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 The satisfiability problem (SAT) is a classical N P-complete problem of useful application in plenty of computer science areas, electric engineering, and mathematics. In this work we present an integration of all the components of the DPLL system enhanced with Neural Networks (DPLL NN) in order to create a user friendly execution environment. One of the main components of DPLL NN is an algorithm that is capable of solving some instances of the 3SAT problem, a well-known N P-complete problem derived from SAT. DPLL NN combines the Davis-Putnam rules with neural networks which are capable enough to learn complex problems. The environment proposed allows the user determine the satisfiability of a particular formula either randomly or manually generated. In addition, the environment provides a graphical tree representation of the corresponding assignation values that satisfy that formula (if it can be satisfied). en
dc.format.extent 1954-1965 es
dc.language es es
dc.subject DPLL es
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, Darío Gustavo es
sedici.creator.person Roggero, Patricia es
sedici.creator.person Leguizamón, Mario Guillermo es
sedici.subject.materias Ciencias Informáticas es
sedici.description.fulltext true es
mods.originInfo.place Red de Universidades con Carreras en Informática 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)