Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Gui On
Gui On
Guión
M = (ΣE , ΣS , Q, δ, γ)
δ : Q × ΣE → Q
γ : Q → ΣS
γ : Q × ΣE → ΣS
Máquina secuencial que genera como salida una p si hasta el momento se ha recibido un
número par de unos, y genere una i si se ha recibido un número impar de unos.
Máquina de Mealy M E = ({0, 1}, {i, p}, {q0 , q1 }, δ, γ)
ME 0 1
q0 q0 /p q1 /i
q1 q1 /i q0 /p
MO 0 1
q0 /p q0 q1
q1 /i q1 q0
0 1 0 0
q0 /p → q0 /p → q1 /i → q1 /i → q1 /i
donde
1. se verifica que δ(q, a) = q 0 y
2. se verifica que
si la máquina es de Mealy γ(q, a) = b
si la máquina es de Moore γ(q) = b
Denotamos mediante c `∗ d una secuencia de n ≥ 0 movimientos. Es decir:
1. o bien c = d
2. o bien existen ci con 1 ≤ i ≤ n tales que c = c1 ` c2 ` . . . ` cn = d
Máquina de Moore:
γ ∗ (q, λ) = λ
γ ∗ (q, aw) = γ(q)γ ∗ (δ(q, a), w)
M = (ΣE , ΣS , Q, δ, γ)
M 0 = (ΣE , ΣS , Q0 , δ 0 , γ 0 )
son equivalentes si y sólo si :
1. ∀q ∈ Q ∃q 0 ∈ Q0 ∀w ∈ Σ∗E γ ∗ (q, w) = γ 0∗ (q 0 , w)
2. ∀q 0 ∈ Q0 ∃q ∈ Q ∀w ∈ Σ∗E γ ∗ (q, w) = γ 0∗ (q 0 , w)
M O = (ΣE , ΣS , Q, δ, γ)
M E = (ΣE , ΣS , Q, δ, γ 0 )
Idea:
a a/b
q/? → p/b es similar a q → p
Q0 = {[q, b] | q ∈ Q y b ∈ ΣS }
De Moore a Mealy
MO 0 1 ME 0 1
q0 /a q0 q1 q0 q0 /a q1 /b
q1 /b q2 q0 q1 q2 /a q0 /a
q2 /a q1 q0 q2 q1 /b q0 /a
De Mealy a Moore
MO 0 1
[c0 , a]/a [c0 , a] [c2 , b]
ME 0 1
[c0 , b]/b [c0 , a] [c2 , b]
c0 c0 /a c2 /b
[c1 , a]/a [c0 , a] [c1 , b]
c1 c0 /a c1 /b
[c1 , b]/b [c0 , a] [c1 , b]
c2 c0 /b c1 /a
[c2 , a]/a [c0 , b] [c1 , a]
[c2 , b]/b [c0 , b] [c1 , a]
Guión
M = (Σ, Q, π, A)
donde
³ ´ 1/2 1/2 1/3 2/3
π= 1/2 1/2 A(a) = A(b) =
0 1 1 0
P (ab) = πA(a)A(b)
³ ´ 1/2 1/2 1/3 2/3
= 1/2 1/2
0 1 1 0
³ ´ 1/2 ∗ 1/3 + 1/2 ∗ 1 1/2 ∗ 2/3 + 1/2 ∗ 0
= 1/2 1/2
0 ∗ 1/3 + 1 ∗ 1 0 ∗ 2/3 + 1 ∗ 0
³ ´ 2/3 1/3 ³ ´
= 1/2 1/2 = 5/6 1/6
1 0
L(M ) = {w ∈ Σ∗ | PF (w) ≥ θ}
X = (X1 , X2 , . . . , XT )
Una cadena de Markov (visible) puede representarse mediante un autómata finito prob-
abilı́stico sin cinta de entrada (Q, π, A) donde:
Los N valores que puede tomar Xi son los estados de Q
Los componentes aij de la matriz de transición A denotan la probabilidad P (Xt =
qj |Xt−1 = qi ) de pasar del estado qi al estado qj .
Los componentes πi del vector inicial π denotan la probabilidad P (X1 = qi ) de
comenzar en el estado qi .
Dada una secuencia de estados (q1 , . . . , qT ), (aplicando la Ley de la Cadena y la Ley de
Horizonte limitado) tenemos que :
Podemos catalogar un dı́a con tres tipos (estados): lluvioso (L), nublado (N) y soleado
(S). Supongamos que la probabilidad de cambio de tiempo de un dı́a para otro, recogidas
en la matriz A, son las siguientes:
aLL aLN aLS 0,4 0,3 0,3
A=
aN L aN N aN S = 0,2 0,6 0,2
aSL aSN aSS 0,1 0,1 0,8
Considerando que hoy hace sol, la probabilidad de que el tiempo sea (S, S, N, L) serı́a:
P P
P (o) = q P (o|q)P (q) = q (bq1 o1 bq2 o2 . . . bqT oT )(πq1 aq1 q2 aq2 q3 . . . aqT −1 qT )
P
= q πq1 bq1 o1 aq1 q2 bq2 o2 . . . aqT −1 qT bqT oT
Guión
c = (e, θ, r)
c = ({e1 , e˜2 , e3 }, 1, r)
Normal Diferencial
e1 + e3 ≥ 1 y e2 = 0 e1 − e2 + e3 ≥ 1
t t+1 t+1
e1 e2 e3 r r
0 0 0 0 0
0 0 1 1 1
0 1 0 0 0
0 1 1 0 0
1 0 0 1 1
1 0 1 1 1
1 1 0 0 0
1 1 1 0 1
ACMP: Definición
M = (E, R, r, C)
ACMP: Ejemplo
c1 = ({e˜1 , r2 }, 0, r1 ) c2 = ({e2 , r1 }, 1, r2 )
DIFERENCIAL
e1 e2 r10 r20 r1 r2 e1 e2 r10 r20 r1 r2
0 0 0 0 1 0 1 0 0 0 0 0
0 0 0 1 1 0 1 0 0 1 1 0
0 0 1 0 1 1 1 0 1 0 0 1
0 0 1 1 1 1 1 0 1 1 1 1
0 1 0 0 1 1 1 1 0 0 0 1
0 1 0 1 1 1 1 1 0 1 1 1
0 1 1 0 1 1 1 1 1 0 0 1
0 1 1 1 1 1 1 1 1 1 1 1
ACMP: Comportamiento
e r0 r
0 0 0
0 1 1
1 0 1
1 1 1
Supongamos que la secuencia de valores para la entrada e será 00111. Partiendo de un
transitorio que comienza con r(1) = 0, y por tanto r0 (1) = 0, tenemos que se cumple:
donde:
c1 = ({e˜1 , r2 }, 0, r1 ) c2 = ({e2 , r1 }, 1, r2 )
00 01 10 11
→ q00 q10 q11 q00 q01
∗q01 q10 q11 q10 q11
q10 q11 q11 q01 q01
∗q11 q11 q11 q11 q11
a b
→q p s
∗p q q
s p q