Subir material

Suba sus trabajos a SEDICI, para mejorar notoriamente su visibilidad e impacto

 

Mostrar el registro sencillo del ítem

dc.date.accessioned 2012-10-23T17:32:34Z
dc.date.available 2012-10-23T17:32:34Z
dc.date.issued 2006-10
dc.identifier.uri http://sedici.unlp.edu.ar/handle/10915/22828
dc.description.abstract El problema de satisfacibilidad (SAT), el primero en demostrarse que es NP-completo, es fundamental en muchos campos de las ciencias de la computación, la ingeniería eléctrica y matemática. En el presente trabajo se integran todas las componentes del sistema DPLL con Redes Neuronales (DPLL RN), para crear un ambiente de ejecución amigable al usuario. Una de las componentes fundamentales del sistema DPLL RN consta de un algoritmo que permite resolver algunas instancias del problema 3SAT, un conocido problema NP-completo derivado de SAT. El sistema DPLL RN combina las reglas de Davis-Putnam con redes neuronales (DPRN), las cuales tienen una gran capacidad para aprender problemas complejos. El ambiente propuesto permite al usuario determinar la satisfacibilidad o no de una fórmula en lógica proposicional, permitiéndole ingresar una fórmula cualquiera o generar una aleatoriamente y luego se refleja en un árbol el camino seguido para obtener las asignaciones que hacen verdadera a dicha fórmula si tales asignaciones existen es
dc.description.abstract El satisfi? Problema capacidad (SAT) es un clásico problema NP-completo de aplicación útil en muchas áreas de la informática, la ingeniería eléctrica y matemáticas. En este trabajo se presenta una integración de todos los componentes del sistema de DPLL mejorado con Redes Neuronales (NN DPLL) con el fin de crear un entorno de ejecución de usuario amigable. Uno de los principales componentes de DPLL NN es un algoritmo que es capaz de resolver algunos casos el problema de 3SAT, un conocido problema NP-completo derivado de SAT. DPLL NN combina las reglas Davis-Putnam con redes neuronales, que son lo suficientemente capaces de aprender problemas complejos. El entorno propuesto permite al usuario determinar el satisfi? Capacidad de una fórmula particular, ya sea aleatoriamente o generado manualmente. Además, el entorno proporciona una representación gráfica de árbol de los valores de asignación correspondientes que satisfacen la fórmula (si puede ser satisfi? Ed). en
dc.format.extent 1954-1965 es
dc.language es es
dc.subject DPLL en
dc.subject Neural nets es
dc.subject Davis-Putnam es
dc.subject Environments es
dc.subject Algorithms es
dc.subject NP-completo es
dc.title Un ambiente integrado de ejecución para determinar la satisfacibilidad de fórmulas en forma normal conjuntiva es
dc.type Objeto de conferencia es
sedici.creator.person Funez, Dario es
sedici.creator.person Roggero, Patricia es
sedici.creator.person Leguizamón, Guillermo es
sedici.subject.materias Ciencias Informáticas es
sedici.description.fulltext true es
mods.originInfo.place Red de Universidades con Carreras en Informática (RedUNCI) es
sedici.subtype Objeto de conferencia es
sedici.rights.license Creative Commons Attribution-NonCommercial-ShareAlike 2.5 Argentina (CC BY-NC-SA 2.5)
sedici.rights.uri http://creativecommons.org/licenses/by-nc-sa/2.5/ar/
sedici.date.exposure 2006-10
sedici.relation.event XII Congreso Argentino de Ciencias de la Computación es
sedici.description.peerReview peer-review es


Descargar archivos

Este ítem aparece en la(s) siguiente(s) colección(ones)

Creative Commons Attribution-NonCommercial-ShareAlike 2.5 Argentina (CC BY-NC-SA 2.5) Excepto donde se diga explícitamente, este item se publica bajo la siguiente licencia Creative Commons Attribution-NonCommercial-ShareAlike 2.5 Argentina (CC BY-NC-SA 2.5)