19

Geoinformatik (Fach) / Geosimulation, Datenbanken und weitere Themen (Lektion)

Diese Lektion wurde von jakobdanel erstellt.

Lektion lernen

zurück  |  weiter 1 / 1

• Zelluläre Automaten ZA sind diskrete dynamische Systeme fürdie folgende Aussagen gelten:• Raum, Zeit, Zustände sind diskret• Zellen liegen in regelmäßigem Raster• Zellen haben genau einen von endlichvielen Zuständen• lokale Regeln verändern Zustände vonZellen über die Zeit: Zustand einer Zellehängt nur von eigenem Zustand undZustand der Nachbarzellen im vorherigenZeitschritt ab
• Agenten-Basierte Simulation Def. Ein Agent nimmt die Umgebung durchSensoren wahr und interagiert mit derUmgebung durch Aktuatoren/Effektoren.(Russel & Norvig 1995)• Agent hat eigene Ziele, Agenda, Strategien• Agent ist situiert in Umgebung• Umgebung kann auch Objekte enthalten• Unterschiedliche Agenten-Definitionen inverschiedenen Disziplinen existieren
• Multi-Agenten Simulation/System Multi-Agenten Simulation/System (MAS) besteht aus• Agenten (mit eigenen Zielen / Strategien)• Objekten (Entitäten, die keine Agenten sind)• Umgebung (umschließender Raum)• Kommunikation (Nachrichten und deren Austausch)• MAS können komplexe Zusammenhänge (z.B. Ökosysteme) abbilden
• Datenbanksystem (DBS) verwaltet effizient großeDatenmengen
• Datenbankmanagementsystem (DBMS) Schnittstelle zwischenNutzern und DBs
• Datenbank (DB) strukturierteSammlung von Daten
• Entitäten wohlunterscheidbare Objekte derrealen Welt; mit Eigenschaften oder Attributen
• Domäne Wertebereich eines Attributes
• Entitätstyp/set (Relation) Gruppe ähnlicher,zusammengehörender oder vergleichbarer Entitäten
• Normalform alle Attribute einer Relation haben atomarenWertebereich (keine zusammenges. oder geschachtelten Werte)
• Anzeige
• überwachtes Lernen (supervised learning) ML Vorhersagen bzw. Erkennen,in welche Klasse eine Eingabe einzuordnen ist (z.B. ob ein Photo einGesicht enthält oder nicht, welche Vegetation an einem Ort vorliegt)
• unüberwachtes Lernen (unsupervised learning) ML Erkennen einer Strukturin einer Menge von Daten (z.B. Gruppierung/Clustering ähnlicher Daten)
• Lernen durch Verstärkung (reinforcement learning) ML anhand vonFeedback zu getroffenen Entscheidungen Verhalten verbessern (z.B.abhängig davon, ob ein Spiel gewonnen wurde)
• Mixed Reality (MR) Technologien mit VR-Bezug, die das Verschmelzenbzw. das Verbinden von realen und virtuellen Welten beinhalten
• Augmented Reality (AR) reale Umgebung wird augmentiert (ergänzt) mitvirtuelle (graphische, computer-generierte) Objekte
• Augmented Virtuality (AV) virtuelle Umgebung wird augmentiert (ergänzt)mit Video-“Realität” (die die “reale” Welt darstellt?)
• Virtuelle Realität (Virtual Reality) eine vollständig synthetische Welt
• VR-Umgebung (VR environment) ersenkt Betrachter*in vollständigin eine synthetische Welt (erlaubtalso auch die Interaktion mit ihr)
• 3D-Punktwolken (3D point clouds) • bestehen aus Voxel (3D-Pixel)• werden von verschiedenen Sensoren(Radar, Tiefenkamera) gesammelt• erlauben sehr detaillierte Modellierung derrealen Welt (z.B. Verkehrsschilder,Fassaden, Oberflächen)• erzeugen sehr große Datenmengen• erfordern neue Ansätze/Algorithmen zurBereinigung der Daten, deren Analyse undflüssigen Darstellung

zurück  |  weiter 1 / 1