Chapter 6 Synchronization ToolsBackground 背景 生產者 消費者 競爭條件 count++ fork() The Critical-Section Problem 關鍵區域 Example Solution Peterson’s Solution sol example

Advanced Turning MachineMinor Variations on the Turing Machine Theme 標準模型 多個變體 證明這些變體 也具備一樣的力量 代表他們接受相同的語言 模擬 configuration 是存在對應的 Turing machine with stay Example 定理

Standard Turning MachineThe Standard Turing Machine 語言的層級 圖靈機 tape 做甚麼 Example Input string 輸入不能是空的 turing machine的定義 狀態轉移 program Turing machine 是 determinis

Pumping Lemma for CFLTwo Pumping Lemmas 考慮一個無限的語言 設定變數P、m 挑選一個字串長度超過p 在這個字串中必定存在重複的production 推論 下一個產生字串的長度 會小於當前字串加上最長right hand side的production 可以推得字串長度的上下界 得知 得到結論 k 會大於 p/

Nondeterministic Pushdown AutomataNondeterministic Pushdown Automata 自動機 長相 最初的stack 下推自動機的定義 轉移函數的定義 邊上的定義 也可以推string Example Stack是空的 不允許任何轉移 Non-determinism 什麼樣的strin

CFG 2Methods for Transforming Grammars 定理6.1 代換 variable 有效的代換規則 NULLable Production 代換 null Example 把null production代換掉 多個production的例子 Unit production Production 兩端都只有一個vari

Chapter 20 Learning Probabilistic ModelsStatistical Learning 糖果的例子 問題表述 Bayesian learning 預測公式 關鍵是過去的假設 以及在該假設下資料的可能性 計算假設下資料的可能性 條件機率隨著觀察到的數據改變 並轉移假說 特性說明 特性描述： 貝葉斯學習的預測最終會收斂到

Chapter 19 Learning from ExamplesIntroduction Agent learning Supervised Learning 監督式學習 分類與回歸任務 Ockham’s razor 選擇與Data一致 且最簡單的形式 learning problem 是可實現的 如果假說空間存在真實的答案 權衡 複雜的假設 可能在訓

Chapter 21 Deep LearningIntroduction 圖片展示 Simple Feedforward Networks 只有單向連結的網路 feedforward input: 網路的參數 Networks as complex functions 應用非線性的函數得到輸出 寫成 vector form 非線性的啟動函數 理論上 神經網路