Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: machine model

Sortuj według:

Ogranicz wyniki do:

Turing Machines with One-sided Advice and Acceptance of the co-RE Languages

van Leeuwen J., Wiedermann J.

Fundamenta Informaticae

2017

Vol. 153, nr 4

347--366

We resolve an old problem, namely to design a 'natural' machine model for accepting the complements of recursively enumerable languages. The model we present is based on nondeterministic Turing machines with 'one-sided' advice. We prove that these machines precisely accept the co-RE languages, without restriction on the advice functions that are used. We show that for accepting a co-RE language, one-sided advice is as powerful as arbitrary advice, but also that linearly bounded one-sided advice is sufficient. However, 'long' sublinear advice can make Turing machines with one-sided advice accept more co-RE languages than 'short' sublinear advice. We prove that infinite proper hierarchies of language classes inside co-RE can be devised, using suitable increasing sequences of bounding functions for the allowed advice. The machine model and the results dualize for the family of recursively enumerable languages.

Wykorzystanie algorytmów genetycznych do estymacji parametrów modelu numerycznego maszyny

Świtoński E., Mężyk A.

Problemy Maszyn Roboczych

2006

Z. 28

79-87

W pracy przedstawiono metodę identyfikacji modelu numerycznego maszyny prowadzoną na drodze estymacji parametrów materiałowych modelu strukturalnego. Proces estymacji bazuje na minimalizacji różnicy pomiędzy odpowiadającymi sobie częstotliwościami drgań własnych wyznaczonymi numerycznie i eksperymentalnie. Parametry modelu numerycznego wyznaczane są z wykorzystaniem algorytmów genetycznych.

The paper presents model identification metod based on material properties estimation. Estimation is based on minimization of differences between natural frequencies estimated using numerical and experimental methods. Numerical model parameters are being estimated using genetic algorithms.