Einführung in die Methoden der Künstlichen Intelligenz - Goethe ...

Weitere Magazine

Empfehlungen

Info

Literatur Allen, J. F. (1983). Maintaining knowledge about temporal intervals. Commun. ACM, 26(11):832–843. Baader, F., Calvanese, D., McGuinness, D. L., Nardi, D., & Patel-Schneider, P. F. (2010). The Description Logic Handbook: Theory, Implementation and Applications. Cambridge University Press, New York, NY, USA, 2nd edition. Baader, F. & Morawska, B. (2009). Unification in the description logic EL. In Proceedings of the 20th International Conference on Rewriting Techniques and Applications, RTA ’09, pages 350–364. Springer-Verlag, Berlin, Heidelberg. Bratko, I. (1990). Prolog – Programming for Artificial Intelligence. Addison Wesley. Donini, F. M., Lenzerini, M., Nardi, D., & Nutt, W. (1997). The complexity of concept languages. Inf. Comput., 134(1):1–58. Ebbinghaus, H.-D., Flum, J., & Thomas, W. (1986). Einführung in die mathematische Logik. Wissenschaftliche Buchgesellschaft Darmstadt. Eder, E. (1992). Relative Complexities of First order Calculi. Vieweg, Braunschweig. Gal, A., Lapalme, G., Saint-Dizier, P., & Somers, H. (1991). Prolog for Natural Language Processing. John Wiley & sons. Haken, A. (1985). The intractability of resolution. Theoretical Computer Science, 39:297– 308. Michalewicz, Z. (1992). Genetic Algorithms + Data Structures = Evolution Programs. Springer, 3 edition. Minsky, M. (1975). A framework for representing knowledge. In P. H. Winston, editor, The Psychology of Computer Vision, pages 211–277. McGraw-Hill, London. Nebel, B. (1997). Solving hard qualitative temporal reasoning problems: Evaluating the efficiency of using the ord-horn class. Constraints, 1(3):175–190. Nebel, B. & Bürckert, H.-J. (1995). Reasoning about temporal relations: a maximal tractable subclass of allen’s interval algebra. J. ACM, 42(1):43–66. Pereira, F. C. & Shieber, S. M. (1987). Prolog and Natural-Language Analysis. CSLI. Robinson, J. A. (1965). A machine-oriented logic based on the resolution principle. Journal of the ACM, 12:23–41. M. Schmidt-Schauß & D. Sabel, Skript KI, WS 2012/13 Stand: 30. Januar 2013
LITERATUR Russell, S. J. & Norvig, P. (2010). Artificial Intelligence - A Modern Approach (3. internat. ed.). Pearson Education. Schenk, R. & Abelson, R. P. (1975). Scripts, Plans and Knowledge. In International Joint Conference on Artificial Intelligence, pages 151–157. Smith, B. (1982). Prologue to Reflection and Semantics in a Procedural Language. Readings in Knowledge Representation. Morgan Kaufmann, California. Valdés-Pérez, R. E. (1987). The satisfiability of temporal constraint networks. In Proceedings of the sixth National conference on Artificial intelligence - Volume 1, AAAI’87, pages 256–260. AAAI Press. Wegener, I., editor (1996). Highlights aus der Informatik. Springer, Berlin. M. Schmidt-Schauß & D. Sabel, Skript KI, WS 2012/13 275 Stand: 30. Januar 2013
Seite 1 und 2:
Einführung in die Methoden der Kü
Seite 3 und 4:
Inhaltsverzeichnis 2.1.4 Prozeduren
Seite 5 und 6:
Inhaltsverzeichnis 5.4.2.1 Lexikon
Seite 7 und 8:
1 Einleitung 1.1 Themen und Literat
Seite 9 und 10:
1.2 Was ist Künstliche Intelligenz
Seite 11 und 12:
1.2 Was ist Künstliche Intelligenz
Seite 13 und 14:
1.3 Philosophische Aspekte • Auto
Seite 15 und 16:
1.3 Philosophische Aspekte durch Ge
Seite 17 und 18:
1.4 KI-Paradigmen Die technische Hy
Seite 19 und 20:
1.5 Bemerkungen zur Geschichte zur
Seite 21 und 22:
1.6 Intelligente Agenten Agent Sens
Seite 23 und 24:
1.6 Intelligente Agenten • Die ak
Seite 25 und 26:
1.6 Intelligente Agenten Diese Besc
Seite 27 und 28:
2 Suchverfahren 2.1 Algorithmische
Seite 29 und 30:
2.1 Algorithmische Suche 1. Dame A-
Seite 31 und 32:
2.1 Algorithmische Suche kommt, und
Seite 33 und 34:
2.1 Algorithmische Suche 2.1.4 Proz
Seite 35 und 36:
2.1 Algorithmische Suche Beachte, d
Seite 37 und 38:
2.1 Algorithmische Suche bfs goal s
Seite 39 und 40:
2.1 Algorithmische Suche Bemerkung
Seite 41 und 42:
2.2 Informierte Suche, Heuristische
Seite 43 und 44:
Seite 45 und 46:
Seite 47 und 48:
2.3 A ∗ -Algorithmus • Baum-Suc
Seite 49 und 50:
2.3 A ∗ -Algorithmus Z S Rechnet
Seite 51 und 52:
2.3 A ∗ -Algorithmus Dabei gehen
Seite 53 und 54:
2.3 A ∗ -Algorithmus • Der Knot
Seite 55 und 56:
2.3 A ∗ -Algorithmus dann nennt m
Seite 57 und 58:
2.3 A ∗ -Algorithmus Beispiel 2.3
Seite 59 und 60:
2.4 Suche in Spielbäumen 2.4 Suche
Seite 61 und 62:
2.4 Suche in Spielbäumen Algorithm
Seite 63 und 64:
2.4 Suche in Spielbäumen baum ab e
Seite 65 und 66:
2.4 Suche in Spielbäumen 2.4.1 Alp
Seite 67 und 68:
2.4 Suche in Spielbäumen Suche die
Seite 69 und 70:
2.4 Suche in Spielbäumen Aktualisi
Seite 71 und 72:
2.4 Suche in Spielbäumen Im Falle
Seite 73 und 74:
2.4 Suche in Spielbäumen Allerding
Seite 75 und 76:
2.5 Evolutionäre (Genetische) Algo
Seite 77 und 78:
Seite 79 und 80:
Seite 81 und 82:
Seite 83 und 84:
Seite 85 und 86:
Seite 87 und 88:
3 Aussagenlogik In diesem Kapitel w
Seite 89 und 90:
3.1 Syntax und Semantik der Aussage
Seite 91 und 92:
3.2 Folgerungsbegriffe es keine bes
Seite 93 und 94:
3.3 Tautologien und einige einfache
Seite 95 und 96:
3.4 Normalformen sind, so dass Vert
Seite 97 und 98:
3.5 Lineare CNF Beispiel 3.4.7. ((A
Seite 99 und 100:
3.5 Lineare CNF Bemerkung 3.5.4. Se
Seite 101 und 102:
3.6 Resolution für Aussagenlogik o
Seite 103 und 104:
3.6 Resolution für Aussagenlogik T
Seite 105 und 106:
3.7 DPLL-Verfahren 3.6.1.3 Subsumti
Seite 107 und 108:
3.7 DPLL-Verfahren Das Entfernen de
Seite 109 und 110:
3.7 DPLL-Verfahren Dies ergibt eine
Seite 111 und 112:
3.7 DPLL-Verfahren höchstens einer
Seite 113 und 114:
3.7 DPLL-Verfahren [[-4,-8,-15,5,-1
Seite 115 und 116:
3.8 Modellierung von Problemen als
Seite 117 und 118:
3.8 Modellierung von Problemen als
Seite 119 und 120:
3.9 Tableaukalkül für Aussagenlog
Seite 121 und 122:
Seite 123 und 124:
Seite 125 und 126:
Seite 127 und 128:
4 Prädikatenlogik 4.1 Syntax und S
Seite 129 und 130:
4.1 Syntax und Semantik der Prädik
Seite 131 und 132:
Seite 133 und 134:
Seite 135 und 136:
Seite 137 und 138:
Seite 139 und 140:
4.2 Resolution oder in Mengenschrei
Seite 141 und 142:
4.2 Resolution Satz 4.2.3. Die Grun
Seite 143 und 144:
4.2 Resolution Die Operation auf ei
Seite 145 und 146:
4.2 Resolution 4.2.3 Unifikation Di
Seite 147 und 148:
4.2 Resolution f(s 1 , . . . , s n
Seite 149 und 150:
4.4 Löschregeln: Subsumtion, Tauto
Seite 151 und 152:
4.4 Löschregeln: Subsumtion, Tauto
Seite 153 und 154:
4.5 Optimierungen und Varianten der
Seite 155 und 156:
Seite 157 und 158:
Seite 159 und 160:
5.1 Von der Resolution zum Logische
Seite 161 und 162:
5.1 Von der Resolution zum Logische
Seite 163 und 164:
5.2 Semantik von Hornklauselprogram
Seite 165 und 166:
5.2 Semantik von Hornklauselprogram
Seite 167 und 168:
5.3 Implementierung logischer Progr
Seite 169 und 170:
Seite 171 und 172:
Seite 173 und 174:
Seite 175 und 176:
Seite 177 und 178:
Seite 179 und 180:
Seite 181 und 182:
Seite 183 und 184:
Seite 185 und 186:
Seite 187 und 188:
Seite 189 und 190:
5.4 Sprachverarbeitung und Parsen i
Seite 191 und 192:
Seite 193 und 194:
Seite 195 und 196:
Seite 197 und 198:
Seite 199 und 200:
Seite 201 und 202:
6.1 Allens Zeitintervall-Logik A1:
Seite 203 und 204:
6.1 Allens Zeitintervall-Logik A
Seite 205 und 206:
6.2 Darstellung Allenscher Formeln
Seite 207 und 208:
6.3 Der Allensche Kalkül ≺ ≻ d
Seite 209 und 210:
6.3 Der Allensche Kalkül • A R A
Seite 211 und 212:
6.4 Untersuchungen zum Kalkül 6.4
Seite 213 und 214:
6.4 Untersuchungen zum Kalkül Algo
Seite 215 und 216:
6.5 Unvollständigkeiten des Allens
Seite 217 und 218:
6.6 Einge Analysen zur Implementier
Seite 219 und 220:
6.7 Komplexität Sei eine Instanz g
Seite 221 und 222:
6.8 Eine polynomielle und vollstän
Seite 223 und 224:
7.1 Ursprünge Ein Beispiel ist das
Seite 225 und 226:
7.2 Attributive Konzeptbeschreibung
Seite 227 und 228:
7.2 Attributive Konzeptbeschreibung
Seite 229 und 230: 7.2 Attributive Konzeptbeschreibung
Seite 235 und 236: 7.3 T-Box und A-Box • SNOMED CT (
Seite 237 und 238: 7.3 T-Box und A-Box Da diese T-Box
Seite 239 und 240: 7.3 T-Box und A-Box Als Graph wobei
Seite 241 und 242: 7.3 T-Box und A-Box kommt aus Huhn
Seite 243 und 244: 7.3 T-Box und A-Box Dabei sind Pete
Seite 245 und 246: 7.3 T-Box und A-Box wobei a i Indiv
Seite 247 und 248: 7.4 Inferenzen in Beschreibungslogi
Seite 257 und 258: 7.5 Erweiterungen, weitere Frageste
Seite 259 und 260: 7.5 Erweiterungen, weitere Frageste
Seite 261 und 262: 7.6 OWL - Die Web Ontology Language
Seite 263 und 264: 7.6 OWL - Die Web Ontology Language
Seite 265 und 266: 8.1 Einführung: Maschinelles Lerne
Seite 267 und 268: 8.1 Einführung: Maschinelles Lerne
Seite 269 und 270: 8.2 Wahrscheinlichkeit und Entropie
Seite 271 und 272: 8.3 Lernen mit Entscheidungsbäumen
Seite 279: 8.3 Lernen mit Entscheidungsbäumen
Alle anzeigen

Einführung in die Methoden der Künstlichen Intelligenz - Goethe ...

Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.

Template löschen?

Als Template speichern?