1)
在1)started
成立但在
ready
不成立時,不可能到達狀態:
g ┐(
started ∧┐ ready
)2)對任何狀態,如果乙個(對某些資源)請求(request)發生,那麼它將最終被確認(acknowledged):g(
requested→f
acknowledged )
3)在每一條計算路徑上,乙個特定過程常「使能」 (
enabled
)無限多次:
g f enabled
4)不管發生什麼情況,乙個特定過程最終被永久死鎖(
deadlock):
f g deadlock
5)如果該過程被使能無限次,則它執行無限多次:
g f enabled →g f running。
例:如果有乘客想去第五層,乙個上行的電梯在第二層不改變方向:g(
floor2∧
directionup
∧buttonpressed5→
( directionup
∪floor5
))此處,原子描述是由系統變數構造的布林表示式,比如
floor2.
有些事情
ltl不可能表達出來,如:
1.從任何狀態出發,都能達到乙個重啟(
restart
)狀態(
即:從所有狀態出發都存在一條路徑到達乙個滿足
restart
的狀態。
2.電梯可以閒置在第三層不開門(即:從處於第三層的狀態出發,存在一條路徑,沿著該路徑電梯停留在原地)。
ltl不能表達這些陳述,因為它不能直接斷定這些路徑的存在性。
兩個ltl公式ф和ψ是語義等價的(或簡單說是等價的)並寫為ф≡ψ,如果對所有模型m以及m中的所有路徑π: π╞ф當且僅當π╞ψ。
ф與ψ等價意味著ф與ψ在語義上是可以互換的。f和
g是互相對偶的,而
x與其自身對偶: 1
)┐gф≡f┐ф
2)┐fф≡g┐ф
3) ┐xф≡x┐ф。u和
r也是互相對偶的:
1) ┐(фuψ)≡ ┐фr┐ψ
2) ┐(фrψ)≡ ┐фu┐ψ
f關於∨,
g關於∧的分配律:
1)f(ф∨ψ)≡fф∨fψ
2)g(ф∧ψ)≡gф∧gψ
此外,還有等價關係:
1)fф≡┬uф2)
gф≡┴rф 3
)фuψ≡фwψ∧fψ 4
)фwψ≡фuψ∨gф 5
)фwψ≡ψr
(ф∨ψ)
6)фrψ≡ψw
(ф∧ψ)
線性模型 邏輯回歸
模型原型 class sklearn.linear model.logisticregression penalty l2 dual false,tol 0.0001,c 1.0,fit intercept true,intercept scaling 1,class weight none,ran...
線性邏輯回歸python
例項描述 假設腫瘤醫院想要用神經網路對已有的病例資料進行分類,資料的樣本特徵包括病人的年齡和腫瘤的大小,對應的標籤應該是良性腫瘤還是惡性腫瘤 1.生成樣本集 利用python生成乙個二維陣列 病人的年紀,腫瘤的大小 樣本集,下面 中generate為生成樣本的函式,意思是按照指定的均值和方差生成固定...
線性回歸與邏輯回歸
cost functionj 12m i 1m h x i y i hypothesish x tx 梯度下降求解 為了最小化j j j 1m i 1m h x i y i x i j 每一次迭代更新 j j 1m i 1m h x i y i x i j 正規方程求解 最小二乘法 xtx 1x t...