EN PROBLEMORIENTERET PROGRAMMELUDVIKLINGSMETODE I LINGVISTISK DATABEHANDLING
|
|
- Mathias Sørensen
- 7 år siden
- Visninger:
Transkript
1 47 Gregers Koch Datalogisk Institut, Københavns Universitet EN PROBLEMORIENTERET PROGRAMMELUDVIKLINGSMETODE I LINGVISTISK DATABEHANDLING 1. Indledning Fortolkning af prædikatkalkyle som et programmeringssprog udgør en ny og lovende datalogisk metode, som ofte kaldes logikprogrammering. Prædikatlogiske notationer kan betragtes som højniveau, menneskevenlige programmeringssprog som kan anvendes til praktisk programmering såvel som til teoretiske undersøgelser. Specielt i forbindelse med datalingvistiske problemstillinger synes metoden lovende. Dette kommer skriftet her nærmere ind på, og desuden diskuteres nogle forsøg på udvidelse af.metoden. Prædikatkalkyle synes at være af stadigt stigende Interesse for datamatisk orienterede lingvister [Charnlak og Wilks 76]. Samme tendens synes at gøre sig gældende inden for kunstig intelligens [Nilsson 80]. Med fremkomsten af logikprogrammeringssprog som Prolog [Bowen 79] kan man se nye perspektiver i denne udvikling, tildels på grund af muligheden for effektiv udførelse af inferenser som nødvendigvis knytter sig til sådanne systemer. 2. Metoden Definitte klausuler (også kaldet Hornklausuler) [Colmerauer 78, Kowalski 74, 79, Mayoh 80] er formler af formen -1 / '2 / hvor alle Gerne er prædikatudtryk der Indeholder variable X, Y, Z,..., Xj, Yj, Zi,... konstanter funktionsnavne. Idet universel kvantificering er underforstået, kan en sådan formel betragtes som ækvivalent til prædikatkalkyleformlen VX1/ {(Cj ac2 a... ^ Cq) hvor Xerne netop udgør sættet af samtlige variable i Gerne. Specielt kan betingelserne være tomme (n = 0) svarende til simple påstande, eller konklusionen G q kan mangle svarende til en negation (også kaldet en målklausul), eller begge dele En problemorienteret programmeludviklingsmetode i lingvistisk databehandling Gregers Koch, pages 47-63
2 48 svarende til den tomme klausul eller umulige påstand. En kontekstfri grammatiks produktionsregier af formen Nonterminal - B, B,... B ^ n kan omformes til følgende formel fra første ordens pr2edlkatkalkyle VSøfS^r...rS^: ((Bj CSq ^Sj) a B2(S^fS2) A... A B^ ( med følgende mening: ^'^n^ ^ Nonterminal (So,S^)) - hele teksten fra position S q til position Sn kan fortolkes som et objekt tilhørende kategorien Nonterminal, såfremt teksten fra position S q til position Si kan fortolkes som et Bl-objekt, og teksten fra position Si til position S 2 kan fortolkes som et B 2 -objekt, og til position S^^ kan fortol teksten fra position kes som et Bjj-objekt. Et lille eksempel er følgende kontekstfrie grammatik: Sentence - Noun the Noun Verb - woman Verb -* lives ^^^ Verb - smells som kan omformes til følgende prædlkatloglske formler: VSn.Si,S7,S^((C(the.Sn,Si) ANoun(Si,S2> A Verb(S2,S3)) VSo,Si VSq,Si VSo,Si Hvls vl ønsker at se om (C(woman,Sn,Si) * (C (lives,sn,si ) (C (smells,sn,si ) -> the woman smells Noun(So,Si)) Verb(So.Si)) Verb(So,Si)) Sentence (S(j,Sj)) er en sætning fra den lille grammatik kan vl tilføje følgende påstande C(the,1,2) C (woman,2,3) C (smells,3,4). Problemet er nu om systemet er konsistent, og om det er muligt at deducere Sentence (1,4) som et teorem Inden for systemet. Den lille grammatik (1) kan også udtrykkes som deflnltte klau- 48
3 49 1 stil med [Pereira & Warren 8 Sentence(Sq,Sj) + C (the,sn /S i), : Noun(S 0,S 1 ) C (woman,sn,si ) Verb(So,Si) C (lives,sn,si ) Verb(So,Si) *-C (smells,sn,s, (3) Som et lidt større eksempel 1 samme retning kan vi kigge på syntaksanalyse 1 henhold til følgende lille grammatik S -»NP VP [ADVP]. NP -»[DET] ADJ* N. NP -»PRON. ADVP -»PREPP. (4) ADVP ADV. PREPP PREP NP. VP -» V [NP] [ADVP] Denne grammatik omformes til deflnltte klausuler ved simplificering (som her vil sige eliminering af valgfrie elementer [...] samt repetltlve elementer...*) samt ved tilføjelse af positionsangivelser (x,y,z,w): S(x,y) S(x,y) NP(x,y) NP(x,y) NP(x,y) <- -t- ADJLIST(x,y) ADJLIST(x,y) ADVP(x,y) ADVP(x,y) PREPP(x,y) VP(x,y) VP(x,y) VP(x,y) VP(x,y) NP(x,z), VP(z,w), ADVP(w,y) NP(x,z), VP(z,y) DET(x,z), ADJLIST(z,w), N(w,y) ADJLIST(x,z), N(z,y) PRON(x,y) ADJ(x,z), ADJLIST(z,y) PREPP(x,y) ADV(x,y) PREP(x,z), NP(z,y) V(x,z), NP(z,w), ADVP(w,y) V(x,z), NP(z,y) V(x,z), ADVP(z,y) V(x,y). En Inddatastreng som "De kommer på skadestuen" kan analyseres ved tilføjelse af følgende lekslkallnformatlon (5) 49
4 50 PRON(x,y) V(x,y) PREP(x,y) N(x,y) C(de,x,y) C (kommer,x,v) C(på,x,v) C (skadestuen,x,y) C (^, 1,2)-«- (6) C (kommer,2,3) C( å,3,4) -< C (skadestuen,4,5) «- "8(1,5). Bemærk at vi Intetsteds specificerer hvilken analysealgoritme der ønskes anvendt. VI specificerer kun problemet, så finder systemet selv ud af, hvordan problemet skal håndteres. 3. Kasussystemer Sagt ultrakort agiteres der her for en datalogisk metode som går ud på at udsætte datalingvistiske problemer for en datamatisk behandling som om de var logiske problemer, og der søges argumenteret for det fordelagtige 1 denne metode fra et datalogisk synspunkt. Påstanden er således at så at sige enhver datalingvistisk teori eller strategi ville profitere af at benytte denne metode. Som eksempler har jeg beskæftiget mig med Schanks "Conceptual Dependency" [Schank 75] og Parker-Rhodes' "Inferential Semantics" [Parker-Rhodes 78, Jørgensen 80]. Fremstillingen her ligger nærmest Parker-Rhodes, medens fremstillingen i [Koch 80/16] har flere lighedspunkter med Schanks teorier. Det må understreges at fremstillingen her kun skal ses som et eksempel der belyser mulighederne ved at anvende denne metode til realisering af givne datalingvistiske teorier. (Således udelades her flere aspekter bl.a. tempusangivelser og numerusanglvelser). Da begge forfattere vedkender sig en vis gæld til [Fillmore 68], kan disse to teorier med nogen ret betragtes som kasussystemer. Lad os først behandle en række små eksempler fra [Schank 75]: Eksempel 1 John annoyed Mary. Den forudsatte leksikalske Information kan være (Annoy Agent (Experient)). Et rimeligt syntakstræ kan være 50
5 51 Agent Event Experlent John Annoy Mary I så fald kan det forventede resultat af syntaksanalysen være følgende listestruktur [A [Agent John] [Event Annoy] [Experient Mary]]. Et rimeligt resultat af oversættelsen kan være Eksempel 2 Event(A,Annoy) Agent(A,John) Experient(A,Mary). John killed Mary. Den forudsatte leksikalinformation kan være (Kill Agent (Experient) (by Instrument)) Et rimeligt syntakstræ kan være A Agent Event Experient John Kill Mary Det forventede resultat af syntaksanalysen kan være [A [Agent John] [Event Kill] [Experient Mary]]. Et rimeligt resultat af oversættelsen kan være Event(A,Kill) Agent(A,John) Experient(A,Mary). Eksempel 3 John killed Mary by throwing a rock at her. Den forudsatte leksikalske information kan være (Throw Agent (Object) (at Goal)) (Mary Person Female) (John Person Male). 51
6 52 Et rimeligt syntakstræ kan være A Det forventede resultat af syntaksanalysen kan være [A [Agent John] [Event Kill] [Experient Mary] [By [Instrument [B [Event Throw] [Object [A Rock]] [At [Goal Her]]]]]]. Et rimeligt resultat af oversættelsen kan være Event(A,Kill) Agent(A,John) Experient(A,Mary) Instrument(A,B) Event(B,Throw) Object(B,Rock) Goal(B,Mary) Agent(B,John). Eksempel 4 The ball fell from the roof. Den forudsatte leksikalske information kan være (Fall Object (ftom Source)). Et rimeligt syntakstræ kan v æ r e 52
7 53 Et rimeligt resultat af oversættelsen kan være Event(AjFall) Object(A,Ball) Source(A,Roof). Eksempel 5 John punched Mary. Den forudsatte leksikalske information kan være (Punch Agent (Experient)). Et rimeligt syntakstræ kan være A Agent Event Experient John Punch Mary Et rimeligt resultat af oversættelsen kan være Event(A,Punch) Agent(A,John) Experient(A,Mary). Eksempel 6 John pushed the table to the wall. Den forudsatte leksikalske information kan være (Push Agent (Object) (to Goal)) Det forventede resultat af syntaksanalysen kan være A 53
8 54 Et rimeligt resultat af oversættelsen kan være Eksempel 7 Event(AjPush) Agent(A,John) Object(A,Table) Goal(A,Wall). John went to New York. Den forudsatte leksikalske information kan være (Go Agent (from Source) (to Goal)). Et rimeligt syntakstræ kan være A I Agent Event Goal. I John Go To New Yo'rk Et rimeligt resultat af oversættelsen kan være Eksempel 8 Event(A,Go) Agent(A,John) Goal(A,New York). John sold his car to Bill. Den forudsatte leksikalske information kan være (Sell Et rimeligt syntakstræ kan være A ((Receiver) Object) (Object) (to Receiver) Donor Event Object John Sell His Car To Et rimeligt resultat af oversættelsen kan være Event(A,Sell) Donor(A,John) Object(A,Car) Receiver(A,Bill). d Receiver I Bill 54
9 55 På baggrund af sådanne eksempler søger vi nu at realisere oversættelsen. Generering af syntakstræ er ganske nemt ud fra metoden i det foregående afsnit med brug af en grammatik som beskriver eksemplerne. Denne kan for eksempel udtrykkes noget i denne retning: Agent (Timeadv) Event'^A 1 NP ^ Adj Event -» ^ NP have NP Donor (Timeadv) Event'^D Object (Timeadv) Evenf^O, Event'«A EventAE (Experient) EventAEBYI (Experient) ( ^ Instrument) EventAOATG (Object) ( f Goal) EventAFSTG (from Source) ( ^ Goal) EventAO (Object) EventA Event^D -» EventMD -» EventOFS (from Source) Experient "1 Object ) - NP Source Adj J -* short Timeadv -* often etc. EventDRO ((Receiver) Object) 1 J EventDRO (Object) (;^ Receiver)! EventDRD (Receiver) (Datum) ( EventDRD (Datum) (;^ Receiver) J Systemet (3) gav kun svaret ja/nej. For at få et resultat af analysen, må man tilføje ét eller flere ekstra argumenter og i disse resultatargumenter angive hvordan konklusionens resultatarguments værdi skal være. Tilbage står at realisere oversættelsen fra syntakstræ på listestrukturform til sættet af prædikater. Dette hverv kan udføres omtrent således: 55
10 56 Make ((n. (x.y), r)<- M( (x. y),n,r) M(([u w]. z),n, {[u "<" n w ">"]. zd) -<- Member(u,Cases), M(z,n,z1) M ([p [u t(n1.w)]]]. z),n, ([u "<" n n1 ">"]. zd) Member(p,Prepositions), Member(u,Cases), M(z,n1,z1) Lad os nu se på endnu et par eksempler (denne gang taget fra [Parker-Rhodes 78]): Eksempel 9 Peter often tells the truth. No liars tell the truth. Den forudsatte leksikalske Information kan være noget 1 denne retning I (Datum) (to Recelverfl (Tell Donor \ )) (.(Receiver) Datum J Syntakstræerne kan være Donor Time Event Datum Peter Often Tell The Truth Donor Event Datum No Liar Tell I The I Truth 56
11 57 Resultatet ved algoritmen skulle så blive noget 1 denne retning Eksempel 10 Event(A,Tell) Donor(A,Peter) Time(A.Often) Datum(A,Truth) -<- Event(y,Tell),Donor(y,x),Datum(y,Truth),Isa(x,Llar) Peter eats garlic. Everyone who eats garlic smells. Den forudsatte leksikalske information kan være (Eat Agent (Object)) (Smell Agent). Syntakstræerne kan være I--- Agent I Peter A Event Eat I Object I Garlic Agent I Agent Event Object Event Everyone Who Eat Garlic Smell Resultatet bliver så noget i denne retning Event(A,Eat) Agent(A,Peter) Object(A,Garlic) Event(F(x,y),Smell) *-Event (y,eat),object (y,garlic), Agent(y,x) Agent(F(x,y),x) Event (Y, Touch),0b ject (y,garlic), Agent(y,x). 57
12 58 Fordelene fra et datalogisk synspunkt er blandt andre af følgende art: - Kompleksltetsteoretlsk: Simple grammatikker (for eksempel af type LL1) giver effektiv (lineær) analyse, og grammatikker som "næsten" har disse egenskaber giver også forholdsvis effektiv analyse. - Brugervenlighed: Den lingvistiske bruger skal kun udtrykke egentlige datalingvistiske relationer, endda 1 en notation som ligger tæt på de normalt anvendte. - Systemkonstruktlonsmæsslgt: Som datastyret programmel benyttes den samme algoritme (Inferensalgorltmen) hver gang. Man kan sige at der kun kræves en (ganske vist temmelig omstændelig) problemspecifikation. Såsnart problemet er logisk entydigt, kan programmellet overtage behandlingen. I denne forstand kan et sådant system betragtes som et problemorienteret system, og denne metode at konstruere systemer på kan betragtes som en problemorienteret programmeludvikllngsmetode. VI arbejder på at benytte metoden her 1 forbindelse med datamatformidlet undervisning. VI er også ved at udvide systemer af denne art til at omfatte nogle Intenslonelle logiske systemer å la [Montague 74a] og [Koch 79]. 4. Databaseforespørgsler En metode til håndtering af databaseforespørgsler 1 humansproglige vendinger går ud på undervejs at oversætte forespørgslen til deflnltte klausuler. Med samtlige oplysninger fra databasen formuleret som deflnitte klausuler ville svaret kunne genereres Inden for det deduktive system 1 kraft af den Indbyggede deduktionsmekanisme. Fra et databasesynspunkt ville denne fremgangsmåde Imidlertid være utilfredsstillende af effektivitetshensyn. Langt bedre ville det være at oversætte de deflnltte klausuler til et e- gentllgt forespørgselssprog for et databasesystem. Som en realistisk mulighed har vi især undersøgt sproget QUEL tilhørende systemet INGRES. [Stonebraker et al 76]. Her eksemplificeres med en simpel forespørgsel til QUEL. En simpel database for "The Happy Valley Food Cooperative" består af tre databaserelationer MEMBERS(NAME, ADDRESS, BALANCE) ORDERS(NAME, ITEM, QUANTITY) SUPPLIERS(SNAME, SADDRESS, ITEM, PRICE) således at alle medlemmer har en adresse og en saldo, nogle medlemmer har bestilt forskellige varer 1 bestemte mængder, og nogle varer kan leveres af leverandører fra deres forretningsadresse til bestemte priser [Ullman 80]. 58
13 59 Forespørgslen "Udskriv navnene på alle leverandører, som leverer mindst een vare bestilt af Brooks" kan i et logikprogrammeringssystem analyseres til en konceptuel graf [Sowa 76, 79, Pedersen 78] af følgende form som igen af en relativt simpel algoritme kan transformeres videre til et logisk program af følgende form Event(A(y),Print) Object(A(y),Sname(y)) Isa(y,Suppliers), Event(E(y),Order), Agent(E(y),Brooks), Object(E(y),Item(y)) Isa(y,Suppliers), Event(E(y),Order), Agent(E(y),Brooks), Object(E(y),Item(y)). Dette logiske program kan automatisk oversættes videre til et program i et egentligt databaseforespørgselssprog som QUEL med følgende resultat RANGE OF y IS Suppliers RANGE OF z IS Orders RETRIEVE y.sname WHERE z.name = Brooks a z.item = y. Item som er et udmærket program til at besvare det stillede spørgsmål. [Jørgensen & Koch 81]. 5. Udvidelser Det simple databaseeksempel i foregående afsnit gik godt med brug af definitte klausuler. Men vi kunne også kigge på et eksempel som går ud på at undersøge om der findes medlemmer af Alpinistklubben som er bjergbestigere men ikke skisportsmænd, idet følgende vides: 59
14 60 Tony, Mike og John er i Alpinistklubben. Ethvert medlem af Alpinistklubben er skisportsmand eller bjergbestiger. Ingen bjergbestiger kan lide regn, og alle skisportsmænd elsker sne. Mike hader alt det Tony holder af og holder af alt det Tony hader. Tony kan godt lide regn og sne. I sædvanlig prædlkatkalkyle kan vi skrive: Tony e Alpinists Mike E Alpinists John e Alpinists Vx e Alpinists [Skler(x) v Climber(x)] Vx [Cllmber(x) «Dislikes(x,Raln)] Vx [Skler (x) * Likes(x,Snow) ] (7) Vy [Likes(Tony,y) ^ Dislikes(Mike,y)] Vy [Dislikea(Tony,y) Likes(Mike,y) ] Likes(Tony,Raln) a Likes(Tony,Snow) Vx e Alpinists [Climber (x) a Skler (x) ^ Print (x)] (8) (7) og (8) giver os problemer fordi negation er nødvendig. De vanskeligheder vi her er løbet ind i beror væsentligt på at kun deflnltte klausuler er tilladte. Deflnltte klausuler er åbenbart for restriktiv en notation, og specielt at negation mangler synes at volde problemer. Så metoden her skulle helst generaliseres ud over deflnltte klausuler. Den mest oplagte udvidelse er nok følgende: Vi kan supplere hvert prædikatnavn P med et tilsvarende navn NP som symboliserer benægtelsen af prædikatet P. Altså vi forsøger så at sige at indføre negationen bag om ryggen på systemet (at programmere den ind i systemet). For at kunne udnytte sammenhængen mellem P og NP bliver vi så også nødt til at mangedoble hver regel Al (x),..., Aj^(x) <- B (x),..., Bjjj(x) ved omskrivningen Ai(x) V... va (x) V *Bi(x) V... v ~'b_(x ) n m eller " nai (x ) V... V NA^_^ (x ) V A^ (x) V * NA^^^ (x ) V... (x) V Bl (x) V eller Aj^(x) +Bi (x),..., NAj^ (X) for hvert i e {1,. V B (x) m n) Bjjj(x),NAi (x) (i)» NAj^+1 (x )' 60
15 61 Tilsvarende laves reglen NBj (x) <- Bl (x),..., B j_, (x),b^^^ U)...,Bjjj(x),NAi (x),...,naj^(x) for hvert j {1,..., m}. V i kan sige at vi udn^evner hvert af de Indgående prædikater til konklusion i en deflnlt klausul. Endelig tilføjes reglen p(x), Np(x) for hvert prædikat p. Bruger vi denne metode på Alpinist-eksemplet fås følgende system som løser problemet: Alpinist(Tony). Alpinist(Mike). Alpinist(John). Dislikes (x,raln) Climber (x). Likes(x,Snow) -^Skler(x). Dislikes (Mike,y) <-Likes (Tony,y). Likes (Mike,y) Dislikes (Tony,y). Likes(Tony,Raln). Likes(Tony,Snow). Skler (x) Alpinist (x), NClimber(x). Nskler(x) Cllmber(x) Alpinist (x), NSkier(x). *-Climber (x), NCllmber (x). <-Skier (x), NSkier(x). Print (x) Climber (x), NSkler(x). Dislikes(x,Snow) Ulempen er at vi ender med at simulere traditionelle resolutionsstrategier med den deri liggende fare for ineffektivitet af såvel pladsmæsslg som tidsmæssig art. Altså den oplagte metode med at Inkludere negationer i prædikatnavnene fører til en forholdsvis ineffektiv variant af resolutionsmetoden. I et kommende skrift [Koch 81] søges udviklet nogle alternative og mere begrænsede udvidelser af deflnltte klausuler, hvor disses effektive udførelse 1 det væsentlige synes bevaret. 6. Litteraturhenvisninger Bowen, K.A. [1979]. Prolog, Proc. of the 1979 Annual Conf. A C M, Detroit, Michigan. Charniak, E., Wllks, Y. (eds.) [1976]. Computational Semantics, pub. North-Holland. 61
16 62 Colmerauer, A. [197B], Metamorphosis Grammars, In L. Bole (ed.) Natural Language Communications with Computers, Springer,. Berlin. Fillmore, C. [1968]. The Case for Case, in Bach and Harms (eds.) Unlversals in Linguistics Theory, Holt, Rinehart and Winston, New York. Jørgensen, P.H. [1980]. Inference and Semantics of Natural Language, master thesis. Institute of Datalogy, Copenhagen University. Jørgensen, P.H., Koch, G. [1981]. Two New Methods of Natural Language Database Queries (in Danish), Proc. Norddata Conf., Copenhagen 1981, Koch, G. [1979]. Experimental Formalization of Danish. DIKU report 79/19 (in Danish), Institute of Datalogy, Copenhagen University. Koch, G. [1980]. A Prolog Way of Representing Natural Language Fragments, DIKU report 80/16, Institute of Datalogy, Copenhagen University. Koch, G. [1981]. Ulemper ved og udvidelser af definitte klausuler. Forthcoming DIKU report. Institute of Datalogy, Copenhagen University. Kowalski, R. [1974]. Predicate Logic As Programming Language, Proc. IFIP 74. Stockholm. Kowalski, R. [1979]. Logic for Problem Solving, New York, North- Holland, New York. Mayoh, B.H. [1980]. The Meaning of Logical Programs, DAIMI PB-126, Aarhus University. Montague, R. [1974a]. The Proper Treatment of Quantification in Ordinary English. [In Montague 74b]. Montague, R. [1974b]. Formal Philosophy, Yale University Press. Nilsson, N.J. [1980]. Principles of Artificial Intelligence, Tioga Publ. Comp., California. Parker-Rhodes, F. [1978]. Inferential Semantics, Harvester, Sussex, England. Pedersen, G.S. [1978]. Conceptual Graphs I. DIKU report 78/9, Institute of Datalogy, Copenhagen University. Pereira, F.C.N., Warren, D.H.D. [1980]. Definite Clause Grammars for Language Analysis - a Survey of the Formalism And a Comparison with Augmented Transition Networks. Artif. Intell. 13,3,
17 63 Schank, R. (ed.) [1975]. Conceptual Information Processing, North-Holland, Amsterdam. Sowa, J.F. [1976]. Conceptual Graphs for a Database Interface. IBM Journ. Research. Devel. 20, Sowa, J.F. [1979]. Definitional Mechanism of Conceptual Graphs, in V. Claus et al. (eds.) Graph-grammars And Their Application to Computer Science And Biology, Springer, Ber- Ullman, J.D. [I960]. Principles of Database Systems. London. Stonebraker, M. et al. [1976]. The Design and Implementation of INGRES. ACM Trans, on Database Systems 1,3,
3rd Nordic Conference of Computational Linguistics NODALIDA
47 G r e g e r s K o c h D a t a l o g i s k I n s t i t u t, K ø b e n h a v n s U n i v e r s i t e t E N P R O B L E M O R I E N T E R E T P R O G R A M M E L U D V I K L I N G S M E T O D E I L I N
LOGIK ANVENDT TIL OVERSÆTTELSE AF JAPANSK.
Arendse Bernth Datalogisk Inst. Københavns Univ. Sigurdsgade 41, DK-2200 København N LOGIK ANVENDT TIL OVERSÆTTELSE AF JAPANSK. På Datalogisk Institut ved Københavns Universitet eksperimenteres for tiden
01017 Diskret Matematik E12 Alle bokse fra logikdelens slides
01017 Diskret Matematik E12 Alle bokse fra logikdelens slides Thomas Bolander 1 Udsagnslogik 1.1 Formler og sandhedstildelinger symbol står for ikke eller og ( A And) hvis... så... hvis og kun hvis...
Oversættere, ugeopgave 3
Oversættere, ugeopgave 3 Anders jerg Pedersen (andersbp@me.com) 29. november 2009 Opgave 1 Vi konsrer først NFA er for grammatikken fra opgave 3.22 med produktionen tilføjet: Produktion NFA 0 A 1 C D 2
Skriftlig Eksamen Algoritmer og Datastrukturer (dads)
Skriftlig Eksamen Algoritmer og Datastrukturer (dads) Datalogisk Institut Aarhus Universitet Tirsdag den 27. maj 2003, kl. 9.00 3.00 Opgave (25%) For konstanten π = 3.4592... gælder identiteten π 2 6 =
GESA, et GEnerelt System til Analyse af naturlige sprog, udformet som et oversætter-fortolker system med virtuel mellemkode
Jens Erlandsen laml Njalsgade 96 DK 2300 kbh. S. GESA, et GEnerelt System til Analyse af naturlige sprog, udformet som et oversætter-fortolker system med virtuel mellemkode. Parsingsystemer til automatisk
Programmering, algoritmik og matematik en nødvendig sammenblanding?
Programmering, algoritmik og matematik en nødvendig sammenblanding? Oplæg til IDA møde, 29. november 2004 Martin Zachariasen DIKU 1 Egen baggrund B.Sc. i datalogi 1989; Kandidat i datalogi 1995; Ph.D.
Ej blot til lyst: Programmering og matematisk dannelse i det 21. århundrede
Ej blot til lyst: Programmering og matematisk dannelse i det 21. århundrede Henrik Kragh Sørensen Institut for Naturfagenes Didaktik Københavns Universitet Konference om Programmering og Koder Danmarks
Oversættere. Vejledende løsninger til Skriftlig eksamen onsdag d. 20. april 2005
Københavns Universitet Naturvidenskabelig Embedseksamen Oversættere Vejledende løsninger til Skriftlig eksamen onsdag d. 20. april 2005 Eksamenstiden er to timer. Opgavernes vægt i procent er angivet ved
Kunde-orienterede digitale forretningsprocesser
24. September 2015 Kunde-orienterede digitale forretningsprocesser!! Thomas Hildebrandt Process and System Models Group IT University of Copenhagen, Denmark!! Grunddata og forretningsprocesser i finansielle
Dat 2/BAIT6/SW4: Syntaks og semantik En manual for studerende
Dat 2/BAIT6/SW4: Syntaks og semantik En manual for studerende Hans Hüttel Foråret 2011 Indhold Indhold 1 1 Kurset er lavet om! 1 2 Kursets indhold 2 2.1 Kursets emner................................ 2
EN KOGNITIV REVOLUTION I VIDENSKABEN?
EN KOGNITIV REVOLUTION I VIDENSKABEN? Niels Ole Bernsen, Center for Kognitiv Informatik (CCI), Roskilde Universitet og Forskningscenter Risø Jeg vil forsøge kort at svare på spørgsmålet, om kognitionsforskning
Oversættere Skriftlig eksamen onsdag d. 20. april 2005
Københavns Universitet Naturvidenskabelig Embedseksamen Oversættere Skriftlig eksamen onsdag d. 20. april 2005 Eksamenstiden er to timer. Opgavernes vægt i procent er angivet ved hver opgave. Den skriftlige
Skriftlig Eksamen Algoritmer og sandsynlighed (DM538)
Skriftlig Eksamen Algoritmer og sandsynlighed (DM538) Institut for Matematik & Datalogi Syddansk Universitet Fredag den 9 Januar 2015, kl. 10 14 Alle sædvanlige hjælpemidler(lærebøger, notater etc.) samt
Skriftlig Eksamen Kombinatorik, sandsynlighed og randomiserede algoritmer (DM528)
Skriftlig Eksamen Kombinatorik, sandsynlighed og randomiserede algoritmer (DM528) Institut for Matematik & Datalogi Syddansk Universitet Mandag den 3 Januar 2011, kl. 9 13 Alle sædvanlige hjælpemidler
Bemærk! Et PHP script har kun brug for at forbinde én gang til databaseserveren. Det kan så sagtens udføre flere kommandoer vha. denne forbindelse.
Mysqli Webintegrator Når vi arbejder med server-side scripting ( i vort tilfælde PHP), har vi ofte behov for at kunne tilgå data, som vi opbevarer i en database. Det kan f.eks. dreje sig om nyhederne i
Computeren repræsenterer en teknologi, som er tæt knyttet til den naturvidenskabelige tilgang.
Den tekniske platform Af redaktionen Computeren repræsenterer en teknologi, som er tæt knyttet til den naturvidenskabelige tilgang. Teknologisk udvikling går således hånd i hånd med videnskabelig udvikling.
Eksempel på logistisk vækst med TI-Nspire CAS
Eksempel på logistisk vækst med TI-Nspire CAS Tabellen herunder viser udviklingen af USA's befolkning fra 1850-1910 hvor befolkningstallet er angivet i millioner: Vi har tidligere redegjort for at antallet
Introduktion til prædikatlogik
Introduktion til prædikatlogik Torben Braüner Datalogisk Afdeling Roskilde Universitetscenter 1 Plan Symbolisering af sætninger Syntaks Semantik 2 Udsagnslogik Sætningen er den mindste syntaktiske enhed
Introduktion til differentialregning 1. Jens Siegstad og Annegrethe Bak
Introduktion til differentialregning 1 Jens Siegstad og Annegrete Bak 16. juli 2008 1 Indledning I denne note vil vi kort introduktion til differentilregning, idet vi skal bruge teorien i et emne, Matematisk
Henrik Bulskov Styltsvig
Matematisk logik Henrik Bulskov Styltsvig Datalogiafdelingen, hus 42.1 Roskilde Universitetscenter Universitetsvej 1 Postboks 260 4000 Roskilde Telefon: 4674 2000 Fax: 4674 3072 www.dat.ruc.dk Disposition
R e g e l f o r m a l i s m e r til b r u g v e d datamatisk lingvistik.
Bente Maegaard, Københavns Universitet, Institut for anvendt og m a t e m a t i s k lingvxstik, Njalsgade 96 2300 K ø b e n h a v n S R e g e l f o r m a l i s m e r til b r u g v e d datamatisk lingvistik.
Beslutningsstøtte og Beslutningstagen i England Vurderingsmetoder brugt i går, i dag og i morgen.
Beslutningsstøtte og Beslutningstagen i England Vurderingsmetoder brugt i går, i dag og i morgen. Decision Support and Decision Making in England Appraisal methods used yesterday, today and tomorrow Maj-Britt
Hvem er vi? Kursus Introduktion. Kursuslærerne. Agenda for i dag
Hvem er vi? Kursus Introduktion Anne Haxthausen ah@imm.dtu.dk Informatics and Mathematical Modelling Technical University of Denmark 100 studerende med forskellig baggrund: software teknologi It og Kom
Skriftlig Eksamen Kombinatorik, sandsynlighed og randomiserede algoritmer (DM528)
Skriftlig Eksamen Kombinatorik, sandsynlighed og randomiserede algoritmer (DM58) Institut for Matematik & Datalogi Syddansk Universitet Torsdag den 7 Januar 010, kl. 9 13 Alle sædvanlige hjælpemidler (lærebøger,
Åben uddannelse, Efterår 1996, Oversættere og køretidsomgivelser
3/10/96 Seminaret den 26/10 vil omhandle den sidste fase af analysen og de første skridt i kodegenereringen. Det drejer sig om at finde betydningen af programmet, nu hvor leksikalsk og syntaktisk analyse
Barnets navn: Børnehave: Kommune: Barnets modersmål (kan være mere end et)
Forældreskema Barnets navn: Børnehave: Kommune: Barnets modersmål (kan være mere end et) Barnets alder: år og måneder Barnet begyndte at lære dansk da det var år Søg at besvare disse spørgsmål så godt
Baggrundsnote om logiske operatorer
Baggrundsnote om logiske operatorer Man kan regne på udsagn ligesom man kan regne på tal. Regneoperationerne kaldes da logiske operatorer. De tre vigtigste logiske operatorer er NOT, AND og. Den første
Center for Statistik. Multipel regression med laggede responser som forklarende variable
Center for Statistik Handelshøjskolen i København MPAS Tue Tjur November 2006 Multipel regression med laggede responser som forklarende variable Ved en tidsrække forstås i almindelighed et datasæt, der
Intro to: Symposium on Syntactic Islands in Scandinavian and English
Intro to: Symposium on Syntactic Islands in Scandinavian and English Ken Ramshøj Christensen Dept. of English, AU Symposium on Syntactic Islands in Scandinavian and English Aarhus University, June 11-12,
Ordbog Biologi Samfundsfag Kemi: Se bilag 1 Matematik: Se bilag 2
Fremstillingsformer Fremstillingsformer Vurdere Konkludere Fortolke/tolke Diskutere Ordbog Biologi Samfundsfag Kemi: Se bilag 1 Matematik: Se bilag 2 Udtrykke eller Vurder: bestemme På baggrund af biologisk
16. december. Resume sidste gang
16. december Resume sidste gang Abstrakt problem, konkret instans, afgørlighedsproblem Effektiv kodning (pol. relateret til binær kodning) Sprog L : mængden af instanser for et afgørlighedsproblem hvor
Skriftlig Eksamen Beregnelighed (DM517)
Skriftlig Eksamen Beregnelighed (DM517) Institut for Matematik & Datalogi Syddansk Universitet Torsdag den 1 November 212, kl. 1 14 Alle sædvanlige hjælpemidler (lærebøger, notater etc.) samt brug af computer
Undervisningsbeskrivelse
Undervisningsbeskrivelse Stamoplysninger til brug ved prøver til gymnasiale uddannelser Termin Maj-juni 2015 Institution VUC Vest Uddannelse Fag og niveau Lærer(e) Hold stx Matematik A Claus Simonsen 14MABA61
The Thesis M.Sc. In Technical IT (Civilingeniør)
27. OCTOBER The Thesis M.Sc. In Technical IT (Civilingeniør) Electrical Engineering and ICT Who are we? Henrik Karstoft (hka@iha.dk) Ingeniørdocent @ASE, Leading the group in Signal Processing and Control@ASE/EICT
Funktionsterminologi
Funktionsterminologi Frank Nasser 12. april 2011 c 2008-2011. Dette dokument må kun anvendes til undervisning i klasser som abonnerer på MatBog.dk. Se yderligere betingelser for brug her. Bemærk: Dette
DATALOGISK INSTITUT, AARHUS UNIVERSITET
DATALOGISK INSTITUT, AARHUS UNIVERSITET Det Naturidenskabelige Fakultet EKSAMEN Grundkurser i Datalogi Antal sider i opgaesættet (incl. forsiden): 7 (sy) Eksamensdag: Mandag den 20. juni 2005, kl. 9.00-13.00
Oversættere Skriftlig eksamen onsdag d. 24. januar 2007
Københavns Universitet Naturvidenskabelig Embedseksamen Oversættere Skriftlig eksamen onsdag d. 24. januar 2007 Eksamenstiden er to timer. Opgavernes vægt i procent er angivet ved hver opgave. Den skriftlige
Funktionsterminologi
Funktionsterminologi Frank Villa 17. januar 2014 Dette dokument er en del af MatBog.dk 2008-2012. IT Teaching Tools. ISBN-13: 978-87-92775-00-9. Se yderligere betingelser for brug her. Indhold 1 Introduktion
Korteste veje. Introduktion Egenskaber for korteste veje Dijkstras algoritme Korteste veje på DAGs. Philip Bille
Korteste veje Introduktion Egenskaber for korteste veje Dijkstras algoritme Korteste veje på DAGs Philip Bille Korteste veje Introduktion Egenskaber for korteste veje Dijkstras algoritme Korteste veje
Spilteori og Terrorisme
Spilteori og Terrorisme UNF Foredrag Thomas Jensen, Økonomisk Institut, KU September 2016 1 / 24 Oversigt Simple matematiske modeller af terrorisme og terrorbekæmpelse Matematisk værktøj: Spilteori Program:
Abstrakte datatyper C#-version
Note til Programmeringsteknologi Akademiuddannelsen i Informationsteknologi Abstrakte datatyper C#-version Finn Nordbjerg 1/9 Abstrakte Datatyper Denne note introducerer kort begrebet abstrakt datatype
Vi har valgt at analysere vores gruppe ud fra belbins 9 grupperoller, vi har følgende roller
Forside Indledning Vi har fået tildelt et skema over nogle observationer af gærceller, ideen ligger i at gærceller på bestemt tidspunkt vokser eksponentielt. Der skal nu laves en model over som bevise
Korteste veje. Introduktion Egenskaber for korteste veje Dijkstras algoritme Korteste veje på DAGs. Philip Bille
Korteste veje Introduktion Egenskaber for korteste veje Dijkstras algoritme Korteste veje på DAGs Philip Bille Korteste veje Introduktion Egenskaber for korteste veje Dijkstras algoritme Korteste veje
Spilteori og Terrorisme
Spilteori og Terrorisme UNF Foredrag Thomas Jensen, Økonomisk Institut, KU September 2016 1 / 24 Oversigt Simple matematiske modeller af terrorisme og terrorbekæmpelse 2 / 24 Oversigt Simple matematiske
Fremstillingsformer i historie
Fremstillingsformer i historie DET BESKRIVENDE NIVEAU Et referat er en kortfattet, neutral og loyal gengivelse af tekstens væsentligste indhold. Du skal vise, at du kan skelne væsentligt fra uvæsentligt
Ja! det beviste vi uge 16+17
Ugens emner Lukketheds- og afgørlighedsegenskaber [5.3-5.5] lukkethed under,,,, * lukkethed under homomorfi og invers homomorfi pumping -lemmaet beslutningsproblemer: membership, emptiness, finiteness
Gödel: Über formal unentschiedbare Sätze der Principia Mathematica und verwandter Systeme I, 1931
Kommentar til 1 Gödel: Über formal unentschiedbare Sätze der Principia Mathematica und verwandter Systeme I, 1931 Denne afhandling af den 24-årige Kurt Gödel er blevet en klassiker. Det er vist den eneste
a. Find ud af mere om sprogteknologi på internettet. Hvad er nogle typiske anvendelser? Hvor mange af dem bruger du i din hverdag?
En computer forstår umiddelbart ikke de sprog vi mennesker taler og skriver. Inden for sprogteknologien (på engelsk: Natural Language Processing eller NLP), der er en gren af kunstig intelligens, beskæftiger
Selvreference i begrænsningsresultaterne
Selvreference i begrænsningsresultaterne Thomas Bolander, IMM, DTU. tb@imm.dtu.dk To pointer: (1) Der skal kun meget lidt udover selvreference til for at få de klassiske logiske begrænsningsresultater.
Studerende: Ole Lund Jensen Dato: Overordnet emne: Symbolske dynamiske systemer.
Specialekontrakt Studerende: Ole Lund Jensen Dato: 27.06.02 Vejleder: Søren Eilers Censor: Anders Jensen 1. Forventet indhold Overordnet emne: Symbolske dynamiske systemer. Hovedfokus: Kvantitativ analyse
Matematikkens metoder illustreret med eksempler fra ligningernes historie. Jessica Carter Institut for Matematik og Datalogi, SDU 12.
illustreret med eksempler fra ligningernes historie Institut for Matematik og Datalogi, SDU 12. april 2019 Matematiklærerdag, Aarhus Universitet I læreplanen for Studieretningsprojektet står: I studieretningsprojektet
Afsnittet er temmelig teoretisk. Er du mere til det praktiske, går du blot til det næste afsnit.
Afsnittet er temmelig teoretisk. Er du mere til det praktiske, går du blot til det næste afsnit. XML (eng. extensible Markup Language) XML er en måde at strukturere data på i tekstform. På samme måde som
Skriftlig Eksamen Algoritmer og Datastrukturer (dads)
Skriftlig Eksamen Algoritmer og Datastrukturer (dads) Datalogisk Institut Aarhus Universitet Onsdag den. august 200, kl. 9.00.00 Opgave (25%) Lad A = A[] A[n] være et array af heltal. Længden af det længste
Opgaver hørende til undervisningsmateriale om Herons formel
Opgaver hørende til undervisningsmateriale om Herons formel 20. juni 2016 I Herons formel (Danielsen og Sørensen, 2016) er stillet en række opgaver, som her gengives. Referencer Danielsen, Kristian og
Sikre Beregninger. Kryptologi ved Datalogisk Institut, Aarhus Universitet
Sikre Beregninger Kryptologi ved Datalogisk Institut, Aarhus Universitet 1 Introduktion I denne note skal vi kigge på hvordan man kan regne på data med maksimal sikkerhed, dvs. uden at kigge på de tal
Databasesystemer. Databaser, efterår Troels Andreasen. Efterår 2002
Databaser, efterår 2002 Databasesystemer Troels Andreasen Datalogiafdelingen, hus 42.1 Roskilde Universitetscenter Universitetsvej 1 Postboks 260 4000 Roskilde Telefon: 4674 2000 Fax: 4674 3072 www.dat.ruc.dk
Om begrebet relation
Om begrebet relation Henrik Stetkær 11. oktober 2005 Vi vil i denne note diskutere det matematiske begreb en relation, herunder specielt ækvivalensrelationer. 1 Det abstrakte begreb en relation Som ordet
The Thesis M.Sc. In Technical IT (Civilingeniør)
27. OCTOBER The Thesis M.Sc. In Technical IT (Civilingeniør) Electrical and Computer Engineering Who am I? Henrik Karstoft (hka@iha.dk) Ingeniørdocent @ ASE, Leading the group in Signal Processing and
Oversættere Skriftlig eksamen onsdag d. 19. april 2006
Københavns Universitet Naturvidenskabelig Embedseksamen Oversættere Skriftlig eksamen onsdag d. 19. april 2006 Eksamenstiden er to timer. Opgavernes vægt i procent er angivet ved hver opgave. Den skriftlige
It og informationssøgning Forelæsning november 2006 Nils Andersen. Regulære udtryk og formelle sprog
It og informationssøgning Forelæsning 11 22. november 2006 Nils Andersen Regulære udtryk og formelle sprog Regulært udtryk Forening, sammenstilling og Kleene-gentagelse Andre notationer og operatorer Modulet
Programmering og Problemløsning, 2017
Programmering og Problemløsning, 2017 Martin Elsman Department of Computer Science University of Copenhagen DIKU September 27, 2017 Martin Elsman (DIKU) Programmering og Problemløsning, 2017 September
LESSON NOTES Extensive Reading in Danish for Intermediate Learners #8 How to Interview
LESSON NOTES Extensive Reading in Danish for Intermediate Learners #8 How to Interview CONTENTS 2 Danish 5 English # 8 COPYRIGHT 2019 INNOVATIVE LANGUAGE LEARNING. ALL RIGHTS RESERVED. DANISH 1. SÅDAN
BRP Tal. Om computer-repræsentation og -manipulation. Logaritmer
BRP 13.9.2006 Tal. Om computer-repræsentation og -manipulation. Logaritmer 1. Opgaverne til i dag dækker det meste af stoffet 2. Resten af stoffet logaritmer binære træer 3. Øvelse ny programmeringsopgave
Oversættere Vejledende løsninger til Skriftlig eksamen onsdag d. 24. januar 2007
Københavns Universitet Naturvidenskabelig Embedseksamen Oversættere Vejledende løsninger til Skriftlig eksamen onsdag d. 24. januar 2007 Eksamenstiden er to timer. Opgavernes vægt i procent er angivet
FORSTÅ FREMTIDEN? 28. november, Anders Kofod-Petersen Vicedirektør, Alexandra Instituttet Professor, NTNU
FORSTÅ FREMTIDEN? 28. november, 2018 @AKofodPetersen Anders Kofod-Petersen Vicedirektør, Alexandra Instituttet Professor, NTNU Alexandra Instituttet er en almennyttig virksomhed, der hjælper offentlige
(INFORMATION TECHNOLOGY)/ (OPTICS AND ELECTRONICS)
MASTER OF SCIENCE IN ENGINEERING (INFORMATION TECHNOLOGY)/ (OPTICS AND ELECTRONICS) INGENIØRDOCENT HEAD OF PROGRAMS UNI VERSITy WHO AM I? Henrik Karstoft (hka@eng.au.dk) Ingeniørdocent @ ASE/ENG, Signal
To the reader: Information regarding this document
To the reader: Information regarding this document All text to be shown to respondents in this study is going to be in Danish. The Danish version of the text (the one, respondents are going to see) appears
Hvad er formel logik?
Kapitel 1 Hvad er formel logik? Hvad er logik? I daglig tale betyder logisk tænkning den rationelt overbevisende tænkning. Og logik kan tilsvarende defineres som den rationelle tænknings videnskab. Betragt
Notat om underleverandører af software til medicinsk udstyr Specielt med fokus på fortolkere, hvor nyt udstyr let kan genereres
December 2018 Notat om underleverandører af software til medicinsk udstyr Specielt med fokus på fortolkere, hvor nyt udstyr let kan genereres Af Carsten Jørgensen FORCE Technology Venlighedsvej 4 2970
Ny Forskning i Grammatik
Ny Forskning i Grammatik Titel: Forfatter: Kilde: URL: Sætningsled Argumenter vs modifikatorer Finn Sørensen P. Durst-Andersen og J. Nørgård-Sørensen (red.). Ny Forskning i Grammatik 2, 1995, s. 41-47
Appendiks 6: Universet som en matematisk struktur
Appendiks 6: Universet som en matematisk struktur En matematisk struktur er et meget abstrakt dyr, der kan defineres på følgende måde: En mængde, S, af elementer {s 1, s 2,,s n }, mellem hvilke der findes
Lineære 1. ordens differentialligningssystemer
enote enote Lineære ordens differentialligningssystemer Denne enote beskriver ordens differentialligningssystemer og viser, hvordan de kan løses enoten er i forlængelse af enote, der beskriver lineære
Algoritmedesign med internetanvendelser ved Keld Helsgaun
Algoritmedesign med internetanvendelser ved Keld Helsgaun 1 Analyse af algoritmer Input Algoritme Output En algoritme er en trinvis metode til løsning af et problem i endelig tid 2 Algoritmebegrebet D.
Vejledende karakterbeskrivelse for Bacheloruddannelsen i Psykologi 2011 studieordningen. 1. september 2011
Vejledende karakterbeskrivelse for Bacheloruddannelsen i Psykologi 2011 studieordningen 1. september 2011 Indledning....3 Niveaumodellen....4 Fagkrav og eksamenspræstationer....5 Bedømmelsesform: 7-trins-skalaen...5
Institut for Datalogi
Institut for Datalogi Instituttet underviser og forsker frem til højeste internationale niveau og har et omfattende samarbejde med erhvervslivet. Et uafhængigt internationalt evalueringspanel har placeret
t a l e n t c a m p d k Matematiske Metoder Anders Friis Anne Ryelund 25. oktober 2014 Slide 1/42
Slide 1/42 Hvad er matematik? 1) Den matematiske metode 2) Hvad vil det sige at bevise noget? 3) Hvor begynder det hele? 4) Hvordan vælger man et sæt aksiomer? Slide 2/42 Indhold 1 2 3 4 Slide 3/42 Mængder
Undervisningsbeskrivelse
Undervisningsbeskrivelse Stamoplysninger til brug ved prøver til gymnasiale uddannelser Termin maj-juni, 2015 Institution Horsens HF og VUC Uddannelse Fag og niveau Lærer(e) Hold Hf/hfe Engelsk C Kirsten
HTX, RTG. Rumlige Figurer. Matematik og programmering
HTX, RTG Rumlige Figurer Matematik og programmering Vejledere: Jørn Christian Bendtsen og Karl G. Bjarnason Morten Bo Kofoed Nielsen & Michael Jokil 10-10-2011 In this assignment we have been working with
Om matematisk logik. Henning Christiansen, Troels Andreasen
Om matematisk logik Henning Christiansen, Troels Andreasen Contents 1 Indledning 3 2 Propositionel logik 5 2.1 Propositionelle logiksprog..................... 5 2.1.1 Syntaks...........................
Euklids algoritme og kædebrøker
Euklids algoritme og kædebrøker Michael Knudsen I denne note vil vi med Z, Q og R betegne mængden af henholdsvis de hele, de rationale og de reelle tal. Altså er { m } Z = {..., 2,, 0,, 2,...} og Q = n
Listen over reserverede ord er meget lang, men de væsentligste vil jeg beskrive her i denne artikel:
Denne guide er oprindeligt udgivet på Eksperten.dk SQL og ASP En artikel omkring simpel SQL og hvordan disse opbygges, udformes og udføres, sådan at man kan få et brugbart resultat i ASP. Dette ligefra
Oversættere. Vejledende løsninger til Skriftlig eksamen onsdag d. 18. april 2007
Københavns Universitet Naturvidenskabelig Embedseksamen Oversættere Vejledende løsninger til Skriftlig eksamen onsdag d. 18. april 2007 Eksamenstiden er to timer. Opgavernes vægt i procent er angivet ved
Vejledning til Projektopgave. Akademiuddannelsen i projektstyring
Vejledning til Projektopgave Akademiuddannelsen i projektstyring Indholdsfortegnelse: Layout af projektopgave!... 3 Opbygning af projektopgave!... 3 Ad 1: Forside!... 4 Ad 2: Indholdsfortegnelse inkl.
3 Stokastiske variable 3.1 Diskrete variable
3 Stokastiske variable 3.1 Diskrete variable Punktsandsnligheden benævnes P(x) = P(X = x). {x, P(x)} er en sandsnlighedsfordeling for den stokastiske variabel, X, hvis 1) P(x) $ 0 for alle værdier af x.
Engelsk. Niveau C. De Merkantile Erhvervsuddannelser September 2005. Casebaseret eksamen. www.jysk.dk og www.jysk.com.
052430_EngelskC 08/09/05 13:29 Side 1 De Merkantile Erhvervsuddannelser September 2005 Side 1 af 4 sider Casebaseret eksamen Engelsk Niveau C www.jysk.dk og www.jysk.com Indhold: Opgave 1 Presentation
dmasark Aflevering - Uge 50
dmasark Aflevering - Uge 50 Michael Lind Mortensen, 20071202, DAT4 Michael Dahl, 20073943, DAT4 Katalog: http://www.daimi.au.dk/ u073943/dmasark/uge6/ 13. december 2007 Indhold 1 PingClient implementation
IFC Egenskaber. Mohammad Hussain Parsianfar s102951 BYG DTU
Mohammad Hussain Parsianfar s102951 Indholdsfortegnelse 1 Introduktion... 3 1.1 Hvorfor er det interessant... 3 1.2 Formål... 4 2 Simplebim... 5 2.1 Præsentation af softwaren... 5 2.1.1 Brugergrænseflade...
Et oplæg til dokumentation og evaluering
Et oplæg til dokumentation og evaluering Grundlæggende teori Side 1 af 11 Teoretisk grundlag for metode og dokumentation: )...3 Indsamling af data:...4 Forskellige måder at angribe undersøgelsen på:...6
IT-udvalgsmøde. med Institutleder Kurt Jensen. Datalogisk Institut, Aarhus Universitet 4. Maj Erik Ernst
IT-udvalgsmøde med Institutleder Kurt Jensen Datalogisk Institut, Aarhus Universitet 4. Maj 2009 - Erik Ernst Oversigt Vigtige emner for udvalget i 2008 Udvalgets sammensætning Kommisorium, mulig opdatering
Skriftlig Eksamen Algoritmer og Datastrukturer (dads)
Skriftlig Eksamen Algoritmer og Datastrukturer (dads) Datalogisk Institut Aarhus Universitet Mandag den 27. maj 2002, kl. 9.00 13.00 Opgave 1 (25%) Denne opgave handler om multiplikation af positive heltal.
Logik. Helge Elbrønd Jensen og Tom Høholdt Fortolket af Michael Elmegård og Øistein Wind-Willassen.
Logik Helge Elbrønd Jensen og Tom Høholdt Fortolket af Michael Elmegård og Øistein Wind-Willassen. 25. juni 2014 2 Indhold 1 Matematisk Logik 5 1.1 Udsagnslogik.................................... 5 1.2
Listen Mr Oxford Don, Additional Work
57 (104) Listen Mr Oxford Don, Additional Work Listen Mr Oxford Don Crosswords Across 1 Attack someone physically or emotionally (7) 6 Someone who helps another person commit a crime (9) 7 Rob at gunpoint
Tilmelding Vigtig information til kandidatstuderende samt bachelorstuderende optaget før 31/ om STADSselvbetjenings-tilmelding
Metafysik og Erkendelsesteori Om kurset Uddannelse Forkortelse Kursustype Tilmelding Filosofi Me Kandidat 1. modul Vigtig information til kandidatstuderende samt bachelorstuderende optaget før 31/8 2012
Multiple Choice Prøver
Teori og Praksis for Multiple Choice Prøver Michael I. Schwartzbach Multiple Choice ved Datalogi Anvendt i mange datalogikurser siden 2006: Oversættelse Databaser Webteknologi Programmingssprog Dynamiske
FACULTY OF SCIENCE :59 COURSE. BB838: Basic bioacoustics using Matlab
FACULTY OF SCIENCE 01-12- 11:59 COURSE BB838: Basic bioacoustics using Matlab 28.03. Table Of Content Internal Course Code Course title ECTS value STADS ID (UVA) Level Offered in Duration Teacher responsible
Om at konvertere PDF - den gode, den dårlige og den forfærdelige metode
Dokumentation Om at konvertere PDF - den gode, den dårlige og den forfærdelige metode Forfatter Leonard Rosenthal PDF Standards Architect, Adobe Inc. Oversættelse Søren Frederiksen / Søren Winsløw DDPFF
Computational Empowerment: at fremme åndsfrihed og medborgerskab i en algoritme-centreret verden
Computational Empowerment: at fremme åndsfrihed og medborgerskab i en algoritme-centreret verden 25.APRIL 2018 PROFESSOR Engagingexperience.dk/Fablearn18.pdf FABLAB@SCHOOL.DK MOD NYE MÅL HVAD? HVORDAN?
DATALOGISK INSTITUT, AARHUS UNIVERSITET. Det Naturvidenskabelige Fakultet EKSAMEN. Grundkurser i Datalogi
DATALOGISK INSTITUT, AARHUS UNIVERSITET Det Naturvidenskabelige Fakultet EKSAMEN Grundkurser i Datalogi Antal sider i opgavesættet (incl. forsiden): 12 (tolv) Eksamensdag: Torsdag den 11. august 2011,
isearch Testsamling til evaluering af integreret søgning
isearch Testsamling til evaluering af integreret søgning Marianne Lykke, Peter Ingwersen, Birger Larsen, Haakon Lund og Toine Bogers DEFF projekt 2008-2009 Dagens emner Projektets formål og problemstilling