SlideShare uma empresa Scribd logo
1 de 12
Baixar para ler offline
Problema da Parada

  Davi Felipe Russi
  Leonardo Quatrin Campagnolo
  Vitor da Silva
Prova

   Queremos provar que o problema da
   parada é indecidível.
   Usaremos o método da Diagonalização.
   Vamos provar por contradição para isso
   iremos dizer que a MT é decidível.
Prova cont.
   Supondo que um MT H decide AMT.
   Então a partir de H contruiremos uma
   MT D que, quando recebe uma entrada
   <M>, determina se M aceita <M>, e
   então D faz o oposto.
   Em suma, se M aceita, D rejeita, se M
   rejeita, D aceita.
   Se rodarmos D com a entrada <D>
   temos uma contradição.
Prova cont.

   H aceita <M, w> quando M aceita w.

   D Rejeita <M> quando M aceita <M>.

   D rejeita <D> quando D aceita <D>
Prova cont.

    A diagonalização fica aparente quando
    construirmos as tabelas de
    comportamento para as MTs H e D.
    Tomamos a MT:
 - A entrada é aceite se a máquina aceita
 mas é branco se rejeita ou entra em loop
 sobre aquela entrada.
Prova cont.

       <M1> <M2> <M3> <M4> ...
 M1    aceite          aceite         ...
 M2    aceite aceite aceite aceite ...
 M3                                   ...
 M4    aceite aceite                  ...
 ...   ...      ...    ...      ...   ...
Prova (cont.)
 Agora criaremos a tabela para maquina H
 onde:

 H(<M, w>) = aceite se M aceita w
             rejeita se M não aceita w
Máquina Turing H(<M, w>)

       <M1> <M2> <M3> <M4> ...
 M1    aceite rejeite aceite rejeite ...
 M2    aceite aceite aceite aceite ...
 M3    rejeite rejeite rejeite rejeite ...
 M4    aceite aceite rejeite rejeite ...
 ...   ...     ...     ...     ...      ...
Prova (cont.)

 Agora tomamos a máquina D da seguinte
 maneira.
 D(<M>) = aceite se M não aceita <M>
           rejeite se M aceita <M>
 Logo se tomarmos a entrada D na
 máquina D
 D(<D>) = aceite se D não aceita <D>
           rejeite se D aceita <D>
Prova (cont.)

 Como nossa hipótese garante que H é
 uma MT e o mesmo acontece com D.
 Note que D computa o oposto das
 entradas da diagonal de H(<M, w>). A
 contradição ocorre no ponto em que a
 maquina D tenta computar a entrada D ou
 seja quando ela tenta computar ela
 mesma.
Adicionando D
      <M1>      <M2>      <M3>      <M4>      ...   <D>

 M1   aceite    rejeite   aceite    rejeite         aceite

 M2   aceite    aceite    aceite    aceite          aceite

 M3   rejeite   rejeite   rejeite   rejeite         rejeite

 M4   aceite    aceite    rejeite   rejeite         aceite

 .
 .
 .
 D    rejeite   rejeite   aceite    aceite          ?=?
Conclusão

 Se rodarmos D sobre a sua descrição, teremos:
 Se D aceita, então D rejeita, mas como D deveria ter
 aceitado, vimos que chegamos a um ponto aonde
 nao é possível decidir se o resultado é de aceitação
 ou rejeição, pois D sempre é forçado a fazer o
 oposto, gerando uma contradição, onde a entrada
 deve ser o contrário dela mesma.
         Logo, este problema é indecidível.

Mais conteúdo relacionado

Mais procurados

딥러닝 기반의 자연어처리 최근 연구 동향
딥러닝 기반의 자연어처리 최근 연구 동향딥러닝 기반의 자연어처리 최근 연구 동향
딥러닝 기반의 자연어처리 최근 연구 동향LGCNSairesearch
 
Análise de Algoritmos - Método Guloso
Análise de Algoritmos - Método GulosoAnálise de Algoritmos - Método Guloso
Análise de Algoritmos - Método GulosoDelacyr Ferreira
 
Variational Auto Encoder and the Math Behind
Variational Auto Encoder and the Math BehindVariational Auto Encoder and the Math Behind
Variational Auto Encoder and the Math BehindVarun Reddy
 
Competition winning learning rates
Competition winning learning ratesCompetition winning learning rates
Competition winning learning ratesMLconf
 
capsule network
capsule networkcapsule network
capsule network민기 정
 
Análise de Algoritmos - Solução de Recorrências
Análise de Algoritmos - Solução de RecorrênciasAnálise de Algoritmos - Solução de Recorrências
Análise de Algoritmos - Solução de RecorrênciasDelacyr Ferreira
 
ShuffleNet - PR054
ShuffleNet - PR054ShuffleNet - PR054
ShuffleNet - PR054Jinwon Lee
 
Context free grammars
Context free grammarsContext free grammars
Context free grammarsShiraz316
 
Pr045 deep lab_semantic_segmentation
Pr045 deep lab_semantic_segmentationPr045 deep lab_semantic_segmentation
Pr045 deep lab_semantic_segmentationTaeoh Kim
 
Scaling Apache Storm - Strata + Hadoop World 2014
Scaling Apache Storm - Strata + Hadoop World 2014Scaling Apache Storm - Strata + Hadoop World 2014
Scaling Apache Storm - Strata + Hadoop World 2014P. Taylor Goetz
 
Yurii Pashchenko: Zero-shot learning capabilities of CLIP model from OpenAI
Yurii Pashchenko: Zero-shot learning capabilities of CLIP model from OpenAIYurii Pashchenko: Zero-shot learning capabilities of CLIP model from OpenAI
Yurii Pashchenko: Zero-shot learning capabilities of CLIP model from OpenAILviv Startup Club
 
Algoritmos e Programação: Manipulação de strings
Algoritmos e Programação: Manipulação de stringsAlgoritmos e Programação: Manipulação de strings
Algoritmos e Programação: Manipulação de stringsAlex Camargo
 
Tutorial on Object Detection (Faster R-CNN)
Tutorial on Object Detection (Faster R-CNN)Tutorial on Object Detection (Faster R-CNN)
Tutorial on Object Detection (Faster R-CNN)Hwa Pyung Kim
 
Aula sobre matrizes - Linguagem C
Aula sobre matrizes - Linguagem CAula sobre matrizes - Linguagem C
Aula sobre matrizes - Linguagem Cprofjr
 
Paradigmas de Linguagens de Programação - Escopo estático/dinâmico
Paradigmas de Linguagens de Programação - Escopo estático/dinâmicoParadigmas de Linguagens de Programação - Escopo estático/dinâmico
Paradigmas de Linguagens de Programação - Escopo estático/dinâmicoAdriano Teixeira de Souza
 
I3D and Kinetics datasets (Action Recognition)
I3D and Kinetics datasets (Action Recognition)I3D and Kinetics datasets (Action Recognition)
I3D and Kinetics datasets (Action Recognition)Susang Kim
 
[paper review] 손규빈 - Eye in the sky & 3D human pose estimation in video with ...
[paper review] 손규빈 - Eye in the sky & 3D human pose estimation in video with ...[paper review] 손규빈 - Eye in the sky & 3D human pose estimation in video with ...
[paper review] 손규빈 - Eye in the sky & 3D human pose estimation in video with ...Gyubin Son
 

Mais procurados (20)

딥러닝 기반의 자연어처리 최근 연구 동향
딥러닝 기반의 자연어처리 최근 연구 동향딥러닝 기반의 자연어처리 최근 연구 동향
딥러닝 기반의 자연어처리 최근 연구 동향
 
Análise de Algoritmos - Método Guloso
Análise de Algoritmos - Método GulosoAnálise de Algoritmos - Método Guloso
Análise de Algoritmos - Método Guloso
 
Variational Auto Encoder and the Math Behind
Variational Auto Encoder and the Math BehindVariational Auto Encoder and the Math Behind
Variational Auto Encoder and the Math Behind
 
Variational AutoEncoder(VAE)
Variational AutoEncoder(VAE)Variational AutoEncoder(VAE)
Variational AutoEncoder(VAE)
 
Competition winning learning rates
Competition winning learning ratesCompetition winning learning rates
Competition winning learning rates
 
capsule network
capsule networkcapsule network
capsule network
 
Análise de Algoritmos - Solução de Recorrências
Análise de Algoritmos - Solução de RecorrênciasAnálise de Algoritmos - Solução de Recorrências
Análise de Algoritmos - Solução de Recorrências
 
ShuffleNet - PR054
ShuffleNet - PR054ShuffleNet - PR054
ShuffleNet - PR054
 
Context free grammars
Context free grammarsContext free grammars
Context free grammars
 
Linguagem C - Estruturas
Linguagem C - EstruturasLinguagem C - Estruturas
Linguagem C - Estruturas
 
Pr045 deep lab_semantic_segmentation
Pr045 deep lab_semantic_segmentationPr045 deep lab_semantic_segmentation
Pr045 deep lab_semantic_segmentation
 
Scaling Apache Storm - Strata + Hadoop World 2014
Scaling Apache Storm - Strata + Hadoop World 2014Scaling Apache Storm - Strata + Hadoop World 2014
Scaling Apache Storm - Strata + Hadoop World 2014
 
Regular Expressions To Finite Automata
Regular Expressions To Finite AutomataRegular Expressions To Finite Automata
Regular Expressions To Finite Automata
 
Yurii Pashchenko: Zero-shot learning capabilities of CLIP model from OpenAI
Yurii Pashchenko: Zero-shot learning capabilities of CLIP model from OpenAIYurii Pashchenko: Zero-shot learning capabilities of CLIP model from OpenAI
Yurii Pashchenko: Zero-shot learning capabilities of CLIP model from OpenAI
 
Algoritmos e Programação: Manipulação de strings
Algoritmos e Programação: Manipulação de stringsAlgoritmos e Programação: Manipulação de strings
Algoritmos e Programação: Manipulação de strings
 
Tutorial on Object Detection (Faster R-CNN)
Tutorial on Object Detection (Faster R-CNN)Tutorial on Object Detection (Faster R-CNN)
Tutorial on Object Detection (Faster R-CNN)
 
Aula sobre matrizes - Linguagem C
Aula sobre matrizes - Linguagem CAula sobre matrizes - Linguagem C
Aula sobre matrizes - Linguagem C
 
Paradigmas de Linguagens de Programação - Escopo estático/dinâmico
Paradigmas de Linguagens de Programação - Escopo estático/dinâmicoParadigmas de Linguagens de Programação - Escopo estático/dinâmico
Paradigmas de Linguagens de Programação - Escopo estático/dinâmico
 
I3D and Kinetics datasets (Action Recognition)
I3D and Kinetics datasets (Action Recognition)I3D and Kinetics datasets (Action Recognition)
I3D and Kinetics datasets (Action Recognition)
 
[paper review] 손규빈 - Eye in the sky & 3D human pose estimation in video with ...
[paper review] 손규빈 - Eye in the sky & 3D human pose estimation in video with ...[paper review] 손규빈 - Eye in the sky & 3D human pose estimation in video with ...
[paper review] 손규빈 - Eye in the sky & 3D human pose estimation in video with ...
 

Mais de Davi Felipe Russi

Mais de Davi Felipe Russi (9)

Atalhos no windows 7
Atalhos no windows 7Atalhos no windows 7
Atalhos no windows 7
 
Desafio – O Maléfico mundo dos Jogos - (Evil Game Design) Mario Bros Online
Desafio – O Maléfico mundo dos Jogos - (Evil Game Design) Mario Bros OnlineDesafio – O Maléfico mundo dos Jogos - (Evil Game Design) Mario Bros Online
Desafio – O Maléfico mundo dos Jogos - (Evil Game Design) Mario Bros Online
 
Sistemas Colaborativos Conhecimento Coletivo
Sistemas Colaborativos Conhecimento ColetivoSistemas Colaborativos Conhecimento Coletivo
Sistemas Colaborativos Conhecimento Coletivo
 
Titanium appacelerator
Titanium appaceleratorTitanium appacelerator
Titanium appacelerator
 
Monitor de asfalto
Monitor de asfaltoMonitor de asfalto
Monitor de asfalto
 
App banjo android
App banjo androidApp banjo android
App banjo android
 
Haskell
HaskellHaskell
Haskell
 
Apresentação bit torrent
Apresentação   bit torrentApresentação   bit torrent
Apresentação bit torrent
 
2 maquina de post
2 maquina de post2 maquina de post
2 maquina de post
 

Problema da parada

  • 1. Problema da Parada Davi Felipe Russi Leonardo Quatrin Campagnolo Vitor da Silva
  • 2. Prova Queremos provar que o problema da parada é indecidível. Usaremos o método da Diagonalização. Vamos provar por contradição para isso iremos dizer que a MT é decidível.
  • 3. Prova cont. Supondo que um MT H decide AMT. Então a partir de H contruiremos uma MT D que, quando recebe uma entrada <M>, determina se M aceita <M>, e então D faz o oposto. Em suma, se M aceita, D rejeita, se M rejeita, D aceita. Se rodarmos D com a entrada <D> temos uma contradição.
  • 4. Prova cont. H aceita <M, w> quando M aceita w. D Rejeita <M> quando M aceita <M>. D rejeita <D> quando D aceita <D>
  • 5. Prova cont. A diagonalização fica aparente quando construirmos as tabelas de comportamento para as MTs H e D. Tomamos a MT: - A entrada é aceite se a máquina aceita mas é branco se rejeita ou entra em loop sobre aquela entrada.
  • 6. Prova cont. <M1> <M2> <M3> <M4> ... M1 aceite aceite ... M2 aceite aceite aceite aceite ... M3 ... M4 aceite aceite ... ... ... ... ... ... ...
  • 7. Prova (cont.) Agora criaremos a tabela para maquina H onde: H(<M, w>) = aceite se M aceita w rejeita se M não aceita w
  • 8. Máquina Turing H(<M, w>) <M1> <M2> <M3> <M4> ... M1 aceite rejeite aceite rejeite ... M2 aceite aceite aceite aceite ... M3 rejeite rejeite rejeite rejeite ... M4 aceite aceite rejeite rejeite ... ... ... ... ... ... ...
  • 9. Prova (cont.) Agora tomamos a máquina D da seguinte maneira. D(<M>) = aceite se M não aceita <M> rejeite se M aceita <M> Logo se tomarmos a entrada D na máquina D D(<D>) = aceite se D não aceita <D> rejeite se D aceita <D>
  • 10. Prova (cont.) Como nossa hipótese garante que H é uma MT e o mesmo acontece com D. Note que D computa o oposto das entradas da diagonal de H(<M, w>). A contradição ocorre no ponto em que a maquina D tenta computar a entrada D ou seja quando ela tenta computar ela mesma.
  • 11. Adicionando D <M1> <M2> <M3> <M4> ... <D> M1 aceite rejeite aceite rejeite aceite M2 aceite aceite aceite aceite aceite M3 rejeite rejeite rejeite rejeite rejeite M4 aceite aceite rejeite rejeite aceite . . . D rejeite rejeite aceite aceite ?=?
  • 12. Conclusão Se rodarmos D sobre a sua descrição, teremos: Se D aceita, então D rejeita, mas como D deveria ter aceitado, vimos que chegamos a um ponto aonde nao é possível decidir se o resultado é de aceitação ou rejeição, pois D sempre é forçado a fazer o oposto, gerando uma contradição, onde a entrada deve ser o contrário dela mesma. Logo, este problema é indecidível.