathematische Logik (WS 2010/11) Kapitel 1.5 und 1.6: Kalküle 1 /
MehrKlauseltableau: Einschränkungen des Suchraums
Klauseltableau: Einschränkungen des Suchraums Regularität Kein Literal darf auf einem Ast mehr als einmal vorkommen Schwache Konnektionsbedingung Bei Erweiterung von Ast B muss mindestens eines der neuen
MehrWissensrepräsentation 2
Wissensrepräsentation Jürgen Dorn Inhalt Wissen und Intelligenz deklarative versus prozedurale Wissensrepräsentation Wissensbasierte Systeme Wissensrepräsentationsformalismen Das Auto springt nicht an!
MehrAnalysis I. Vorlesung 1. Mengen
Prof. Dr. H. Brenner Osnabrück WS 013/014 Analysis I Vorlesung 1 Mengen Georg Cantor (1845-1918) ist der Schöpfer der Mengentheorie. David Hilbert (186-1943) nannte sie ein Paradies, aus dem die Mathematiker
MehrGrundlagen der Statistik
Grundlagen der Statistik Übung 12 2009 FernUniversität in Hagen Alle Rechte vorbehalten Fachbereich Wirtschaftswissenschaft Übersicht über die mit den Übungsaufgaben geprüften Lehrzielgruppen Lehrzielgruppe
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
MehrFrequent Itemset Mining + Association Rule Mining
Frequent Itemset Mining + Association Rule Mining Studiengang Angewandte Mathematik WS 2015/16 Frequent Itemset Mining (FIM) 21.10.2015 2 Einleitung Das Frequent-Itemset-Mining kann als Anfang des modernen,
MehrLogik und Beweisbarkeit
Logik und Beweisbarkeit Einleitung Martin Mundhenk Univ. Jena, Institut für Informatik. Februar 0 Einleitung: U ber Sinn und Form Symbolisches Addieren Al-Chwarizmi (etwa 8 80) Problem: Was ist MMMDCCCXCIX
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
MehrProgrammierpraktikum WS 13/14
Programmierpraktikum Morsealphabet Fakultät für Mathematik und Informatik Datenbanksysteme für neue Anwendungen FernUniversität in Hagen 12.Oktober 2013 c 2013 FernUniversität in Hagen Outline 1 2 erfunden
Mehr