Algorytmiczny model uczenia się języka Prezentacja
|
|
- Mikołaj Eugeniusz Kowalik
- 6 lat temu
- Przeglądów:
Transkrypt
1 Nina Gierasimczuk& Jakub Szymanik Algorytmiczny model uczenia się języka Prezentacja Forum Filozoficzne, Lublin 15 maja 2004 Spis treści 1. Wprowadzenie Filozoficznyproblemuczeniasię TezaChurcha-Turinga HierarchiaChomsky ego Językiregularne Strukturanawiasowa Algorytmuczącysięjęzyków Założeniaalgorytmicznegouczeniasię Tablicaobserwacyjna Konstrukcjaautomatuskończonegoprzyużyciutablicyobserwacyjnej AlgorytmL* Uczeniesięjęzykówbezkontekstowych Dygresjasemantyczna Obliczeniaaneurologicznepodłożejęzyka Literatura
2 1. Wprowadzenie 1.1. Filozoficzny problem uczenia się Noam Chomsky Idee i prawdy są nam wrodzone jako skłonności, dyspozycje, nawyki i naturalne potencjalności. Doświadczenie służy wydobywaniu, a nie formowaniu tych wrodzonych struktur. Twórczy aspekt użycia języka. Abstrakcyjność zasad interpretacji zdań. Uniwersalny charakter struktury językowej. W.vO.Quine: Kiedy pierwotny człowiek zaczął rozwijać język, możliwości komunikowania się wzrastały. Język sam tworzył to, do przekazywania czego służył. Model uczenia się języka przez dziecko. Brak danych empirycznych by orzekać o kompetencji. Zbiór zdań danego języka może być generowany przez wiele alternatywnych kompleksów reguł Teza Churcha-Turinga Teza Churcha-Turinga w wersji psychologicznej Mechanizmy obliczeniowe umysłu ludzkiego nie różnią się istotnie(są wzajemnie wielomianowo redukowalne) od mechanizmów obliczeniowych dostępnych urządzeniom liczącym takim jak maszyny Turinga. Teza Edmondsa Praktycznie obliczalne są problemy klasy PTIME czyli takie, dla których istnieje deterministyczna maszyna Turinga działająca w czasie wielomianowym w zależności od długości wejścia Hierarchia Chomsky ego Definicja1.GramatykaG=(A,Σ,S,P),gdzie: A- afabet(terminalny) Σ- zbiór zmiennych(alfabet nieterminalny) S Σ Pskończonyzbiórparpostaciα i β i dlaα i,β i (A Σ). Definicja2.Dlaγ,γ (A Σ) γ G γ wtwistniejąη 1,η 2 orazi=1,...,n,takie,że γ=η 1 α i η 2 orazγ =η 1 β i η 2 Definicja3.γ G γ wtwistniejeciągγ 1,...,γ n (A Σ) taki,żeγ=γ 1,γ =γ n oraz γ i G γ i+1 dlai=1,...,n 1. 2
3 Definicja4.L(G)={γ A :S G γ} Hierarchia Chomsky ego Języki klasy 0 to dowolne języki postaci L(G), tzw. języki rekurencyjnie przeliczalne. Języki klasy 1 są postaci L(G), gdzie wszystkie produkcje gramatyki G są postaci: η 1 Yη 2 G η 1 βη 2 dlay Σ,η 1,η 2,β (A Σ) Języki klasy 2 są postaci L(G), gdzie wszystkie produkcje gramatyki G są postaci: Y G βdlay Σ,β (A Σ) Języki klasy 3 są postaci L(G), gdzie wszystkie produkcje gramatyki G są postaci: Y G αzluby G αdlay,z Σ,α A 1.4. Języki regularne Definicja5.Automatskończony(FA)jestto(A,Q,q s,f,δ),gdzie: A jest alfabetem wejściowym; Q jest skończonym zbiorem stanów; q s Qjestwyróżnionymstanempoczątkowym; F Qjestzbioremstanówakceptujących; δ:q A Qjestfunkcjąprzejścia. Język rozpoznawany(akceptowany) przez FA H to zbiór słów nad alfabetem A, które są akceptowane przez H, czyli: L(H)={w A : δ(q s,w) F}. JęzykL A jestregularny,wtedyitylkowtedy,gdyistniejefah,taki,żel=l(h). a,b Rysunek1.FAakceptująceL 1,L 2 orazl 3. a,b q 1s q 2s q 3s a q 31 b 3
4 Rysunek2.FAakceptującyL 4 ={w A :n a (w) n b (w)(mod2)}. a,b a,b q 4s q Struktura nawiasowa G=(A,Σ,S,P),gdzie: { } A= (,) Σ={S,T} P={S G λ (S) (T),T G λ ST} Rozważmy zdania: 1.Thecatdied. 2.Thecatthedogchaseddied. 3.Thecatthedogtheratbitchaseddied. 4.Thecatthedogtherattheelephantadmiredbitchaseddied. Powyższe zdania są postaci: (nounphrase) n (transitiveverb) n 1 intransitiveverb 2. Algorytm uczący się języków 2.1. Założenia algorytmicznego uczenia się AlgorytmL korzystawistotnysposóbzewskazóweknauczyciela,odpowiadającegona pytania dwóch kategorii: 1. Zapytania o należenie danej struktury do szukanej gramatyki, formalnie: 1 jeśliα L T(α)= 0 jeśliα/ L 2. Zapytania o równoważność struktury wyjściowej algorytmu i struktury szukanej, formalnie: 1 jeślil(m)=l R(M)= 0,α,α L L(M) jeślil(m) L 4
5 2.2. Tablica obserwacyjna Definicja6.Tablicaobserwacyjnajestto(S,E,T),gdzie: 1. S- niepusty skończony zbiór ciągów domknięty na prefiksy; 2. E- niepusty skończony zbiór ciągów domknięty na sufiksy; 3.T-skończonafunkcja((S A) E) {0,1},gdzieT(u)=1 u L. (S, E, T) można przedstawić za pomocą dwuwymiarowej tablicy: 1. Wiersze oznaczone elementami zbioru(s A). 2. Kolumny oznaczone elementami zbioru E. 3. Wartośćwkomórceowspółrzędnych(s,e),gdzies (S A),e E,jestrównaT(s e). 4. Niechs (S A),wtedyrow(s)-wektorzłożonyzwartościT(s e),dlawszystkiche E. Tabela 1. Tablica obserwacyjna T e S s 1(=T(s e)). E ((S A)\S) s 1 Definicja7.Tablicaobserwacyjna(S,E,T)jestdomkniętawtedyitylkowtedy,gdy: t S A s S(row(t)=row(s)) Definicja8.Tablicaobserwacyjna(S,E,T)jestspójnawtedyitylkowtedy,gdy: s 1,s 2 S a A[(row(s 1 )=row(s 2 )) (row(s 1 a)=row(s 2 a))] 2.3. Konstrukcja automatu skończonego przy użyciu tablicy obserwacyjnej AlgorytmL uczącysięgramatykregularnychbędzieużywałtablicyobserwacyjnejdostworzenia hipotezy odpowiedniego automatu skończonego. Definicja 9. Niech(S, E, T) domknięta i spójna tablica obserwacyjna. Możemy zdefiniować automatskończonym(s,e,t)nadalfabetemataki,że: 1.Q={row(s):s S} zbiórstanówautomatum; 2.q s =row(λ) stanpoczątkowyautomatum; 3.F={row(s):s S T(s,λ)=1} zbiórstanówakceptujących; 4.δ(row(s),a)=row(s a) funkcjaprzejściaautomatum. 5
6 Fakt 1. Powyższy automat jest dobrze zdefiniowany. Dowód twierdzenia 1. Stanpoczątkowyq s jestdobrzezdefiniowany,ponieważzbiórs={λ}jestniepusty. 2. ZbiórstanówakceptującychFjestdobrzezdefiniowany,ponieważjeśliistniejąs 1,s 2 S takie,żerow(s 1 )=row(s 2 ),tot(s 1 )=T(s 1 λ)orazt(s 2 )=T(s 2 λ)będąsobierówne. 3. Funkcjaprzejściaδjestdobrzezdefiniowana.Niechs 1,s 2 Stakie,że:row(s 1 )=row(s 2 ). Skoro(S,E,T)jestspójna,todladowolnegoa A,row(s 1 a)=row(s 2 a).ponieważ zaś(s,e,t)jestdomknięta,towartośćtajestrównarow(s)dlapewnegos S. Twierdzenie 1. Jeśli tablica obserwacyjna(s, E, T) jest domknięta i spójna to automat skończonym(s,e,t)skonstruowanyjakwyżejjestzgodnyzeskończonąfunkcjąt.każdyinny automat skończony zgodny z tą funkcją, lecz nierównoważny automatowi M(S, E, T) musi mieć więcj stanów. Lemat1.Niech(S,E,T)-tablicaobserwacyjna,n-liczbaparamiróżnychwektorówrow(s), dlakażdegos S.WtedydowolnyautomatskończonyzgodnyzfunkcjąTmusimiećprzynajmniej n stanów. Z dowodu powyższego lematu wynika, że algorytm kończy obliczenie po najwyżej n zapytaniach o równoważność oraz najpóźniej po n 1. wykonaniu głównej pętli. 6
7 2.4. Algorytm L* begin S:=λ; E:=λ; Zapytanieonależenieλorazkażdegoa A. Konstrukcja początkowej tablicy obserwacyjnej(s, E, T). repeat while(s,e,t)niejestdomkniętalubniejestspójna; if(s,e,t)niejestspójna thenznajdźs 1,s 2 S,a A,e E takie,że: row(s 1 )=row(s 2 )it(s 1 a e) T(s 2 a e); dodajs 1 adozbiorue; rozszerzt do(s A) E używajączapytańonależenie. if(s,e,t)niejestdomknięta thenznajdźs 1 S ia Atakie,że: dladowolnegos S row(s 1 a) row(s); dodajs 1 adozbiorus; rozszerzt do(s A) E używajączapytańonależenie. M:=M(S,E,T) Zapytanie o poprawność M; ifodpowiedź=tak then output:= M; else dodaj kontrprzykład t i wszystkie jego prefiksy do S; rozszerzt do(s A) E używajączapytańonależenie. until(s,e,t)jestdomkniętaispójna; end Twierdzenie 2. Dla dowolnego tzw. minimalnie adekwatnego nauczyciela prezentującego nieznanyregularnyzbióru,algorytml zatrzymujesięorazpodajenawyjściufahizomorficzny z minimalnym FA akceptującym zbiór U. Co więcej, jeśli n jest liczbą stanów minimalnego dla zbioru U FA zaś m jest górnym ograniczeniem długości kontrprzykładów, to całkowity czas działaniaalgorytmul jestwielomianowywzgledemnim. 7
8 Przez osłabianie informacji trenującej można osiągnąć efekty mniej imponujące pod względem niskiej złożoności i elegancji, natomiast jeszcze bardziej interesujące poznawczo. Rezygnacjazzapytańorównoważność.ModyfikacjaalgorytmuL umożliwiającanauczenie się automatu docelowego z dowolnie dużym prawdopodobieństwem pod warunkiem poświęcenia na to dostatecznie dużej liczby obliczeń. Rezygnacjazzapytańorównoważnośćinależenie.ModyfikacjaalgorytmuL umożliwiająca uczenie się na podstawie eksperymentów(inteligentny agent). Nauczenie się automatu dokładnie modelującego identyfikowany system nie jest gwarantowane. 3. Uczenie się języków bezkontekstowych Algorytm uczący się gramatyk bezkontekstowych korzysta z danych strukturalnych nieetykietowanych drzew derywacyjnych danej gramatyki bezkontekstowej. 1. Zbiór drzew derywacyjnych danej gramatyki bezkontekstowej jest regularnym zbiorem drzew. 2. Regularny zbiór drzew to zbiór drzew rozpoznawany przez pewien automat drzewiasty. 3. Procedura tworzenia z drzew derywacyjnych ich opisów strukturalnych zachowuje regularność zbioru. 4. Problem uczenia się gramatyki bezkontekstowej z opisów strukturalnych jest więc redukowany do problemu uczenia się pewnego automatu drzewiastego. Ponadto: Cel nauki: gramatyka bezkontekstowa(nie zaś język bezkontekstowy). Struktura algorytmu: analogiczna do tej dla języków regularnych. 8
9 4. Dygresja semantyczna 1. Każda książka w bibliotece IF UW jest zielona. 2.PewnaksiążkawbiblioteceIFUWjestzielona 3.ConajmniejdwieksiążkiwbiblioteceIFUWsązielone. 4. Większość książek w bibliotece IF UW jest zielona. Rysunek3.M=(U,R 1,R 2 ) RozważmymodelM=(U,R 1,R 2 ),gdzieu={b 1,b 2,b 3,b 4,b 5 }.Modeltenbędziereprezentowałosłowoα M =a 1 a 2 a 4 a 3 a 3 nadalfabetema={a 1,a 2,a 3,a 4 },któremówi,żeelement b 1 S 1 =U (R 1 R 2 ),b 2 S 2 =R 1 R 2,b 3 S 4 =R 1 R 2,ab 4,b 5 S 3 =R 2 R 1. Słowoα M opisujemodelmzdokładnościądoizomorfizmu. Odpowiednialgorytmbędzieakceptowałα M wtedyitylkowtedy,gdywmbędzieprawdziwe zdanie, którego znaczeniem jest ten algorytm. Rysunek4.FAakceptującyL A {a 2 } A a 2 9
10 Rysunek5.FAakceptującyL A {a 4 } A a 4 Rysunek6.FAakceptującyL 2 A {a 4 } A {a 4 } A a 4 a Obliczenia a neurologiczne podłoże języka Twierdzenie 3.(M. Mostowski 1998) Kwantyfikator monadyczny Q jest definiowalny w logicepodzielności L Q jestrozpoznawalnyprzezautomatskończony. Hipoteza: Rozumienie zdań z kwantyfikatorami definiowalnymi w logice podzielności(np. każdy, co najmniej dwa, parzyście wiele) nie angażuje ośrodków mózgu związanych z pamięcią operacyjną(bezpośrednią, krótkotrwałą). Podczas, gdy analiza zdań z kwantyfikatorami nie wyrażalnymi w tej logice(np. większość) wymaga skorzystania z zasobów takiej pamięci. Wstępne wyniki badań neurologicznych: Rozumienie zdań z kwantyfikatorami elementarnymi nie angażuje ośrodków pamięci operacyjnej w stopniu uchwytnym dla procedur neuroobrazowania(fmri). Podczas, gdy analiza zdań z bardziej złożonymi kwantyfikatorami wymaga uaktywnienia ośrodków mózgu związanych z pamięcią operacyjną w stopniu obserwowalnym za pomocą neuroobrazowania. Literatura [1] D. ANGLUIN Learning Regular Sets from Queries and Counterexamples, Information andcomputation75(1987),str [2] P. CICHOSZ Systemy uczące się, Warszawa [3] Y. SAKAKIBARA Learning Context-free Grammars from Structural Data in Polynomial Time, Theoretical Computer Science 75(1990), str [4] J. VAN BENTHEM Essays in Logical Semantics, Reidel Publishing Company, Amsterdam
11 [5] R. CLARK Learning First-Order Quantifiers Denotations. An Essay in Semantic Learnability, IRCS Technical Report 1996, University of Pennsylvania, str , zob. też: fttp://babel.ling.upenn.edu/papers/faculty/robin clark/papers/lfoq.ps [6] C. T. MCMILLAN, R. CLARK et al. Frontal and Parietal Contributions to Generalized Quantifiers, Cognitive Neuroscience Society Annual Meeting, San Francisco 2003, zob. też: fttp:// clark/quantifiermri.pdf [7] M. MOSTOWSKI Computational semantics for monadic quantifiers, Journal of Applied Non-Classical Logics Vol. 8(1998) no
Hierarchia Chomsky ego Maszyna Turinga
Hierarchia Chomsky ego Maszyna Turinga Języki formalne i automaty Dr inż. Janusz Majewski Katedra Informatyki Gramatyka Gramatyką G nazywamy czwórkę uporządkowaną gdzie: G = V skończony zbiór
Bardziej szczegółowoOBLICZENIOWY MODEL ROZUMIENIA
OBLICZENIOWY MODEL ROZUMIENIA KWANTYFIKATORÓW W ŚWIETLE BADAŃ NEUROPSYCHOLOGICZNYCH 3 marca 2007 STRESZCZENIE McMillan et al. (2005) mierzyli aktywność mózgu. Zadania polegały na ocenianiu prawdziwość
Bardziej szczegółowoJęzyki, automaty i obliczenia
Języki, automaty i obliczenia Wykład 12: Gramatyki i inne modele równoważne maszynom Turinga. Wstęp do złożoności obliczeniowej Sławomir Lasota Uniwersytet Warszawski 20 maja 2015 Plan 1 Gramatyki 2 Języki
Bardziej szczegółowoAlgorytmiczne podejście do problemu uczenia się języka
Nina Gierasimczuk Algorytmiczne podejście do problemu uczenia się języka 1. Wstęp W swych pracach Chomsky silnie wiązał dociekania lingwistyczne z psychologią. Adekwatność generatywnego modelu języka uzasadniał
Bardziej szczegółowoObliczenia inspirowane Naturą
Obliczenia inspirowane Naturą Wykład 01 Modele obliczeń Jarosław Miszczak IITiS PAN Gliwice 05/10/2016 1 / 33 1 2 3 4 5 6 2 / 33 Co to znaczy obliczać? Co to znaczy obliczać? Deterministyczna maszyna Turinga
Bardziej szczegółowoMaszyna Turinga języki
Maszyna Turinga języki Teoria automatów i języków formalnych Dr inż. Janusz Majewski Katedra Informatyki Maszyna Turinga (1) b b b A B C B D A B C b b Q Zależnie od symbolu obserwowanego przez głowicę
Bardziej szczegółowoObliczenia inspirowane Naturą
Obliczenia inspirowane Naturą Wykład 01 Od maszyn Turinga do automatów komórkowych Jarosław Miszczak IITiS PAN Gliwice 03/03/2016 1 / 16 1 2 3 Krótka historia Znaczenie 2 / 16 Czego dowiedzieliśmy się
Bardziej szczegółowoAlgorytmiczne podejście do problemu uczenia się języka
Uniwersytet Warszawski Wydział Filozofii i Socjologii Nina Gierasimczuk Nr albumu: 189173 Algorytmiczne podejście do problemu uczenia się języka Praca magisterska na kierunku Filozofia w zakresie Logika
Bardziej szczegółowoJAO - Wprowadzenie do Gramatyk bezkontekstowych
JAO - Wprowadzenie do Gramatyk bezkontekstowych Definicja gramatyki bezkontekstowej Podstawowymi narzędziami abstrakcyjnymi do opisu języków formalnych są gramatyki i automaty. Gramatyka bezkontekstowa
Bardziej szczegółowoJęzyki, automaty i obliczenia
Języki, automaty i obliczenia Wykład 10: Maszyny Turinga Sławomir Lasota Uniwersytet Warszawski 29 kwietnia 2015 Plan Maszyny Turinga (Niedeterministyczna) maszyna Turinga M = (A, Q, q 0, F, T, B, δ) A
Bardziej szczegółowo2.2. Gramatyki, wyprowadzenia, hierarchia Chomsky'ego
2.2. Gramatyki, wyprowadzenia, hierarchia Chomsky'ego Gramatyka Gramatyką G nazywamy czwórkę uporządkowaną G = gdzie: N zbiór symboli nieterminalnych, T zbiór symboli terminalnych, P zbiór
Bardziej szczegółowoJęzyki, automaty i obliczenia
Języki, automaty i obliczenia Wykład 11: Obliczalność i nieobliczalność Sławomir Lasota Uniwersytet Warszawski 6 maja 2015 Plan 1 Problemy częściowo rozstrzygalne 2 Problemy rozstrzygalne 3 Funkcje (częściowo)
Bardziej szczegółowoPsychologiczna adekwatność modelu identyfikowalności w granicy
Nina Gierasimczuk Psychologiczna adekwatność modelu identyfikowalności w granicy W jaki sposób człowiek uczy się swego pierwszego języka? Jak to możliwe, że korzystając ze szczątkowych i często wadliwych
Bardziej szczegółowozłożony ze słów zerojedynkowych o długości co najmniej 3, w których druga i trzecia litera od końca sa
Zadanie 1. Rozważmy jezyk złożony ze słów zerojedynkowych o długości co najmniej 3, w których druga i trzecia litera od końca sa równe. Narysować diagram minimalnego automatu deterministycznego akceptujacego
Bardziej szczegółowoModele Obliczeń. Wykład 1 - Wprowadzenie. Marcin Szczuka. Instytut Matematyki, Uniwersytet Warszawski
Modele Obliczeń Wykład 1 - Wprowadzenie Marcin Szczuka Instytut Matematyki, Uniwersytet Warszawski Wykład fakultatywny w semestrze zimowym 2014/2015 Marcin Szczuka (MIMUW) Modele Obliczeń 2014/2015 1 /
Bardziej szczegółowoGramatyki, wyprowadzenia, hierarchia Chomsky ego. Gramatyka
Gramatyki, wyprowadzenia, hierarchia Chomsky ego Teoria automatów i języków formalnych Dr inŝ. Janusz Majewski Katedra Informatyki Gramatyka Gramatyką G nazywamy czwórkę uporządkowaną gdzie: G =
Bardziej szczegółowoImię, nazwisko, nr indeksu
Imię, nazwisko, nr indeksu (kod) (9 punktów) Wybierz 9 z poniższych pytań i wybierz odpowiedź tak/nie (bez uzasadnienia). Za prawidłowe odpowiedzi dajemy +1 punkt, za złe -1 punkt. Punkty policzymy za
Bardziej szczegółowoJaki język zrozumie automat?
Jaki język zrozumie automat? Wojciech Dzik Instytut Matematyki Uniwersytet Śląski Katowice wojciech.dzik@us.edu.pl 7. Forum Matematyków Polskich, 12-17 września 2016, Olsztyn Prosty Automat do kawy Przemawiamy
Bardziej szczegółowoRozwiązania około dwustu łatwych zadań z języków formalnych i złożoności obliczeniowej i być może jednego chyba trudnego (w trakcie tworzenia)
Rozwiązania około dwustu łatwych zadań z języków formalnych i złożoności obliczeniowej i być może jednego chyba trudnego (w trakcie tworzenia) Kamil Matuszewski 20 lutego 2017 22 lutego 2017 Zadania, które
Bardziej szczegółowoPrzykład: Σ = {0, 1} Σ - zbiór wszystkich skończonych ciagów binarnych. L 1 = {0, 00, 000,...,1, 11, 111,... } L 2 = {01, 1010, 001, 11}
Języki Ustalmy pewien skończony zbiór symboli Σ zwany alfabetem. Zbiór Σ zawiera wszystkie skończone ciagi symboli z Σ. Podzbiór L Σ nazywamy językiem a x L nazywamy słowem. Specjalne słowo puste oznaczamy
Bardziej szczegółowoAutomat ze stosem. Języki formalne i automaty. Dr inż. Janusz Majewski Katedra Informatyki
Automat ze stosem Języki formalne i automaty Dr inż. Janusz Majewski Katedra Informatyki Automat ze stosem (1) dno stosu Stos wierzchołek stosu Wejście # B B A B A B A B a b b a b a b $ q i Automat ze
Bardziej szczegółowoMaszyna Turinga. Algorytm. czy program???? Problem Hilberta: Przykłady algorytmów. Cechy algorytmu: Pojęcie algorytmu
Problem Hilberta: 9 Czy istnieje ogólna mechaniczna procedura, która w zasadzie pozwoliłaby nam po kolei rozwiązać wszystkie matematyczne problemy (należące do odpowiednio zdefiniowanej klasy)? 2 Przykłady
Bardziej szczegółowo10110 =
1. (6 punktów) Niedeterministyczny automat skończony nazwiemy jednoznacznym, jeśli dla każdego akceptowanego słowa istnieje dokładnie jeden bieg akceptujący. Napisać algorytm sprawdzający, czy niedeterministyczny
Bardziej szczegółowoHierarchia Chomsky ego
Hierarchia Chomsky ego Gramatyki nieograniczone Def. Gramatyką nieograniczoną (albo typu 0) nazywamy uporządkowaną czwórkę G= gdzie: % Σ - skończony alfabet symboli końcowych (alfabet, nad którym
Bardziej szczegółowoDopełnienie to można wyrazić w następujący sposób:
1. (6 punktów) Czy dla każdego regularnego L, język f(l) = {w : każdy prefiks w długości nieparzystej należy do L} też jest regularny? Odpowiedź. Tak, jęsli L jest regularny to też f(l). Niech A będzie
Bardziej szczegółowoWykład5,str.1. Maszyny ze stosem ... 1,0 λ r. λ,z λ
Wykład5,str1 p 0,Z 0Z 0,0 00 q λ,z λ r Wykład5,str1 Słowo na wejściu: 0011 część nieprzeczytana Z p 0,Z 0Z 0,0 00 q λ,z λ r Wykład5,str1 Słowo na wejściu: 0011 część nieprzeczytana 0 Z p 0,Z 0Z 0,0 00
Bardziej szczegółowoJęzyki formalne i automaty Ćwiczenia 1
Języki formalne i automaty Ćwiczenia Autor: Marcin Orchel Spis treści Spis treści... Wstęp teoretyczny... 2 Wprowadzenie do teorii języków formalnych... 2 Gramatyki... 5 Rodzaje gramatyk... 7 Zadania...
Bardziej szczegółowoMatematyczne Podstawy Informatyki
Matematyczne Podstawy Informatyki dr inż. Andrzej Grosser Instytut Informatyki Teoretycznej i Stosowanej Politechnika Częstochowska Rok akademicki 2013/2014 Automat ze stosem Automat ze stosem to szóstka
Bardziej szczegółowoMaszyny Turinga i problemy nierozstrzygalne. Maszyny Turinga i problemy nierozstrzygalne
Maszyny Turinga Maszyna Turinga jest automatem ta±mowym, skª da si z ta±my (tablicy symboli) potencjalnie niesko«czonej w prawo, zakªadamy,»e w prawie wszystkich (tzn. wszystkich poza sko«czon liczb )
Bardziej szczegółowoOpisy efektów kształcenia dla modułu
Nazwa modułu: Teoria automatów i języków Rok akademicki: 2013/2014 Kod: AMA-2-044-BS-s Punkty ECTS: 6 Wydział: Matematyki Stosowanej Kierunek: Matematyka Specjalność: (bez wyboru specjalności) Poziom studiów:
Bardziej szczegółowoJęzyki, automaty i obliczenia
Języki, automaty i obliczenia Wykład 9: Własności języków bezkontekstowych Sławomir Lasota Uniwersytet Warszawski 27 kwietnia 2016 Plan 1 Pompowanie języków bezkontekstowych 2 Własności domknięcia 3 Obrazy
Bardziej szczegółowo(j, k) jeśli k j w przeciwnym przypadku.
Zadanie 1. (6 punktów) Rozważmy język słów nad alfabetem {1, 2, 3}, w których podciąg z pozycji parzystych i podciąg z pozycji nieparzystych są oba niemalejące. Na przykład 121333 należy do języka, a 2111
Bardziej szczegółowoTypy algorytmów losowych. ALP520 - Wykład z Algorytmów Probabilistycznych p.2
Typy algorytmów losowych ALP520 - Wykład z Algorytmów Probabilistycznych p.2 Typy algorytmów losowych Las Vegas - zawsze daje prawidłowa odpowiedź (różny czas działania). Przykład: RandQuicksort ALP520
Bardziej szczegółowoMatematyczne podstawy informatyki Mathematical Foundations of Computational Sciences. Matematyka Poziom kwalifikacji: II stopnia
Nazwa przedmiotu: Kierunek: Rodzaj przedmiotu: obowiązkowy dla wszystkich specjalności Rodzaj zajęć: wykład, ćwiczenia Matematyczne podstawy informatyki Mathematical Foundations of Computational Sciences
Bardziej szczegółowo11 Probabilistic Context Free Grammars
11 Probabilistic Context Free Grammars Ludzie piszą i mówią wiele rzeczy, a ich wypowiedzi mają zawsze jakąś określoną strukture i regularność. Celem jest znalezienie i wyizolowanie tego typu struktur.
Bardziej szczegółowoJęzyki formalne i automaty Ćwiczenia 7
Języki formalne i automaty Ćwiczenia 7 Autor: Marcin Orchel Spis treści Spis treści... 1 Wstęp teoretyczny... 2 Automaty... 2 Cechy automatów... 4 Łączenie automatów... 4 Konwersja automatu do wyrażenia
Bardziej szczegółowoZadanie 1. Czy prawdziwa jest następująca implikacja? Jeśli L A jest językiem regularnym, to regularnym językiem jest też. A = (A, Q, q I, F, δ)
Zadanie 1. Czy prawdziwa jest następująca implikacja? Jeśli L A jest językiem regularnym, to regularnym językiem jest też L = {vw : vuw L dla pewnego u A takiego, że u = v + w } Rozwiązanie. Niech A =
Bardziej szczegółowoJak należy się spodziewać, mamy. Zauważmy jednak, że nie zachodzi równość
11. Wykład 11: Rachunek λ. Obliczenia i obliczalność. Rachunek λ jest systemem pozornie bardzo prostym. Abstrakcja i aplikacja wydają się trywialnymi operacjami, i może się zdawać, że niczego ciekawego
Bardziej szczegółowoZadanie 1. (6 punktów) Słowo w nazwiemy anagramem słowa v jeśli w można otrzymać z v poprzez zamianę kolejności liter. Niech
Zadanie 1. (6 punktów) Słowo w nazwiemy anagramem słowa v jeśli w można otrzymać z v poprzez zamianę kolejności liter. Niech anagram(l) = {w : w jest anagaramem v dla pewnego v L}. (a) Czy jeśli L jest
Bardziej szczegółowoJAO - Języki, Automaty i Obliczenia - Wykład 2. JAO - Języki, Automaty i Obliczenia - Wykład 2
Dowodzenie nieregularności języka [lemat o pompowaniu] Jeśli L regularny to istnieje stała c spełniająca : jeżeli z L, z c to istnieje dekompozycja w = u v x tak, że uv i x L dla każdego i 0 [lemat o skończonej
Bardziej szczegółowoO ALGORYTMACH I MASZYNACH TURINGA
O ALGORYTMACH I MASZYNACH TURINGA ALGORYTM (objaśnienie ogólne) Algorytm Pojęcie o rodowodzie matematycznym, oznaczające współcześnie precyzyjny schemat mechanicznej lub maszynowej realizacji zadań określonego
Bardziej szczegółowoSemantyka obliczeniowa dla kwantyfikatorów monadycznych w języku naturalnym
Jakub Szymanik Semantyka obliczeniowa dla kwantyfikatorów monadycznych w języku naturalnym Praca magisterska Instytut Filozofii, Uniwersytet Warszawski Promotor prof. dr hab. Marcin Mostowski Instytut
Bardziej szczegółowoKlasyczne i kwantowe podejście do teorii automatów i języków formalnych p.1/33
Klasyczne i kwantowe podejście do teorii automatów i języków formalnych mgr inż. Olga Siedlecka olga.siedlecka@icis.pcz.pl Zakład Informatyki Stosowanej i Inżynierii Oprogramowania Instytut Informatyki
Bardziej szczegółowoJAO - lematy o pompowaniu dla jezykow bezkontekstowy
JAO - lematy o pompowaniu dla jezykow bezkontekstowych Postać normalna Chomsky ego Gramatyka G ze zbiorem nieterminali N i zbiorem terminali T jest w postaci normalnej Chomsky ego wtw gdy każda produkcja
Bardziej szczegółowoTeoria systemów uczacych się i wymiar Vapnika-Chervonenkisa
Systemy uczace się 2009 1 / 32 Teoria systemów uczacych się i wymiar Vapnika-Chervonenkisa Hung Son Nguyen Wydział Matematyki, Informatyki i Mechaniki Uniwersytet Warszawski email: son@mimuw.edu.pl Grudzień
Bardziej szczegółowoParsery LL(1) Teoria kompilacji. Dr inż. Janusz Majewski Katedra Informatyki
Parsery LL() Teoria kompilacji Dr inż. Janusz Majewski Katedra Informatyki Zadanie analizy generacyjnej (zstępującej, top-down) symbol początkowy już terminale wyprowadzenie lewostronne pierwszy od lewej
Bardziej szczegółowo1 Automaty niedeterministyczne
Szymon Toruńczyk 1 Automaty niedeterministyczne Automat niedeterministyczny A jest wyznaczony przez następujące składniki: Alfabet skończony A Zbiór stanów Q Zbiór stanów początkowych Q I Zbiór stanów
Bardziej szczegółowoDowód probabilistyczny Uwagi do dowodu Bibliografia. Prawo Haczykowe. Łukasz Bieniasz-Krzywiec
09.10.2008 Plan prezentacji 1 Wstęp Diagram Ferrersa Tableau Young a Haczyk (Hook) Twierdzenie Haczykowe 2 3 4 Diagram Ferrersa Wstęp Diagram Ferrersa Tableau Young a Haczyk (Hook) Twierdzenie Haczykowe
Bardziej szczegółowo3.4. Przekształcenia gramatyk bezkontekstowych
3.4. Przekształcenia gramatyk bezkontekstowych Definicje Niech będzie dana gramatyka bezkontekstowa G = G BK Symbol X (N T) nazywamy nieużytecznym w G G BK jeśli nie można w tej gramatyce
Bardziej szczegółowoEfektywność Procedur Obliczeniowych. wykład 5
Efektywność Procedur Obliczeniowych wykład 5 Modele procesu obliczeń (8) Jedno-, wielotaśmowa MT oraz maszyna RAM są równoważne w przypadku, jeśli dany problem jest rozwiązywany przez jeden model w czasie
Bardziej szczegółowoRozwiązania części z około dwustu łatwych zadań z języków formalnych i złożoności obliczeniowej i być może jednego chyba trudnego
Rozwiązania części z około dwustu łatwych zadań z języków formalnych i złożoności obliczeniowej i być może jednego chyba trudnego Kamil Matuszewski 20 lutego 2017 23 marca 2017 Zadania, które zrobiliśmy
Bardziej szczegółowoSystem BCD z κ. Adam Slaski na podstawie wykładów, notatek i uwag Pawła Urzyczyna. Semestr letni 2009/10
System BCD z κ Adam Slaski na podstawie wykładów, notatek i uwag Pawła Urzyczyna Semestr letni 2009/10 Rozważamy system BCD ze stałą typową κ i aksjomatami ω κ κ i κ ω κ. W pierwszej części tej notatki
Bardziej szczegółowoJęzyki formalne i automaty Ćwiczenia 2
Języki formalne i automaty Ćwiczenia 2 Autor: Marcin Orchel Spis treści Spis treści... 1 Wstęp teoretyczny... 2 Metoda brute force... 2 Konwersja do postaci normalnej Chomskiego... 5 Algorytm Cocke a-youngera-kasamiego
Bardziej szczegółowo1. Synteza automatów Moore a i Mealy realizujących zadane przekształcenie 2. Transformacja automatu Moore a w automat Mealy i odwrotnie
Opracował: dr hab. inż. Jan Magott KATEDRA INFORMATYKI TECHNICZNEJ Ćwiczenia laboratoryjne z Logiki Układów Cyfrowych ćwiczenie 207 Temat: Automaty Moore'a i Mealy 1. Cel ćwiczenia Celem ćwiczenia jest
Bardziej szczegółowoAlgorytmy Równoległe i Rozproszone Część X - Algorytmy samostabilizujące.
Algorytmy Równoległe i Rozproszone Część X - Algorytmy samostabilizujące. Łukasz Kuszner pokój 209, WETI http://www.sphere.pl/ kuszner/ kuszner@sphere.pl Oficjalna strona wykładu http://www.sphere.pl/
Bardziej szczegółowoMatematyczne Podstawy Informatyki
Matematyczne Podstawy Informatyki dr inż. Andrzej Grosser Instytut Informatyki Teoretycznej i Stosowanej Politechnika Częstochowska Rok akademicki 2013/2014 Gramatyki bezkontekstowe I Gramatyką bezkontekstową
Bardziej szczegółowoTeoria obliczeń i złożoność obliczeniowa
Teoria obliczeń i złożoność obliczeniowa Kontakt: dr hab. inż. Adam Kasperski, prof. PWr. pokój 509 B4 adam.kasperski@pwr.wroc.pl materiały + informacje na stronie www. Zaliczenie: Egzamin Literatura Problemy
Bardziej szczegółowoLista 5 Gramatyki bezkontekstowe i automaty ze stosem
Uniwersytet Zielonogórski Instytut Sterowania i Systemów Informatycznych Teoretyczne Podstawy Informatyki Lista 5 Gramatyki bezkontekstowe i automaty ze stosem 1 Wprowadzenie 1.1 Gramatyka bezkontekstowa
Bardziej szczegółowoLingwistyka Matematyczna Języki formalne i gramatyki Analiza zdań
Katedra Informatyki Stosowanej Politechnika Łódzka Lingwistyka Matematyczna Języki formalne i gramatyki Analiza zdań dr hab. inŝ. Lidia Jackowska-Strumiłło Historia rozwoju języków programowania 1955 1955
Bardziej szczegółowoMetoda Tablic Semantycznych
Procedura Plan Reguły Algorytm Logika obliczeniowa Instytut Informatyki Plan Procedura Reguły 1 Procedura decyzyjna Logiczna równoważność formuł Logiczna konsekwencja Procedura decyzyjna 2 Reguły α, β,
Bardziej szczegółowoRekurencyjna przeliczalność
Rekurencyjna przeliczalność Jerzy Pogonowski Zakład Logiki Stosowanej UAM www.logic.amu.edu.pl pogon@amu.edu.pl Funkcje rekurencyjne Jerzy Pogonowski (MEG) Rekurencyjna przeliczalność Funkcje rekurencyjne
Bardziej szczegółowoMetoda tabel semantycznych. Dedukcja drogi Watsonie, dedukcja... Definicja logicznej konsekwencji. Logika obliczeniowa.
Plan Procedura decyzyjna Reguły α i β - algorytm Plan Procedura decyzyjna Reguły α i β - algorytm Logika obliczeniowa Instytut Informatyki 1 Procedura decyzyjna Logiczna konsekwencja Teoria aksjomatyzowalna
Bardziej szczegółowoTopologia zbioru Cantora a obwody logiczne
Adam Radziwończyk-Syta Michał Skrzypczak Uniwersytet Warszawski 1 lipca 2009 http://students.mimuw.edu.pl/~mskrzypczak/dokumenty/ obwody.pdf Zbiór Cantora Topologia Definicja Przez zbiór Cantora K oznaczamy
Bardziej szczegółowokomputery? Andrzej Skowron, Hung Son Nguyen Instytut Matematyki, Wydział MIM, UW
Czego moga się nauczyć komputery? Andrzej Skowron, Hung Son Nguyen son@mimuw.edu.pl; skowron@mimuw.edu.pl Instytut Matematyki, Wydział MIM, UW colt.tex Czego mogą się nauczyć komputery? Andrzej Skowron,
Bardziej szczegółowoGramatyki atrybutywne
Gramatyki atrybutywne, część 1 (gramatyki S-atrybutywne Teoria kompilacji Dr inŝ. Janusz Majewski Katedra Informatyki Gramatyki atrybutywne Do przeprowadzenia poprawnego tłumaczenia, oprócz informacji
Bardziej szczegółowoJęzyki formalne i automaty Ćwiczenia 9
Języki formalne i automaty Ćwiczenia 9 Autor: Marcin Orchel Spis treści Spis treści... 1 Wstęp teoretyczny... 2 Maszyna Mealy'ego... 2 Maszyna Moore'a... 2 Automat ze stosem... 3 Konwersja gramatyki bezkontekstowej
Bardziej szczegółowoAnalizator syntaktyczny
Analizator syntaktyczny program źródłowy analizator leksykalny token daj nast. token analizator syntaktyczny drzewo rozbioru syntaktycznego analizator semantyczny kod pośredni tablica symboli Analizator
Bardziej szczegółowoAnaliza leksykalna 1. Teoria kompilacji. Dr inż. Janusz Majewski Katedra Informatyki
Analiza leksykalna 1 Teoria kompilacji Dr inż. Janusz Majewski Katedra Informatyki Zadanie analizy leksykalnej Kod źródłowy (ciąg znaków) Analizator leksykalny SKANER Ciąg symboli leksykalnych (tokenów)
Bardziej szczegółowoTeoria obliczeń czyli czego komputery zrobić nie mogą
Teoria obliczeń czyli czego komputery zrobić nie mogą Marek Zaionc Uniwersytet Jagielloński Materiały do wykładu: P. Odifreddi, Classical Recursion Theory, North Holland 1989. J.H. Hopcroft, J.D. Ullman
Bardziej szczegółowoAUTOMATYKA INFORMATYKA
AUTOMATYKA INFORMATYKA Technologie Informacyjne Sieć Semantyczna Przetwarzanie Języka Naturalnego Internet Edytor Serii: Zdzisław Kowalczuk Inteligentne wydobywanie informacji z internetowych serwisów
Bardziej szczegółowoWstęp do programowania
Wstęp do programowania Złożoność obliczeniowa, poprawność programów Paweł Daniluk Wydział Fizyki Jesień 2013 P. Daniluk(Wydział Fizyki) WP w. XII Jesień 2013 1 / 20 Złożoność obliczeniowa Problem Ile czasu
Bardziej szczegółowoJIP. Analiza składni, gramatyki
JIP Analiza składni, gramatyki Książka o różnych językach i paradygmatach 2 Polecam jako obowiązkową lekturę do przeczytania dla wszystkich prawdziwych programistów! Podsumowanie wykładu 2 3 Analiza leksykalna
Bardziej szczegółowodr hab. Maciej Witek, prof. US MODELE UMYSŁU rok akademicki 2016/2017, semestr letni
dr hab. Maciej Witek, prof. US http://kognitywistyka.usz.edu.pl/mwitek MODELE UMYSŁU rok akademicki 2016/2017, semestr letni Temat 2: Gramatyki Chomsky'ego jako modele umysłu Narodziny kognitywistyki 1957:
Bardziej szczegółowoZŁOŻONOŚĆ OBLICZENIOWA ALGORYTMÓW
ZŁOŻONOŚĆ OBLICZENIOWA ALGORYTMÓW RELACJE MIEDZY KLASAMI ZŁOŻONOŚCI Bartosz Zieliński Katedra Fizyki Teoretycznej i Informatyki Zima 2011-2012 KLASY ZŁOŻONOŚCI KLASE ZŁOŻONOŚCI OPISUJE SIE PODAJAC: Model
Bardziej szczegółowoZ punktu widzenia kognitywisty: język naturalny
Z punktu widzenia kognitywisty: język naturalny Wykład III: Język: od syntaktyki do semantyki (od gramatyki do znaczeń) Gramatyka struktur frazowych GSF to drugi, mocniejszy z trzech modeli opisu języka
Bardziej szczegółowoJęzyki programowania zasady ich tworzenia
Strona 1 z 18 Języki programowania zasady ich tworzenia Definicja 5 Językami formalnymi nazywamy każdy system, w którym stosując dobrze określone reguły należące do ustalonego zbioru, możemy uzyskać wszystkie
Bardziej szczegółowoWstęp do kognitywistyki. Wykład 3: Logiczny neuron. Rachunek sieci neuronowych
Wstęp do kognitywistyki Wykład 3: Logiczny neuron. Rachunek sieci neuronowych Epistemologia eksperymentalna W. McCulloch: Wszystko, czego dowiadujemy się o organizmach wiedzie nas do wniosku, iż nie są
Bardziej szczegółowoObliczanie. dr hab. inż. Joanna Józefowska, prof. PP 1
Obliczanie 1 Obliczanie Co to jest obliczanie? Czy wszystko można obliczyć? Czy to, co intuicyjnie uznajemy za obliczalne można obliczyć za pomocą mechanicznej procedury? 2 Czym jest obliczanie? Dawid
Bardziej szczegółowoZałącznik 2. Symbol efektu obszarowego. Kierunkowe efekty uczenia się (wiedza, umiejętności, kompetencje) dla całego programu kształcenia
Załącznik 2 Opis kierunkowych efektów kształcenia w odniesieniu do efektów w obszarze kształcenia nauk ścisłych profil ogólnoakademicki Kierunek informatyka, II stopień. Oznaczenia efektów obszarowych
Bardziej szczegółowoMetody Kompilacji Wykład 8 Analiza Syntaktyczna cd. Włodzimierz Bielecki WI ZUT
Metody Kompilacji Wykład 8 Analiza Syntaktyczna cd Analiza Syntaktyczna Wstęp Parser dostaje na wejściu ciąg tokenów od analizatora leksykalnego i sprawdza: czy ciąg ten może być generowany przez gramatykę.
Bardziej szczegółowoStruktura danych. Sposób uporządkowania informacji w komputerze.
Struktura danych Sposób uporządkowania informacji w komputerze. Algorytm Skończony, uporządkowany ciąg jasno zdefiniowanych czynności, koniecznych do wykonania pewnego zadania. Al-Khwarizmi perski matematyk
Bardziej szczegółowoJęzyki formalne i automaty Ćwiczenia 4
Języki formalne i automaty Ćwiczenia 4 Autor: Marcin Orchel Spis treści Spis treści... 1 Wstęp teoretyczny... 2 Sposób tworzenia deterministycznego automatu skończonego... 4 Intuicyjne rozumienie konstrukcji
Bardziej szczegółowoAutomaty Büchi ego i równoważne modele obliczeń
Politechnika Krakowska im. Tadeusza Kościuszki Wydział Fizyki, Matematyki i Informatyki Kierunek Matematyka Paulina Barbara Rozwód Automaty Büchi ego i równoważne modele obliczeń praca magisterska studia
Bardziej szczegółowoEfektywna analiza składniowa GBK
TEORETYCZNE PODSTAWY INFORMATYKI Efektywna analiza składniowa GBK Rozbiór zdań i struktur zdaniowych jest w wielu przypadkach procesem bardzo skomplikowanym. Jego złożoność zależy od rodzaju reguł produkcji
Bardziej szczegółowoJęzyki formalne i automaty Ćwiczenia 3
Języki formalne i automaty Ćwiczenia 3 Autor: Marcin Orchel Spis treści Spis treści... 1 Wstęp teoretyczny... 2 Algorytm LL(1)... 2 Definicja zbiorów FIRST1 i FOLLOW1... 3 Konstrukcja tabeli parsowania
Bardziej szczegółowoSztuczna inteligencja i logika. Podsumowanie przedsięwzięcia naukowego Kisielewicz Andrzej WNT 20011
Sztuczna inteligencja i logika. Podsumowanie przedsięwzięcia naukowego Kisielewicz Andrzej WNT 20011 Przedmowa. CZĘŚĆ I: WPROWADZENIE 1. Komputer 1.1. Kółko i krzyżyk 1.2. Kodowanie 1.3. Odrobina fantazji
Bardziej szczegółowoZadanie 1 Przygotuj algorytm programu - sortowanie przez wstawianie.
Sortowanie Dane wejściowe: ciąg n-liczb (kluczy) (a 1, a 2, a 3,..., a n 1, a n ) Dane wyjściowe: permutacja ciągu wejściowego (a 1, a 2, a 3,..., a n 1, a n) taka, że a 1 a 2 a 3... a n 1 a n. Będziemy
Bardziej szczegółowoAlgorytm. a programowanie -
Algorytm a programowanie - Program komputerowy: Program komputerowy można rozumieć jako: kod źródłowy - program komputerowy zapisany w pewnym języku programowania, zestaw poszczególnych instrukcji, plik
Bardziej szczegółowoZLOŻONOŚĆ OBLICZENIOWA - WYK. 2
ZLOŻONOŚĆ OBLICZENIOWA - WYK. 2 1. Twierdzenie Sipsera: Dla dowolnej maszyny M działającej w pamięci S(n) istnieje maszyna M taka, że: L(M) = L(M ), M działa w pamięci S(n), M ma własność stopu. Dowód:
Bardziej szczegółowoDowód pierwszego twierdzenia Gödela o. Kołmogorowa
Dowód pierwszego twierdzenia Gödela o niezupełności arytmetyki oparty o złożoność Kołmogorowa Grzegorz Gutowski SMP II rok opiekun: dr inż. Jerzy Martyna II UJ 1 1 Wstęp Pierwsze twierdzenie o niezupełności
Bardziej szczegółowoWykład 6. Wyszukiwanie wzorca w tekście
Wykład 6 Wyszukiwanie wzorca w tekście 1 Wyszukiwanie wzorca (przegląd) Porównywanie łańcuchów Algorytm podstawowy siłowy (naive algorithm) Jak go zrealizować? Algorytm Rabina-Karpa Inteligentne wykorzystanie
Bardziej szczegółowoMaszyna Turinga (Algorytmy Część III)
Maszyna Turinga (Algorytmy Część III) wer. 9 z drobnymi modyfikacjami! Wojciech Myszka 2018-12-18 08:22:34 +0100 Upraszczanie danych Komputery są coraz szybsze i sprawniejsze. Na potrzeby rozważań naukowych
Bardziej szczegółowoGRAMATYKI BEZKONTEKSTOWE
GRAMATYKI BEZKONTEKSTOWE PODSTAWOWE POJĘCIE GRAMATYK Przez gramatykę rozumie się pewien układ reguł zadający zbiór słów utworzonych z symboli języka. Słowa te mogą być i interpretowane jako obiekty językowe
Bardziej szczegółowo3 Abstrakcyjne kompleksy symplicjalne.
3 Abstrakcyjne kompleksy symplicjalne. Uwaga 3.1. Niech J będzie dowolnym zbiorem indeksów, niech R J = {(x α ) α J J α x α R} będzie produktem kartezjańskim J kopii R, niech E J = {(x α ) α J R J x α
Bardziej szczegółowoSortowanie topologiczne skierowanych grafów acyklicznych
Sortowanie topologiczne skierowanych grafów acyklicznych Metody boolowskie w informatyce Robert Sulkowski http://robert.brainusers.net 23 stycznia 2010 1 Definicja 1 (Cykl skierowany). Niech C = (V, A)
Bardziej szczegółowoUczenie się maszyn. Dariusz Banasiak. Katedra Informatyki Technicznej Wydział Elektroniki
Dariusz Banasiak Katedra Informatyki Technicznej Wydział Elektroniki Machine Learning (uczenie maszynowe, uczenie się maszyn, systemy uczące się) interdyscyplinarna nauka, której celem jest stworzenie
Bardziej szczegółowoAlan M. TURING. Matematyk u progu współczesnej informatyki
Alan M. TURING n=0 1 n! Matematyk u progu współczesnej informatyki Wykład 5. Alan Turing u progu współczesnej informatyki O co pytał Alan TURING? Czym jest algorytm? Czy wszystkie problemy da się rozwiązać
Bardziej szczegółowoEmpiryczne dowody skuteczności dydaktycznej technologii informacyjnych
Komputer w Szkolnym Laboratorium Przyrodniczym Toruń 2013 Empiryczne dowody skuteczności dydaktycznej technologii informacyjnych Skrót (Adresy internetowe, literatura, konferencje, podsumowanie) Maria
Bardziej szczegółowoTuring i jego maszyny
Turing Magdalena Lewandowska Politechnika Śląska, wydział MS, semestr VI 20 kwietnia 2016 1 Kim był Alan Turing? Biografia 2 3 Mrówka Langtona Bomba Turinga 4 Biografia Kim był Alan Turing? Biografia Alan
Bardziej szczegółowoMinimalizacja automatów niedeterministycznych na słowach skończonych i nieskończonych
Szczepan Hummel Minimalizacja automatów niedeterministycznych na słowach skończonych i nieskończonych 24.11.2005 1. Minimalizacja automatów deterministycznych na słowach skończonych (DFA) [HU] relacja
Bardziej szczegółowo