دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
دسته بندی: کامپیوتر ویرایش: Third Edition نویسندگان: John E. Hopcroft, Rajeev Motwani, Jeffrey D. Ullman سری: ISBN (شابک) : 0321455363, 9780321455369 ناشر: Prentice Hall سال نشر: 2006 تعداد صفحات: 545 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 10 مگابایت
در صورت تبدیل فایل کتاب Introduction to Automata Theory, Languages, and Computation به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب مقدمه ای بر نظریه ، زبان ها و محاسبات اتوماتا نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
این کتاب کلاسیک در مورد زبان های رسمی، نظریه خودکار و پیچیدگی محاسباتی به روز شده است تا مفاهیم نظری را به شیوه ای مختصر و ساده با افزایش کاربردهای عملی و عملی ارائه کند. این نسخه جدید با Gradiance، یک ابزار ارزیابی آنلاین که برای علوم کامپیوتر توسعه یافته است، ارائه می شود. Gradiance پیشرفته ترین ابزار ارزیابی آنلاین است که برای رشته علوم کامپیوتر توسعه یافته است. Gradiance با فناوری زیربنایی مبتکرانه خود، تکالیف اولیه و آزمایشگاه های برنامه نویسی را به یک تجربه یادگیری تعاملی برای دانش آموزان تبدیل می کند. با استفاده از یک سری سؤالات ریشه ای و نکات، نه تنها توانایی دانش آموز را آزمایش می کند، بلکه در واقع یک آموزش معلم و دانش آموز را شبیه سازی می کند که به دانش آموز امکان می دهد مطالب را راحت تر یاد بگیرد. از طریق آزمایشگاههای برنامهنویسی، مربیان میتوانند مهارتهای دانشآموزان خود را از نظر نحوی و معنایی با سطح بیسابقهای از ارزیابی که قبلاً ارائه نشده بود، آزمایش، ردیابی و تقویت کنند. برای اطلاعات بیشتر درباره Gradiance، لطفاً به www.aw.com/gradiance مراجعه کنید .
This classic book on formal languages, automata theory, and computational complexity has been updated to present theoretical concepts in a concise and straightforward manner with the increase of hands-on, practical applications. This new edition comes with Gradiance, an online assessment tool developed for computer science. Gradiance is the most advanced online assessment tool developed for the computer science discipline. With its innovative underlying technology, Gradiance turns basic homework assignments and programming labs into an interactive learning experience for students. By using a series of root questions and hints, it not only tests a student's capability, but actually simulates a one-on-one teacher-student tutorial that allows for the student to more easily learn the material. Through the programming labs, instructors are capable of testing, tracking, and honing their students' skills, both in terms of syntax and semantics, with an unprecedented level of assessment never before offered. For more information about Gradiance, please visit www.aw.com/gradiance.
Table of Contents Chapter 1 - Automata: The Methods and the Madness 1.1 Why Study Automata Theory 1.2 Introduction to Formal Proof 1.3 Additional Forms of Proof 1.4 Inductive Proofs 1.5 The Central Concepts of Automata Theory 1.6 Summary of Chapter 1 1.7 Gradiance Problems for Chapter 1 1.8 References for Chapter 1 Chapter 2 - Finite Automata 2.1 An Informal Picture of Finite Automata 2.2 Deterministic Finite Automata 2.3 Nondeterministic Finite Automata 2.4 An Application_ Text Search 2.5 Finite Automata With EpsilonTransitions 2.6 Summary of Chapter 2 2.7 Gradiance Problems for Chapter 2 2.8 References for Chapter 2 Chapter 3 - Regular Expressions and Languages 3.1 Regular Expressions 3.2 Finite Automata and Regular Expressions 3.3 Applications of Regular Expressions 3.4 Algebraic Laws for Regular Expressions 3.5 Summary of Chapter 3 3.6 Gradiance Problems for Chapter 3 3.7 References for Chapter 3 Chapter 4 - Properties of Regular Languages 4.1 Proving Languages Not to Be Regular 4.2 Closure Properties of Regular Languages 4.3 Decision Properties of Regular Languages 4.4 Equivalence and Minimization of Automata 4.5 Summary of Chapter 4 4.6 Gradiance Problems for Chapter 4 4.7 References for Chapter 4 Chapter 5 — Context-Free Grammars and Languages 5.1 Context-Free Grammars 5.2 Parse Trees 5.3 Applications of Context-Free Grammars 5.4 Ambiguity in Grammars and Languages 5.5 Summary of Chapter 5 5.6 Gradiance Problems for Chapter 5 5.7 References for Chapter 5 Chapter 6 - Pushdown Automata 6.1 Definition of the Pushdown Automaton 6.2 The Languages of a PDA 6.3 Equivalence of PDA’s and CFG’s 6.4 Deterministic Pushdown Automata 6.5 Summary of Chapter 6 6.6 Gradiance Problems for Chapter 6 6.7 References for Chapter 6 Chapter 7 - Properties of Context-Free Languages 7.1 Normal Forms for Context-Free Grammars 7.2 The Pumping Lemma for Context-Free Languages 7.3 Closure Properties of Context-Free Languages 7.4 Decision Properties of CFL’s 7.5 Summary of Chapter 7 7.6 Gradiance Problems for Chapter 7 7.7 References for Chapter 7 Chapter 8 - Introduction to Turing Machines 8.1 Problems That Computers Cannot Solve 8.2 The Turing Machine 8.3 Programming Techniques for Turing Machines 8.4 Extensions to the Basic Turing Machine 8.5 Restricted Turing Machines 8.6 Turing Machines and Computers 8.7 Summary of Chapter 8 8.8 Gradiance Problems for Chapter 8 8.9 References for Chapter 8 Chapter 9 - Undecidability 9.1 A Language That Is Not Recursively Enumerable 9.2 An Undecidable Problem That Is RE 9.3 Undecidable Problems About Turing Machines 9.4 Post’s Correspondence Problem 9.5 Other Undecidable Problems 9.6 Summary of Chapter 9 9.7 Gradiance Problems for Chapter 9 9.8 References for Chapter 9 Chapter 10 - Intractable Problems 10.1 The Classes P and NP 10.2 An NP-Complete Problem 10.3 A Restricted Satisfiability Problem 10.4 Additional NP-Complete Problems 10.5 Summary of Chapter 10 10.6 Gradiance Problems for Chapter 10 10.7 References for Chapter 10 Chapter 11 - Additional Classes of Problems 11.1 Complements of Languages in NP 11.2 Problems Solvable in Polynomial Space 11.3 A Problem That Is Complete for PS 11.4 Language Classes Based on Randomization 11.5 The Complexity of Primality Testing 11.6 Summary of Chapter 11 11.7 Gradiance Problems for Chapter 11 11.8 References for Chapter 11