Autómatos finitos não determinísticos (AFND)
|
|
|
- Emanuel Bergmann Carmona
- 10 Há anos
- Visualizações:
Transcrição
1 Autómatos finitos não determinísticos (AFND) [HMU00](Cap 2.3) Computações não determinísticas: o estado seguinte não é univocamente determinado pelo estado actual.num autómato finito (não-determínistico): dado um estado s e um símbolo a existe um conjunto de estados possíveis seguintes, do qual se pode escolher um novo estado uma palavra é aceite, se começando no estado inicial existe um conjunto de escolhas (caminho) tal que quando acabar de a ler está num estado final. uma palavra é rejeitada se não existe nenhum caminho que leve dum estado inicial a um estado final. Departamento de Ciência de Computadores da FCUP MC Aula 5 1
2 Escolher ou adivinhar e verificar L = {x {0, 1} o quinto símbolo a contar da direita é 1} 0,1 s 0 1 s 1 0,1 s 2 0,1 s 3 0,1 s 4 0,1 s 5 Se x L existe uma escolha que leva à aceitação; se x / L nenhuma escolha leva à aceitação. Facto: existe um autómato finito determinístico que aceita L, mas tem pelo menos 2 5 = 32 estados, pois tem de recordar os últimos 5 símbolos lidos! Departamento de Ciência de Computadores da FCUP MC Aula 5 2
3 AFD e AFND Um autómato finito determinístico é um caso particular dum autómato finito não determinístico. Mas.. As linguagens aceites por autómatos finitos não determinísticos são precisamente as mesmas das aceites por autómatos finitos determinísticos Isto é Para cada autómato finito não determinístico, existe um autómato finito determinístico que aceita a mesma linguagem. Departamento de Ciência de Computadores da FCUP MC Aula 5 3
4 Construção por subconjuntos (informal) Ideia: associar um estado do AFD a cada conjunto de estados em que o AFND pode estar em cada passo da análise duma uma palavra. Estados do AFD: subconjuntos do conjunto de estados do AFND Estado inicial do AFD: conjunto com o estado inicial do AFND Estado final do AFD: qualquer subconjunto de estados que contenha um estado final de AFND Departamento de Ciência de Computadores da FCUP MC Aula 5 4
5 Exemplo L = {x {0, 1} o segundo símbolo a contar da direita é 1} 0,1 s 0 1 s 1 0,1 s 2 Após ler 001 o autómato pode estar em {s 0, s 1 }. O δ do AFD equivalente é definido por: δ 0 1 {s 0 } {s 0 } {s 0, s 1 } {s 1 } {s 2 } {s 2 } {s 2 } {s 0, s 1 } {s 0, s 2 } {s 0, s 1, s 2 } {s 0, s 2 } {s 0 } {s 0, s 1 } {s 1, s 2 } {s 2 } {s 2 } {s 0, s 1, s 2 } {s 0, s 2 } {s 0, s 1, s 2 } Departamento de Ciência de Computadores da FCUP MC Aula 5 5
6 Começando em {s 0 } por transições de 0 e 1 os estados {s 1, s 2 }, {s 1 }, {s 2 } e nunca são atingidos. Assim podemos eliminá-los e simplificar o AFD para: δ 0 1 {s 0 } {s 0 } {s 0, s 1 } {s 0, s 1 } {s 0, s 2 } {s 0, s 1, s 2 } {s 0, s 2 } {s 0 } {s 0, s 1 } {s 0, s 1, s 2 } {s 0, s 2 } {s 0, s 1, s 2 } 0 (01) (00) 0 (10) 1 0 (11) 1 O ADF resultante corresponde precisamente a um que recorda os dois últimos símbolos lidos:{s 0 } (00), {s 0, s 1 } (01), {s 1, s 2 } (10) e {s 0, s 1, s 2 } (11). Departamento de Ciência de Computadores da FCUP MC Aula 5 6
7 Autómato Finito Não Determinístico N = (S, Σ, δ, s 0, F ) S o conjunto finito de estados Σ o alfabeto de símbolos de entrada s 0 S F S o conjunto de estados finais δ uma função de S Σ em P(S), função de transição Departamento de Ciência de Computadores da FCUP MC Aula 5 7
8 N = ({s 0, s 1, s 2 }, {0, 1}, s 0, δ, {s 2 }) 0 1 s 0 {s 0 } {s 0, s 1 } s 1 {s 2 } {s 2 } s 2 0,1 s 0 1 s 1 0,1 s 2 Departamento de Ciência de Computadores da FCUP MC Aula 5 8
9 Extensão da função de transição a palavras Estados onde pode estar após processar uma palavra w Seja δ : S Σ P(S) defini-se δ(s, w) recursivamente por Base. w = ɛ, então δ(s, ɛ) = {s} Indução. se w = xa e δ(s, x) = {p 1,... p k }, então δ(s, xa) = k i=1 δ(p i, a). Isto é, para calcular δ(s, xa), calcula-se δ(s, x) e depois consideram-se todas as transições etiquetadas com a desses estados. Departamento de Ciência de Computadores da FCUP MC Aula 5 9
10 0,1 Processar 0110 em N s 0 1 s 1 0,1 s 2 δ(s 0, ɛ) = {s 0 } δ(s 0, 0) = {s 0 } δ(s 0, 01) = δ(s 0, 1) = {s 0, s 1 } δ(s 0, 011) = δ(s 0, 1) δ(s 1, 1) = {s 0, s 1 } {s 2 } = {s 0, s 1, s δ(s 0, 0110) = δ(s 0, 0) δ(s 1, 0) δ(s 2, 0) = {s 0 } {s 2 } = {s 0, s 2 } Departamento de Ciência de Computadores da FCUP MC Aula 5 10
11 Linguagem aceite por um AFND N aceita x Σ se δ(s 0, x) F L(N) = {x Σ N aceita x, i.e, δ(s 0, x) F } Mostrar que L = {x {0, 1} x termina em 10 ou 11} = L(N) Por indução mutua em: 1. Para todo o w, s 0 δ(s 0, w) 2. s 1 δ(s 0, w) sse w termina em 1 3. s 2 δ(s 0, w) sse w termina em 10 ou 11 Departamento de Ciência de Computadores da FCUP MC Aula 5 11
12 Por indução no comprimento de w: Base. w = ɛ, então δ(s 0, ɛ) = {s 0 }, logo (1) verifica-se. (2) e (3) também se verificam trivialmente. Indução. w = xa, onde a é 0 ou 1, e supõe que (1-3) verificam-se para δ(s 0, x). (1) s 0 δ(s 0, x) e como s 0 δ(s 0, a), então s 0 δ(s 0, w) (2) ( ) Supõe que a = 1, como s 0 δ(s 0, x) e s 1 δ(s 0, 1), então s 1 δ(s 0, w). ( ) Supõe que s 1 δ(s 0, w). Pela tabela, só se pode chegar a s 1 se último símbolo for 1, i.e., w = x1. (3) ( ) Se o penúltimo símbolo é 1, então x termina em 1 e s 1 δ(s 0, x). Mas s 2 δ(s 1, a), logo s 2 δ(s 0, w). ( ) Supõe que s 2 δ(s 0, w). Pela tabela, só se pode chegar a s 2 de s 1 e para tal penúltimo símbolo de w tem de ser 1. Departamento de Ciência de Computadores da FCUP MC Aula 5 12
13 Equivalência entre AFDs e AFNDs Proposição 5.1. Qualquer linguagem que seja reconhecida por um autómato finito determinístico pode ser reconhecida por algum autómato finito não determinístico. Dem: Um AFD A = (S, Σ, δ A, s 0, F ) é equivalente a um AFND N = (S, Σ, δ N, s 0, F ) com δ N (s, a) = {δ A (s, a)}, a Σ, s S. Por indução em w prova-se que δ A (s 0, w) = s sse δ N (s 0, w) = {s} Proposição 5.2. Qualquer linguagem que seja reconhecida por um autómato finito não determinístico pode ser reconhecida por algum autómato finito determinístico. Departamento de Ciência de Computadores da FCUP MC Aula 5 13
14 Construção por subconjuntos (geral) Seja N = (S, Σ, δ N, s 0, F N ) um AFND. Construímos A = (P(S), Σ, δ A, {s 0 }, F A ) onde def δ A (A, a) = = s A δ N (s, a)) F A Lema 5.1. δa ({s 0 }, w) = δ N (s 0, w) def = {A P(S) A F N } Dem: Por indução em w. Base. w = ɛ, por definição, δ N (s 0, ɛ) = {s 0 } e δ A ({s 0 }, ɛ) = {s 0 } Indução. w = xa, onde a é o símbolo final de w. Por hipótese de indução, δa ({s 0 }, x) = δ N (s 0, x). Sejam estes estados {p 1,..., p k }. Departamento de Ciência de Computadores da FCUP MC Aula 5 14
15 Por definição, δn (s 0, w) = k i=1 δ N(p i, a) e δ A ({p 1,..., p k }, a) = k i=1 δ N(p i, a). Então, δ A ({s 0 }, w) = δ A ( δ A ({s 0 }, x), a) = δ A ({p 1,..., p k }, a) = k i=1 δ N(p i, a) = δ N (s 0, w) Dem: [Proposição 5.2] Para x Σ, x L(A) δ A ({s 0 }, x) F A δ A ({s 0 }, x) F N δ N (s 0, x) F N x L(N ) Nota:No pior caso, se o AFND tiver n estados, o menor AFD tem 2 n estados. Mas em muitos casos o AFD e o AFND têm essencialmente o mesmo número de estados, embora o AFD tenha muitas mais transições. Departamento de Ciência de Computadores da FCUP MC Aula 5 15
16 Aplicação: procura de um conjunto de palavras num texto [HMU00] (Cap. 2.4) Suponhamos que temos um conjunto de palavras-chave que pretendemos saber se ocorrem num texto. Para tal podemos fazer um AFND que lê o texto e que entra num estado final se uma das palavras for encontrada. Exemplo 5.1. AFND para reconhecer L = {rede, dedo} Σ 2 r 1 d e 3 d 4 e 5 6 e 7 d 8 o 9 Departamento de Ciência de Computadores da FCUP MC Aula 5 16
17 AFD para reconhecer um conjunto de palavras-chave Agora podemos converter este autómato num AFD usando a construção de subconjuntos. Departamento de Ciência de Computadores da FCUP MC Aula 5 17
18 δ r e d o Σ \ {r, e, d, o} {1} {1, 2} {1} {1, 6} {1} {1} {1, 2} {1, 2} {1, 3} {1, 6} {1} {1} {1, 6} {1, 2} {1, 7} {1, 6} {1} {1} {1, 3} {1, 2} {1} {1, 4, 6} {1} {1} {1, 7} {1, 2} {1} {1, 6, 8} {1} {1} {1, 4, 6} {1, 2} {1, 5, 7} {1, 6} {1} {1} {1, 6, 8} {1, 2} {1, 7} {1, 6} {1, 9} {1} {1, 5, 7} {1, 2} {1} {1, 6, 8} {1} {1} {1, 9} {1, 2} {1} {1, 6} {1} {1} Mas para este tipo de AFND podemos construir sempre um que o AFD equivalente que tenha no máximo o mesmo número de estados: 1. Se s 0 é o estado inicial do AFND, então {s 0 } é um dos estados do AFD 2. Seja s é um estado do AFND acessível de s 0 por um caminho cujos símbolos são a 1 a 2...a m. O AFD contém um estado composto por: s 0, Departamento de Ciência de Computadores da FCUP MC Aula 5 18
19 s e todos os estados acessíveis de s 0 por um caminho etiquetado com sufixos de a 1 a 2...a m. As transições podem ser obtidas pelo método da construção de subconjuntos, ou simplesmente: para cada estado do AFD S = {s 0, t 1,..., t k }, determinar para cada símbolo a 1. se existem transições de t i etiquetadas por a, então S tem uma transição por a para o estado constituído por s 0 e todos os estados destino de transições de t i por a 2. caso contrário, S tem uma transição por a para o estado constituído por s 0 e todos os estado destino de transições de s 0 por a. Exercício 5.1. (a) Usando o método anterior, descreve a construção de AFND que reconhece um conjunto genérico de palavras. Departamento de Ciência de Computadores da FCUP MC Aula 5 19
20 (b) Constrói um AFD equivalente ao dado no exemplo. (c) Escreve um AFND, e um AFD correspondente, para reconhecer ac, bc, dbc em Σ = {a, b, c, d} Departamento de Ciência de Computadores da FCUP MC Aula 5 20
21 Leituras [HMU00] Cap (p [Tom99] (Pág 29-31) Referências [HMU00] John E. Hopcroft, Rajeev Motwani, and Jeffrey D. Ullman. Introduction to Automata Theory, Languages and Computation. Addison Wesley, 2nd edition, [Tom99] Ana Paula Tomás. Apontamentos de modelos de computação. Technical report, Departamento de Ciência de Computadores, FCUP, Departamento de Ciência de Computadores da FCUP MC Aula 5 21
Alfabeto e palavras. Alfabeto conjunto finito de símbolos (Σ).
Alfabeto e palavras Alfabeto conjunto finito de símbolos (Σ). {A,...,Z}, {α, β,... }, {a,b}, {0,1}, ASCII Palavra de Σ sequência finita de símbolos do alfabeto Σ Σ = {a, b} aabba a aaaaaaaa Comprimento
Autómatos de Pilha. Cada transição é caracterizada pelo estado, símbolo que está ser lido e o elemento no topo da pilha. dados de entrada.
Autómatos de Pilha Um autómato de pilha (não determinístico) (AP) é um autómato finito não determinístico com transições ɛ, acrescido de uma memória infinita a pilha mas em que o modo de acesso à informação
Linguagem (formal) de alfabeto Σ
Linguagem (formal) de alfabeto Σ Linguagem é qualquer subconjunto de Σ, i.e. qualquer conjunto de palavras de Σ Σ = {a, b} {aa, ab, ba, bb} ou {x x {a, b} e x = 2} {a, aa, ab, ba, aaa, aab, aba,...} ou
Exercicios. 7.2 Quais das seguintes afirmações são verdadeiras? Justifica. (d) abcd L((a(cd) b) )
Exercicios 7.1 Escreve expressões regulares para cada uma das seguintes linguagens de Σ = {a, b}: (a) palavras com não mais do que três as (b) palavras com um número de as divisível por três (c) palavras
Autómatos de pilha e GIC
Autómatos de pilha e GIC Proposição 17.1. A classe de linguagens aceites por autómatos de pilha está contida na classe das linguagens independentes de contexto. Dem. Seja L uma linguagem independente de
Revisões de Conjuntos
Revisões de Conjuntos {, {a}, {b}, {a, b}} a A a pertence a A, a é elemento de A a {a, b, c} a / A a não pertence a A d / {a, b, c} A B A contido em B, A subconjunto de B x A x B {a, b} {b, c, a} A B A
Outras Máquinas de Turing
Capítulo 10 Outras Máquinas de Turing 10.1. Pequenas variações da TM padrão 10.2. MT s com dispositivos de armazenamento mais complexos 10.3. MT s não-determinísticas 10.4. A Máquina de Turing Universal
As linguagens regulares são I.C Proposição Qualquer linguagem regular é independente de contexto.
As linguagens regulares são I.C Proposição 16.1. Qualquer linguagem regular é independente de contexto. Dem. Seja L Σ uma linguagem regular, e seja r uma expressão regular tal que L = L(r).Por indução
Linguagens recursivamente enumeráveis
Linguagens recursivamente enumeráveis Uma palavra x Σ é aceite por uma máquina de Turing M ( x L(M)) se M iniciando com a palavra x na fita e no estado inicial, pára num estado final. Caso contrário, M
6.3 Equivalência entre Autômatos com Pilha Não-Determinísticos e Gramáticas Livre do Contexto
Capítulo 6. Autômatos com Pilha 6.3 Equivalência entre Autômatos com Pilha Não-Determinísticos e Gramáticas Livre do Contexto Nos exemplos da seção anterior, vimos que os autômatos com pilha existem para
Linguaguens recursivamente enumeráveis e recursivas
Linguaguens recursivamente enumeráveis e recursivas Uma linguagem diz-se recursivamente enumerável (r.e) ou semi-decidível se é aceite por uma máquina de Turing. SD: classe de linguagens recursivamente
Gramáticas ( [HMU00], Cap. 5.1)
Gramáticas ( [HMU00], Cap. 5.1) Vimos que a seguinte linguagem não é regular L = {0 n 1 n n 0} Contudo podemos fácilmente dar uma definição indutiva das suas palavras: 1. ɛ L 2. Se x L então 0x1 L L é
Exemplos de autómatos finitos
Exemplos de utómtos finitos s s 2 reconhece lingugem: {x {, } x termin em e não têm s consecutivos} s s 2 reconhece lingugem {x x {, } e tem como suplvr} Deprtmento de Ciênci de Computdores d FCUP MC Aul
Autómatos Finitos Determinísticos
Ficha 2 Autómatos Finitos Determinísticos 2.1 Introdução Se olharmos, de forma simplificada, para um computador encontramos três componentes principais: a) A unidade de processamento central b) As unidades
Modelagem de uma Vending Machine utilizando um Autômato Finito com Saída
Modelagem de uma Vending Machine utilizando um Autômato Finito com Saída Ailton Sérgio Bonifácio Yandre Maldonado e Gomes da Costa Mestrado em Ciência da Computação - FACCAR/UFRGS [email protected], [email protected]
Compiladores. Análise léxica. Plano da aula. Vocabulário básico. Motivação para análise léxica. Estrutura de um compilador
Estrutura de um compilador Compiladores Análise lexical (1) Expressões Regulares 1 2 Plano da aula 1. Motivação do uso de E.R. e definições Linguagens, tokens, lexemas... 2. Regras de formação e exemplos
Os limites da computação algorítmica
Capítulo 12 Os limites da computação algorítmica 12.1. Problemas que não podem ser resolvidos pelas MT. 12.2. Problemas indecidíveis para LRE 12.3. Problema da correspondência de Post 12.4. Problemas indecidíveis
$XWyPDWRV)LQLWRV'HWHUPLQLVWDV$)' A= (Q, È, G,q 0,F)
&DStWXOR,,$XWyPDWRV)LQLWRV $XWyPDWRV)LQLWRV'HWHUPLQLVWDV$)' 'HILQLomR: Um $XWyPDWR)LQLWR'HWHUPLQLVWD é um quíntuplo ordenado, onde: A= (Q, È, G,q 0,F) Q é um conjunto finito, não vazio, de HVWDGRV, È é
Teoria da Computação Linguagens e Expressões Regulares, Autómatos de Estados Finitos
Teoria da Computação Linguagens e Expressões Regulares, Autómatos de Estados Finitos Simão Melo de Sousa 12 de Outubro de 2011 Conteúdo 1 Linguagens e Expressões Regulares 2 2 Autómatos de Estados Finitos
Linguagem Formais e Autômatos
Linguagem Formais e Autômatos Apresentação da disciplina, metodologia de ensino, conteúdos, avaliações e bibliografia Prof. MSc. Hugo Vieira L. Souza Este documento está sujeito a copyright. Todos os direitos
Computabilidade 2012/2013. Sabine Broda Departamento de Ciência de Computadores Faculdade de Ciências da Universidade do Porto
Computabilidade 2012/2013 Sabine Broda Departamento de Ciência de Computadores Faculdade de Ciências da Universidade do Porto Capítulo 1 Computabilidade 1.1 A noção de computabilidade Um processo de computação
Formas normais. Forma normal de Greibach (FNG) todas as produções são da forma
Formas normais Em muitas aplicações, é útil que as GIC tenham regras de tipos especiais. Para tal é necessário que se possa transformar qualquer gramática numa equivalente (isto é que gere a mesma linguagem)
Problemas decidíveis para LICs
Problemas decidíveis para LICs Dada uma gramática independente de contexto G, L(G) =? Dada uma gramática independente de contexto G, L(G) é finita? Dada uma gramática independente de contexto G, L(G) é
Roteiro da Aula 3. Sintaxe. 2 Exemplos. 4 Propriedades de Fechamento. Teoria da. 116360 Aula 3. Roteiro
636 da Finitos Nãoterminísticos Finitos Não-terminísticos Sintaxe Semântica 2 3 4 5 636 Finitos Nãoterminísticos Sintaxe Semântica Não-terminismo Determinístico Exatamente uma trajetória sobre uma w Σ.
ACH2043 INTRODUÇÃO À TEORIA DA COMPUTAÇÃO. Seção 5.1 Problemas indecidíveis. Slides originais gentilmente cedidos pela Profa. Ariane Machado Lima
ACH2043 INTRODUÇÃO À TEORIA DA COMPUTAÇÃO Seção 5.1 Problemas indecidíveis Slides originais gentilmente cedidos pela Profa. Ariane Machado Lima 1 Na aula passada... A MT é indecidível (usando diagonalização)
Máquinas de Turing. Juliana Kaizer Vizzotto. Disciplina de Teoria da Computação. Universidade Federal de Santa Maria
Universidade Federal de Santa Maria Disciplina de Teoria da Computação Roteiro Definição Formal de Máquina de Turing Mais exemplos Definição Formal de Máquina de Turing Uma máquina de Turing é uma 7-upla,
1 Autómatos finitos deterministas
1 Autómatos finitos deterministas 1.1 Autómato finito determinista Um alfabeto é um conjunto finito. Uma linguagem sobre um alfabeto I é um subconjunto de I. Usa-se simplesmente a designação linguagem
Bases Matemáticas. Aula 2 Métodos de Demonstração. Rodrigo Hausen. v. 2013-7-31 1/15
Bases Matemáticas Aula 2 Métodos de Demonstração Rodrigo Hausen v. 2013-7-31 1/15 Como o Conhecimento Matemático é Organizado Definições Definição: um enunciado que descreve o significado de um termo.
Faculdade de Computação
UNIVERSIDADE FEDERAL DE UBERLÂNDIA Faculdade de Computação Disciplina : Teoria da Computação Professora : Sandra de Amo Solução da Lista de Exercícios n o 6 - Problemas Indecidiveis Exercicio 7-5.5 do
Lógica Computacional
Aula Teórica 3: Sintaxe da Lógica Proposicional António Ravara Simão Melo de Sousa Departamento de Informática, Faculdade de Ciências e Tecnologia, Universidade Nova de Lisboa Departamento de Informática,
Exercícios de Teoria da Computação Autómatos finitos não deterministas
Licenciatura em Engenharia Informática e de Computadores - LEIC Licenciatura em Engenharia de Redes de Comunicações - LERC Exercícios de Teoria da Computação Autómatos finitos não deterministas Secção
Alfabeto, Cadeias, Operações e Linguagens
Linguagens de Programação e Compiladores - Aula 3 1 Alfabeto, Cadeias, Operações e Linguagens 1.Conjuntos Para representar um determinado conjunto é necessário buscar uma notação para representá-lo e ter
Análise e Complexidade de Algoritmos
Análise e Complexidade de Algoritmos Uma visão de Intratabilidade, Classes P e NP - redução polinomial - NP-completos e NP-difíceis Prof. Rodrigo Rocha [email protected] http://www.bolinhabolinha.com
Lista n 0 1 de Exercícios de Teoria da Computação
Lista n 0 1 de Exercícios de Teoria da Computação UFU-Curso de Bacharelado em Ciência da Computação - 7 0 período Profa. Sandra de Amo Exercícios de Revisão : Autômatos e Gramáticas 1. Mostre que a linguagem
Linguagens Livres de Contexto e Autômatos a Pilha (Push- Down) Um Modelo de Computação de Força Intermediária. Gramática Livre de Contexto
LFA - PARTE 2 Linguagens Livres de Contexto e Autômatos a Pilha (Push- Down) Um Modelo de Computação de Força Intermediária João Luís Garcia Rosa LFA-FEC-PUC-Campinas 2002 R. Gregory Taylor: http://starbase.cs.trincoll.edu/~rtaylor/thcomp/
O que queremos. Processamento Estatístico da Linguagem Natural. Parsing Morfológico. Regras Simples. Adicionando palavras. Regras Derivacionais
Processamento Estatístico da Linguagem Natural Aula 5 Professora Bianca (Sala 302 Bloco E) [email protected] http://www.ic.uff.br/~bianca/peln/ O que queremos Algo que faça automaticamente um mapeamento
Diagrama de transição de Estados (DTE)
Diagrama de transição de Estados (DTE) O DTE é uma ferramenta de modelação poderosa para descrever o comportamento do sistema dependente do tempo. A necessidade de uma ferramenta deste tipo surgiu das
Autômatos Finitos Não-Determinísticos para Diagnóstico de Falhas em Sistemas de Potência
Autômatos Finitos Não-Determinísticos para Diagnóstico de Falhas em Sistemas de Potência Ricardo Linden1 Victor Navarro Araújo Lemos da Silva2 Resumo: Este artigo apresenta uma proposta de uma aplicação
Modelos de Computação
Modelos de Computação 2.ano LCC e LERSI URL: http://www.ncc.up.pt/~nam/aulas/0405/mc Escolaridade: 3.5T e 1P Frequência:Semanalmente serão propostos trabalhos aos alunos, que serão entregues nas caixas
Aula 4 Estatística Conceitos básicos
Aula 4 Estatística Conceitos básicos Plano de Aula Amostra e universo Média Variância / desvio-padrão / erro-padrão Intervalo de confiança Teste de hipótese Amostra e Universo A estatística nos ajuda a
Recordamos que Q M n n (R) diz-se ortogonal se Q T Q = I.
Diagonalização ortogonal de matrizes simétricas Detalhes sobre a Secção.3 dos Apontamentos das Aulas teóricas de Álgebra Linear Cursos: LMAC, MEBiom e MEFT (semestre, 0/0, Prof. Paulo Pinto) Recordamos
Capítulo Métodos para transformar gramáticas ái Duas formas Normais (Chomsky e Greibach) ADC/TC/Cap.6/ /LEI/DEIFCTUC 268
Capítulo 6 Simplificação de gramáticas livres de contexto e Formas Normais 61 6.1. Métodos para transformar gramáticas ái 62 6.2. Duas formas Normais (Chomsky e Greibach) 268 6.1. Métodos para transformar
Autômatos a pilha. UFRN/DIMAp/DIM0330 Linguagens formais. David Déharbe. http://www.consiste.dimap.ufrn.br/ david/enseignement/2003.
UFRN/DIMAp/DIM0330 Linguagens formais http://www.consiste.dimap.ufrn.br/ david/enseignement/2003.1/dim0330 1/36 Autômatos a pilha David Déharbe UFRN/DIMAp Campus Universitário, Lagoa Nova, 59072-970 Natal,
Máquinas de Turing: uma introdução
Máquinas de Turing: uma introdução Nelma Moreira Armando Matos Departamento de Ciência de Computadores Faculdade de Ciências, Universidade do Porto email: {nam,acm}@ncc.up.pt 1996 Revisão: Maio 2001 1
Exercícios Teóricos Resolvidos
Universidade Federal de Minas Gerais Instituto de Ciências Exatas Departamento de Matemática Exercícios Teóricos Resolvidos O propósito deste texto é tentar mostrar aos alunos várias maneiras de raciocinar
UNIVERSIDADE DO VALE DO ITAJAÍ PAULO ROBERTO LIMA
UNIVERSIDADE DO VALE DO ITAJAÍ PAULO ROBERTO LIMA UM SOFTWARE EDUCACIONAL PARA CONSTRUÇÃO E VALIDAÇÃO DE FORMALISMOS UTILIZADOS NA GERAÇÃO E RECONHECIMENTO DE SENTENÇAS DE UMA LINGUAGEM REGULAR São José
Complexidade de Algoritmos
Complexidade de Algoritmos Classes de Complexidades de Problemas Prof. Osvaldo Luiz de Oliveira Estas anotações devem ser complementadas por apontamentos em aula. Tempo polinomial Um algoritmo A, com entrada
Estruturas Discretas INF 1631
Estruturas Discretas INF 1631 Thibaut Vidal Departamento de Informática, Pontifícia Universidade Católica do Rio de Janeiro Rua Marquês de São Vicente, 225 - Gávea, Rio de Janeiro - RJ, 22451-900, Brazil
Múltiplos Estágios processo com três estágios Inquérito de Satisfação Fase II
O seguinte exercício contempla um processo com três estágios. Baseia-se no Inquérito de Satisfação Fase II, sendo, por isso, essencial compreender primeiro o problema antes de começar o tutorial. 1 1.
CAP. I ERROS EM CÁLCULO NUMÉRICO
CAP. I ERROS EM CÁLCULO NUMÉRICO 0. Introdução Por método numérico entende-se um método para calcular a solução de um problema realizando apenas uma sequência finita de operações aritméticas. A obtenção
Contagem. George Darmiton da Cunha Cavalcanti CIn - UFPE
Contagem George Darmiton da Cunha Cavalcanti CIn - UFPE Sumário Princípios Básicos de Contagem A Regra do Produto A Regra da Soma O número de subconjuntos de um conjunto finito Princípio da Inclusão-Exclusão
INE5403 FUNDAMENTOS DE MATEMÁTICA DISCRETA
INE5403 FUNDAMENTOS DE MATEMÁTICA DISCRETA PARA A COMPUTAÇÃO PROF. DANIEL S. FREITAS UFSC - CTC - INE Prof. Daniel S. Freitas - UFSC/CTC/INE/2007 p.1/59 2 - FUNDAMENTOS 2.1) Teoria dos Conjuntos 2.2) Números
Dadas a base e a altura de um triangulo, determinar sua área.
Disciplina Lógica de Programação Visual Ana Rita Dutra dos Santos Especialista em Novas Tecnologias aplicadas a Educação Mestranda em Informática aplicada a Educação [email protected] Conceitos Preliminares
Databases. Dependências Funcionais
Databases Dependências Funcionais P. Serendero, 2011-13 Referências e exemplos tirados de diversas fontes, excetuando aqueles relacionados com embarcações Dependências Funcionais (DF) Uma Base de Dados,
Não há 3 sem 2: O Teorema de Sharkovskii
Não há 3 sem 2: O Teorema de Sharkovskii Nuno Mestre Programa Gulbenkian Novos Talentos em Matemática Departamento de Matemática da Universidade de Coimbra 1 ESTRUTURA 1. Introdução 2. Casos p = 2 e p
AULA 6 LÓGICA DOS CONJUNTOS
Disciplina: Matemática Computacional Crédito do material: profa. Diana de Barros Teles Prof. Fernando Zaidan AULA 6 LÓGICA DOS CONJUNTOS Intuitivamente, conjunto é a coleção de objetos, que em geral, tem
Algoritmos não se aprendem: Copiando algoritmos Estudando algoritmos Algoritmos só se aprendem: Construindo algoritmos Testando algoritmos
1. INTRODUÇÃO A ALGORITMOS O uso de algoritmos é quase tão antigo quanto a matemática. Com o passar do tempo, entretanto, ele foi bastante esquecido pela matemática. Com o advento das máquinas de calcular
Fundamentos em Informática (Sistemas de Numeração e Representação de Dados)
1 UNIVERSIDADE DO CONTESTADO / UnC CAMPUS CONCÓRDIA/SC CURSO DE SISTEMAS DE INFORMAÇÃO Fundamentos em Informática (Sistemas de Numeração e Representação de Dados) (Apostila da disciplina elaborada pelo
AMBIENTE DE PROGRAMAÇÃO PYTHON
Computadores e Programação Engª Biomédica Departamento de Física Faculdade de Ciências e Tecnologia da Universidade de Coimbra Ano Lectivo 2003/2004 FICHA 1 AMBIENTE DE PROGRAMAÇÃO PYTHON 1.1. Objectivos
Introdução às Máquinas de Turing (TM)
Comparação com computadores: Introdução às Máquinas de Turing (TM) um modelo matemático simples de um computador Semelhanças: lê e escreve em posições arbitrarias de memoria Diferenças: sem limite no tamanho
Resumo. Sistemas e Sinais Máquinas de Estados Finitos. Máquina de Estados Finitos. Esta Aula
Resumo Sistemas e Sinais Máquinas de Estados Finitos [email protected] Estrutura das máquinas de estados finitos. Diagrama de estados. Tabela de actualização. Máquinas não-determinísticas. Simulação e bi-simulação.
Linguagens Formais e Autômatos (LFA)
INF1626 Linguagens Formais e Autômatos (2013- Linguagens Formais e Autômatos (LFA) Aula de 30/10/2013 Autômatos de Pilha Modelo Conceitual; JFLAP Modelos de Implementação: Ruby Clarisse S. de Souza, 2013
Arquitetura de Rede de Computadores
TCP/IP Roteamento Arquitetura de Rede de Prof. Pedro Neto Aracaju Sergipe - 2011 Ementa da Disciplina 4. Roteamento i. Máscara de Rede ii. Sub-Redes iii. Números Binários e Máscara de Sub-Rede iv. O Roteador
Capítulo 5. Linguagens livres de contexto
Capítulo 5 Linguagens livres de contexto 5.1. Gramáticas livres de contexto 5.2. Parsing e ambiguidade 5.3. CFG e linguagens de programação 221 5.1. 1Gramáticas ái livres de contexto na parte esquerda
A lógica de programação ajuda a facilitar o desenvolvimento dos futuros programas que você desenvolverá.
INTRODUÇÃO A lógica de programação é extremamente necessária para as pessoas que queiram trabalhar na área de programação, seja em qualquer linguagem de programação, como por exemplo: Pascal, Visual Basic,
Seja uma rede de Petri definida pela tripla (L, T, A), e por sua marcação inicial M 0.
AULA 22 ESTUDO E APLICAÇÕES DAS REDES DE PETRI COMO MECANISMO DE DESCRIÇÃO DE SISTEMAS. 6. Propriedades das redes Seja uma rede de Petri definida pela tripla (L, T, A), e por sua marcação inicial M 0.
Resolução de problemas e desenvolvimento de algoritmos
SSC0101 - ICC1 Teórica Introdução à Ciência da Computação I Resolução de problemas e desenvolvimento de algoritmos Prof. Vanderlei Bonato Prof. Cláudio Fabiano Motta Toledo Sumário Análise e solução de
1 Máquina URM, comandos e programas URM
1 Máquina URM, comandos e programas URM Definição 1 : Máquina URM (Unlimited Register Machine) Uma máquina URM é constituída por uma sucessão de registos 2 < R i > i IN. Cada registo pode conter um valor
A ideia de coordenatização (2/2)
8 a : aula (1h) 12/10/2010 a ideia de coordenatização (2/2) 8-1 Instituto Superior Técnico 2010/11 1 o semestre Álgebra Linear 1 o ano das Lics. em Engenharia Informática e de Computadores A ideia de coordenatização
Linguagens Formais e Autômatos. Alfabetos, Palavras, Linguagens e Gramáticas
Linguagens Formais e Autômatos Alfabetos, Palavras, Linguagens e Gramáticas Cristiano Lehrer, M.Sc. Introdução (1/3) A Teoria das Linguagens Formais foi originariamente desenvolvida na década de 1950 com
COMPILADORES E INTERPRETADORES
Aula 16 Arquitetura de Computadores 12/11/2007 Universidade do Contestado UnC/Mafra Curso Sistemas de Informação Prof. Carlos Guerber COMPILADORES E INTERPRETADORES Um compilador transforma o código fonte
Breve referência à Teoria de Anéis. Álgebra (Curso de CC) Ano lectivo 2005/2006 191 / 204
Breve referência à Teoria de Anéis Álgebra (Curso de CC) Ano lectivo 2005/2006 191 / 204 Anéis Há muitos conjuntos, como é o caso dos inteiros, dos inteiros módulo n ou dos números reais, que consideramos
Aula 2 Modelo Simplificado de Computador
Aula 2 Modelo Simplificado de Computador Um computador pode ser esquematizado de maneira bastante simplificada da seguinte forma: Modelo Simplificado de Computador: Memória Dispositivo de Entrada Processador
Só Matemática O seu portal matemático http://www.somatematica.com.br FUNÇÕES
FUNÇÕES O conceito de função é um dos mais importantes em toda a matemática. O conceito básico de função é o seguinte: toda vez que temos dois conjuntos e algum tipo de associação entre eles, que faça
Cálculo das Probabilidades e Estatística I
Cálculo das Probabilidades e Estatística I Prof a. Juliana Freitas Pires Departamento de Estatística Universidade Federal da Paraíba - UFPB [email protected] Introdução a Probabilidade Existem dois tipos
Aula 2 Modelagem de Sistemas. Introdução Modelo de Base Lógica de 1ª Ordem. Concorrentes
Aula 2 Modelagem de Sistemas Introdução Modelo de Base Lógica de 1ª Ordem Concorrentes 1 Aula 2 Modelagem de Sistemas Introdução Modelo de Base Lógica de 1ª Ordem Concorrentes 2 Constituição dos Sistemas
ALGORITMOS PARTE 01. Fabricio de Sousa Pinto
ALGORITMOS PARTE 01 Fabricio de Sousa Pinto Algoritmos: Definição 2 É uma sequência de instruções finita e ordenada de forma lógica para a resolução de uma determinada tarefa ou problema. Algoritmos 3
Um software para auxílio a aprendizagem de Linguagens Regulares
Um software para auxílio a aprendizagem de Linguagens Regulares Marlon José Dognini [email protected] André Luís Alice Raabe [email protected] Ciência da Computação - CTTMar - Universidade do Vale
Faculdade de Computação
UNIVERSIDADE FEDERAL DE UBERLÂNDIA Faculdade de Computação Disciplina : Teoria da Computação Professora : Sandra Aparecida de Amo Lista de Exercícios n o 2 Exercícios sobre Modelos de Máquinas de Turing
Eventos independentes
Eventos independentes Adaptado do artigo de Flávio Wagner Rodrigues Neste artigo são discutidos alguns aspectos ligados à noção de independência de dois eventos na Teoria das Probabilidades. Os objetivos
Notas de Aula 04: Casos de uso de um sistema
Notas de Aula 04: Casos de uso de um sistema Objetivos da aula: Aprender os elementos básicos da modelagem por casos de uso Utilizar as associações entre casos de uso, atores e demais artefatos Compreender
Matemática Discreta para Computação e Informática
Matemática Discreta para Computação e Informática P. Blauth Menezes [email protected] Departamento de Informática Teórica Instituto de Informática / UFRGS Matemática Discreta para Computação e Informática
Projeto da Disciplina Parte1: Estudo de Viabilidade. Um Estudo de Viabilidade
Projeto da Disciplina Parte1: Estudo de Viabilidade ENTREGA: 09/04/09 Professor: Carlos José Maria Olguin Um Estudo de Viabilidade Você deve fazer um estudo de viabilidade para um projeto de sistema de
Árvores de Suporte de Custo Mínimo
Árvores de Suporte de Custo Mínimo Pedro Ribeiro DCC/FCUP 2014/2015 Pedro Ribeiro (DCC/FCUP) Árvores de Suporte de Custo Mínimo 2014/2015 1 / 28 Árvore de Suporte Uma árvore de suporte ou árvore de extensão
Análise e Projeto de Algoritmos
Análise e Projeto de Algoritmos Prof. Eduardo Barrére www.ufjf.br/pgcc www.dcc.ufjf.br [email protected] www.barrere.ufjf.br Complexidade de Algoritmos Computabilidade: Um problema é computável
Aula 13 Técnicas de Integração
Aula 13 Técnicas de Integração Objetivos da Aula Estudar técnicas especiais de integração: integração por substituição e por partes, mostrando que estes processos são ferramentas poderosas para facilitar
