AUTÓMATAS PROBABILÍSTICOS O ESTOCÁSTICOS

Documentos relacionados
Autómatas Deterministas. Ivan Olmos Pineda

Autómatas de Pila y Lenguajes Incontextuales

TEORÍA DE AUTÓMATAS Y LENGUAJES FORMALES

El Autómata con Pila

6. Autómatas a Pila. Grado Ingeniería InformáDca Teoría de Autómatas y Lenguajes Formales

Autómatas Finitos y Lenguajes Regulares

Máquinas Secuenciales, Autómatas y Lenguajes. Tema 3.1: Autómatas Finitos Deterministas

Generación de variables aleatorias continuas Método de la transformada inversa

Un autómata con pila no determinista (APND) es una septupla Q A B F en la que

Ejercicios sobre probabilidades y entropías

TEORÍA DE AUTÓMATAS Y LENGUAJES FORMALES Práctica 3

Temas. Objetivo. Que el estudiante logre: 1) Identificar conceptos constructivos de la Teoría de la Computabilidad. 2) Definir autómatas de pila.

Equivalencia Entre PDA y CFL

TALLER 1 DE ALGEBRA LINEAL Y GEOMETRÍA INGENIERÍA AMBIENTAL - UNIVERSIDAD DE CÓRDOBA FACTORIZACIÓN LU Y CADENAS DE MARKOV

Tema 6: Programación Lógica: semántica declarativa. Lenguajes y Paradigmas de Programación

UNIDAD V: ARR R EGL G OS O BIDI D MENS N IONALE L S

Tema: Autómata de Pila

Clase 08: Autómatas finitos

Clase 17: Autómatas de pila

PROGRAMA INSTRUCCIONAL AUTOMATAS Y LENGUAJES FORMALES

CONTENIDOS. 1. Procesos Estocásticos y de Markov. 2. Cadenas de Markov en Tiempo Discreto (CMTD) 3. Comportamiento de Transición de las CMTD

AUTÓMATAS DE PILA Y LENGUAJES INDEPENDIENTES DEL CONTEXTO

Unidad 4. Autómatas de Pila

Lenguajes y Gramáticas

Autómatas Mínimos. Encontrar el autómata mínimo. Universidad de Cantabria. Introducción Minimización de Autómatas Deterministas Resultados Algoritmo

Ciencias de la Computación I

PROCESOS ESTOCÁSTICOS

Inducción en definiciones y demostraciones AUTÓMATAS Y LENGUAJES FORMALES PRELIMINARES MATEMÁTICOS. Números naturales. Inducción matemática

PONTIFICIA UNIVERSIDAD CATOLICA DEL ECUADOR FACULTAD DE INGENIERIA ESCUELA DE INGENIERIA DE SISTEMAS

Traductores Push Down para Gramáticas LL

Simulación I. Investigación Operativa, Grado en Estadística y Empresa, 2011/12

Finanzas. Sesión 6 Tema 15: Punto de Equilibrio. Escuela Profesional de Ingeniería de Sistemas e Informática

Computabilidad y Lenguajes Formales: Autómatas de Pila

Lenguajes (gramáticas y autómatas)

El Autómata con Pila: Transiciones

Probabilidad II Algunas distribuciones notables. Antonio Cuevas Departamento de Matemáticas Universidad Autónoma de Madrid

TEMA 5. GRAMÁTICAS REGULARES.

Autómatas finitos no deterministas (AFnD)

Tema 5 Algunas distribuciones importantes

Teoría de Lenguajes y Autómatas Conceptos y teoremas fundamentales

5 Autómatas de pila 5.1 Descripción informal. 5.2 Definiciones

Autómatas y Lenguajes Formales. Tema 3.2: Autómatas Finitos No Deterministas. Luis Peña luis.pena@urjc.es

Teoría de Lenguajes. Clase Teórica 7 Autómatas de Pila y Lenguajes Independientes del Contexto Primer cuartimestre 2014

Sistemas de ecuaciones lineales 4

Unidad V. 5.1 Recta tangente y recta normal a una curva en un punto. Curvas ortogonales.


INFERENCIA ESTADISTICA

Tema II: Aplicaciones lineales

SISTEMAS DE ECUACIONES LINEALES. Método de reducción o de Gauss. 1º DE BACHILLERATO DPTO DE MATEMÁTICAS COLEGIO MARAVILLAS AUTORA: Teresa González.

Electromagnetismo I. Semestre: TAREA 1 Y SU SOLUCIÓN Dr. A. Reyes-Coronado

50 CAP. I. CONJUNTOS, APLICACIONES Y RELACIONES. Ejercicio Dados los conjuntos: Determinar los siguientes conjuntos: Se tiene:

MODELADO Y SIMULACIÓN. Febrero de Primera semana

GRAMATICAS LIBRES DEL CONTEXTO

1.- Construye la tabla de frecuencias para las notas de una prueba de las 44 alumnas de un curso. 6,8 3,2 6,0 3,4 6,5 3,7 7,0 5,0 6,3 3,8 2,8

JORNADA TÉCNICA La aplicación efectiva de los Valores Límite ".

GEOMETRÍA EN EL ESPACIO.

Capítulo 2 Juegos estáticos con información asimétrica

Algoritmos. Medios de expresión de un algoritmo. Diagrama de flujo

Cuánto dura un partido de tenis? (Aplicación estocástica)

Teorema Central del Límite (1)

VECTORES: MOMENTOS ( 2 2L 2, 0, 2L ) El vector

Introducción a los Autómatas Finitos

1 Curvas planas. Solución de los ejercicios propuestos.

Sentido de recorrido. q i

Algebra lineal y conjuntos convexos

Proceso de llegadas de Poisson

TEORÍA DE AUTÓMATAS Y LENGUAJES FORMALES Grado en Ingeniería Informática Online, Curso Universidad Rey Juan Carlos

ENERGÍA DE DEFORMACIÓN DE UNA ESTRUCTURA

1.1 CASO DE ESTUDIO: JUEGO DE CRAPS

Expresiones regulares, gramáticas regulares

PROCESOS DE MARKOV. Definiciones en los Procesos de Markov de Primer Orden:

TEMA 3: Inspección Estadística por Variables

GEOMETRÍA: ESPACIO AFÍN

ESCUELA: UNIVERSIDAD DEL ISTMO

y cualquier par (x, y) puede escalarse, multiplicarse por un número real s, para obtener otro vector (sx, sy).

TEMA 3.- El analizador sintáctico

Texto: Hopcroft, J. E., Motwani, R., Ullman, J.D., Introduction to Automata Theory, Languajes, and Computation. 3rd Edition. Addison Wesley, 2007.

Clasificación de sistemas

Sistem as de ecuaciones lineales

Capítulo 7: Expresiones Regulares

Tema 5: Sistemas de ecuaciones lineales.

Modelos Estocásticos I Tercer Examen Parcial Respuestas

Introducción a los códigos compresores

Máquinas Secuenciales, Autómatas y Lenguajes Formales. Tema 4: Autómatas finitos deterministas. Holger Billhardt holger.billhardt@urjc.

Expresiones Regulares y Derivadas Formales

cadenas de Markov tienen la propiedad de que la probabilidad de que X n = j sólo depende

Polinomios y Estadística

Tema 4: Probabilidad y Teoría de Muestras

Sistemas de Ecuaciones Lineales

Notación Asintótica 2

Clase 09: AFN, AFD y Construcción de Thompson

Lenguajes Formales. 27 de octubre de 2005

Teoría de Lenguajes. Teoría de la Programación I

TEMA 8:ELECTROSTATICA

Inteligencia de enjambres

TEMA 6 Ejercicios / 3

ANALISIS DE FRECUENCIA

Percentil q (p q ) Si en este conjunto de valores se quiere encontrar el percentil 20, la solución gráfica es muy simple

Esta expresión polinómica puede expresarse como una expresión matricial de la forma; a 11 a 12 a 1n x 1 x 2 q(x 1, x 2,, x n ) = (x 1, x 2,, x n )

1. Objetivos. 2. Idea Principal. Teoría de Autómatas y Lenguajes Formales. Boletín de Autoevaluación 3: Cómo se minimiza un AFD?.

Transcripción:

AUTÓMATAS PROBABILÍSTICOS O ESTOCÁSTICOS Autómatas Probabilísticos En su funcionamiento interviene el concepto de probabilidad, asociada a que se produzca una determinada transición. Son autómatas finitos en los que las transiciones entre estados a partir de símbolos de entrada pueden no producirse de forma segura (probabilidad 1) sino que existe una determinada probabilidad asociada a que se produzca la transición. No se habla del estado en el que se encuentra el autómata en un determinado instante, sino de la probabilidad de que se encuentre en cada uno de los estados del autómata. Aplicaciones reales basadas en comportamientos probabilísticos de transición, pej. Movimiento de robots, reconocimiento de voz, lenguaje natural, etc.

Definición AFP (Σ, Q, M, P(0), F), es una quíntupla Σ: alfabeto de entrada Q: conjunto de estados, finito y no vacío M: conjunto de matrices de probabilidad de transición entre estados. M {Ma a Σ}, Ma contiene las probabilidades de transición de un estado a otro cuando se recibe el símbolo a. Para cada símbolo del alfabeto, existe una matriz de probabilidades P(0): vector de estado inicial: contiene la probabilidad de encontrarse en el estado inicial. Cada estado de Q tiene asociada una probabilidad de ser el estado inicial F Q: Conjunto de estados finales o de aceptación (no vacío). Matrices de Probabilidad de Transición Por cada símbolo a de Σ se define una matriz de probabilidad de transición, M(a), que define la probabilidad de dado que el autómata se encuentre en un determinado estado y reciba el símbolo de entrada a, transite a cada uno de los demás estados. p11 p12... p1n a Σ, M(a) p21 p22... P2n......... donde: pn1 pn2...pnn n: número de estados: Q pij: probabilidad de que estando en el estado i y recibiendo una a como entrada, transite al estado j. 0 Pij 1 n para cada estado i, se cumple: pij 1 j 1

Vectores de estados P(t) es el vector de estados en un instante t. Indica la probabilidad de cada estado en el instante t Tiene una componente para cada estado del AFP. P(t) (P1(t),..., Pn(t)), para un AFP con n estados Cada Pi(t) es la probabilidad de que el AFP se encuentre en el estado i. n Se cumple: pi 1, t i 1 La probabilidad de que el AFP se encuentre en el instante t+1 en el estado i, si el símbolo que se lee es a, deberá considerar la suma de las probabilidades de llegar a i desde cada uno de los j posibles: n j Pi( t + 1) pj( t) xmji( a) 1 Para el vector completo: P ( t + 1) P( t) xm ( a) AF Probabilísticos. Ejemplo Según los valores de M(a) y M(b) (I): M (a) M (b) 1 0 0 1 P pp 1 p q P qq 1 t 0, P(0) {Pp(0) Pq(0)} t 1, a la llegada de una a o una b : P(1) {Pp(0) x 1 + Pq(0) x 0 Pp(0)x 0+ Pq(0) x 1} {Pp(1) Pq(1)}

AF Probabilísticos. Ejemplo Según los valores de M(a) y M(b) (II): M (a) M (b) 0 1 1 0 P pq 1 p q P qp 1 t 0, P(0) {Pp(0) Pq(0)} t 1, a la llegada de una a o una b : P(1) {Pp(0) x 0 + Pq(0) x 1 Pp(0)x 1+ Pq(0) x 0} {Pq(1) Pp(1)} AF Probabilísticos. Ejemplo Según los valores de M(a) y M(b) (III): M (a) M (b) 0.5 0.5 0.5 0.5 P pq 0.5 P pp 0.5 p q P qq 0.5 P qp 0.5 t 0, P(0) {Pp(0) Pq(0)} t 1, a la llegada de una a o una b : P(1) {Pp(0) x 0.5 + Pq(0) x 0.5 Pp(0)x 0.5+ Pq(0) x 0.5} {Pp(1) Pq(1)}

AF Probabilísticos. Ejemplo Sea el AFP, AFP1 ({0,1}, {q 1, q 2, q 3 }, M, (1/3 1/3 1/3), {q 3 }), donde M {M(0), M(1)} 1/3 1/3 1/3 M (0) 1/2 0 1/2 y M(1) 0 1 0 1/2 1/2 0 1/3 2/3 0 0 0 1 Si P(0) (1/3 1/3 1/3) y se recibe un 0, escribir P(1). P(1) {P 1 (1) P 2 (1) P 3 (1)} 3 P 1 (1) (0) x j 1P j M j (0) 1/ 3x 1/ 3 + 1/ 3x 1/ 2 + 1/ 3x0 5/18 1 3 P 2 (1) (0) x j 1P j M (0) 1/ 3x 1/ 3 + 1/ 3x0 + 1/ 3x1 4 / 9 2 j 3 P 3 (1) (0) x j 1P j M (0) 1/ 3x 1/ 3 + 1/ 3x 1/ 2 + 1/ 3x0 5/18 2 j P(1) (5/18 4/9 5/18), por lo que en el instante t1, el estado más probable es q 2 Lenguaje aceptado por un AFP Sea el AFP (Σ, Q, M, P(0), F, Θ), donde Θes un umbral con valores entre 0 y 1. Se recibe la palabra x a 1 a 2...a p El vector de estados en el instante p será: P(p) P(0) x M(a1) x M(a 2 ) x... x M(a p ) P(1) P(2)... Desde el estado inicial con x El lenguaje aceptado por el AFP es: L {x x Σ + y Pf(x) Θ} siendo Pf(x): probabilidad del estado final Una palabra es aceptada por un AFP cuando la probabilidad del estado final, una vez calculado el vector de estados, es Θ

Lenguaje aceptado por un AFP. Ej En el APF1 anterior, calcular el vector de estados P(x) al recibir la palabra x 01 y decir si sería aceptada por el AFP1. P(01) P(0) x M(0) x M(1) 1/3 1/3 1/3 1/2 1/2 0 1/2 1/2 0 (1/3 1/3 1/3) x 1/2 0 1/2 x 1/3 2/3 0 (5/18 4/9 5/18) x 1/3 2/3 0 0 1 0 0 0 1 0 0 1 (31/108 47/108 5/18) Para Θ 1/2 la palabra x 01 no sería aceptada Pf 5/18 < 0.5 Para Θ 1/4 la palabra x 01 sería aceptada Pf 5/18 0.28 > 0.25 El lenguaje aceptado depende del umbral, Θ AFD s como AFP s Se pueden ver los AFD s como un caso particular de AFP: AFD ( Σ, Q, f, q0, F) AFP ( Σ, Q, M, P(0), F, Θ) donde: P(0) es un vector booleano, que contiene un único 1, en la componente del estado inicial. a Σ, M(a) es una matriz de 0 s y 1 s que se construye a partir de f, haciendo Maij 1 si f(qi,a) qj y Maij 0 en caso contrario. Todas las filas de M(a) tendrán un solo 1. Θ>0, lo habitual es Θ1. AFD AFP equivalente L. Regulares L. reconocidos por AFP s