ورود به حساب

نام کاربری گذرواژه

گذرواژه را فراموش کردید؟ کلیک کنید

حساب کاربری ندارید؟ ساخت حساب

ساخت حساب کاربری

نام نام کاربری ایمیل شماره موبایل گذرواژه

برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید


09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب Understanding Computation: Pillars, Paradigms, Principles

دانلود کتاب درک محاسبات: ستون ها، پارادایم ها، اصول

Understanding Computation: Pillars, Paradigms, Principles

مشخصات کتاب

Understanding Computation: Pillars, Paradigms, Principles

ویرایش:  
نویسندگان: ,   
سری: Texts in Computer Science 
ISBN (شابک) : 3031100549, 9783031100543 
ناشر: Springer 
سال نشر: 2022 
تعداد صفحات: 587
[577] 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 9 Mb 

قیمت کتاب (تومان) : 38,000



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 7


در صورت تبدیل فایل کتاب Understanding Computation: Pillars, Paradigms, Principles 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 درک محاسبات: ستون ها، پارادایم ها، اصول 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.


توضیحاتی در مورد کتاب درک محاسبات: ستون ها، پارادایم ها، اصول



نظریه محاسبات رشته‌ای است که از مفاهیم و ابزارهای ریاضی برای افشای ماهیت \"محاسبات\" و توضیح طیف گسترده‌ای از پدیده‌های محاسباتی استفاده می‌کند: چرا انجام برخی از محاسبات سخت‌تر از محاسبات دیگر است؟ آیا تفاوت‌هایی در سختی که مشاهده می‌کنیم ذاتی هستند، یا مصنوعات روشی هستند که ما برای انجام محاسبات تلاش می‌کنیم؟ این کتاب درسی منحصر به فرد در تلاش است تا به دانش آموزان ابزارهای مفهومی و دستکاری لازم را برای تبدیل نظریه محاسبات به بخشی از زندگی حرفه ای آنها بدهد. این کار با استفاده از سه راهبرد به این هدف دست می یابد که رویکرد آن را از بسیاری از متون دیگر در این زمینه متمایز می کند.

برای شروع، مفاهیم و ابزارهای ریاضی لازم را از ساده ترین نمونه های مفاهیم، ​​در نتیجه به دانش آموزان کمک می کند تا کنترل عملیاتی بر ریاضیات مورد نیاز را بدست آورند. ثانیاً، توسعه نظریه را حول چهار "ستون" سازماندهی می کند و دانش آموزان را قادر می سازد تا موضوعات محاسباتی را ببینند که ریشه های فکری یکسانی در نزدیکی فیزیکی به یکدیگر دارند. در نهایت، متن «ایده‌های بزرگ» را نشان می‌دهد که تئوری محاسبات با کاربردهای این ایده‌ها در حوزه‌های «عملی» در ریاضیات، علوم کامپیوتر، مهندسی کامپیوتر، و حتی فراتر از آن ساخته شده است.</ p>

این کتاب درسی مناسب برای دانشجویان پیشرفته مقطع کارشناسی و فارغ التحصیلان مبتدی، مدل‌های «کلاسیک» را تقویت می‌کند که به طور سنتی از دوره‌های تئوری محاسبات با مدل‌های جدید الهام‌گرفته از موضوعات محاسباتی «واقعی، مدرن» پشتیبانی می‌کند، مانند به عنوان محاسبات جمعی، محاسبات سیار، برنامه‌ریزی مسیر رباتیک، و محاسبات داوطلبانه.

آرنولد ال. روزنبرگ از دانشگاه ممتاز است. پروفسور ممتاز در دانشگاه ماساچوست، آمهرست، ایالات متحده. Lenwood S. Heath استاد ویرجینا تک، بلکسبورگ، ایالات متحده است.



توضیحاتی درمورد کتاب به خارجی

Computation theory is a discipline that uses mathematical concepts and tools to expose the nature of "computation" and to explain a broad range of computational phenomena: Why is it harder to perform some computations than others?  Are the differences in difficulty that we observe inherent, or are they artifacts of the way we try to perform the computations?  How does one reason about such questions?

This unique textbook strives to endow students with conceptual and manipulative tools necessary to make computation theory part of their professional lives. The work achieves this goal by means of three stratagems that set its approach apart from most other texts on the subject.

For starters, it develops the necessary mathematical concepts and tools from the concepts' simplest instances, thereby helping students gain operational control over the required mathematics. Secondly, it organizes development of theory around four "pillars," enabling students to see computational topics that have the same intellectual origins in physical proximity to one another. Finally, the text illustrates the "big ideas" that computation theory is built upon with applications of these ideas within "practical" domains in mathematics, computer science, computer engineering, and even further afield.

Suitable for advanced undergraduate students and beginning graduates, this textbook augments the "classical" models that traditionally support courses on computation theory with novel models inspired by "real, modern" computational topics,such as  crowd-sourced computing, mobile computing, robotic path planning, and volunteer computing.

Arnold L. Rosenberg is Distinguished Univ. Professor Emeritus at University of Massachusetts, Amherst, USA. Lenwood S. Heath is Professor at Virgina Tech, Blacksburg, USA.            




فهرست مطالب

Contents
Preface
Part I INTRODUCTION
Chapter 1 Introducing Computation Theory
	1.1 The Autobiographical (ALR) Seeds of Our Framework
		1.1.1 Computation by “Shapeless” Agents and Devices
		1.1.2 Computation Theory as a Study of Computation
	1.2 The Highlights of Our Framework: How We Tell the Story
	1.3 Why Is a New Computation Theory Text Needed?
Chapter 2 Introducing the Book
	2.1 Computation Theory as a Branch of Discrete Mathematics
		2.1.1 Dynamism Within Traditional Mathematics
		2.1.2 Discrete Mathematics with Computational Objects
	2.2 The Four Pillars of Computation Theory
		2.2.1 Pillar S: STATE
		2.2.2 Pillar E: ENCODING
		2.2.3 Pillar N: NONDETERMINISM
		2.2.4 Pillar P: PRESENTATION/SPECIFICATION
		2.2.5 Summing Up
	2.3 A Map of the Book by Chapter
	2.4 Ways of Using this Book
		2.4.1 As a Text for a “Classical” Theory Course
		2.4.2 As a Primary Text: “Big Ideas in Computation”
		2.4.3 As a Supplemental Text: “Theoretical Aspects of–”
	2.5 Tools for Using the Book
Part II Pillar S: STATE
Chapter 3 Pure State-Based Computational Models
	3.1 Online Automata and Their Languages
		3.1.1 Basics of the OA Model
		3.1.2 Preparing to Understand the Notion State
		3.1.3 A Myhill-Nerode-like Theorem for OAs
	3.2 Finite Automata and Regular Languages
		3.2.1 Overview and History
		3.2.2 Perspectives on Finite Automata
		3.2.3 Why FAs Get Confused: a Consequence of Finiteness
Chapter 4 The Myhill-Nerode Theorem: Implications and Applications
	4.1 The Myhill-Nerode Theorem for FAs
		4.1.1 The Theorem: States Are Equivalence Classes
		4.1.2 What Do ≡L- Equivalence Classes Look Like?
	4.2 Sample Applications of the Myhill-Nerode Theorem
		4.2.1 Proving that Languages Are Not Regular
		4.2.2 On Minimizing Finite Automata
		4.2.3 Two-Way (Offline) Finite Automata
		4.2.4 ⊕ Finite Automata with Probabilistic Transitions
		4.2.5 ⊕ State as a Memory-Constraining Resource
Chapter 5 Online Turing Machines and the Implications of Online Computing
	5.1 Online Turing Machines: Realizations of Infinite OAs
		5.1.1 OTMs with Abstract Storage Devices
		5.1.2 OTMs with Linear Tapes for Storage
	5.2 The Nature of Online Computing
		5.2.1 Online TMs with Multiple Complex Tapes
		5.2.2 An Information-Retrieval Problem as a Language
		5.2.3 The Impact of Tape Structure on Memory Locality
		5.2.4 Tape Dimensionality and the Time Complexity of LDB
Chapter 6 Pumping: Computational Pigeonholes in Finitary Systems
	6.1 Introduction and Synopsis
	6.2 Pumping in Algebraic Settings
	6.3 Pumping in Regular Languages
		6.3.1 Pumping in General Regular Languages
		6.3.2 Pumping in Regular Tally Languages
	6.4 Pumping in a Robotic Setting: a Mobile FA on a Mesh
		6.4.1 The Mesh Mn and Its Subdivisions
		6.4.2 The Mobile Finite Automaton (MFA) Model
		6.4.3 An Inherent Limitation on Solo Autonomous MFAs
Chapter 7 Mobility in Computing: An FA Navigates a Mesh
	7.1 Introduction and Synopsis
	7.2 MFAs That Compute in Read-Only Mode
		7.2.1 How an MFA Can Exploit the Structure of Its Host Mesh
		7.2.2 Solo MFAs Scalably Recognize Non-Regular Languages
	7.3 MFAs as Object-Transporting Robots
		7.3.1 Reversing M’s Top-Row Pattern to Its Bottom Row
		7.3.2 ⊕ Rotating M’s Top-Row Pattern to Its Bottom Row
		7.3.3 Algorithms that Circumnavigate M’s “Walls”
Chapter 8 The Power of Cooperation: Teams of MFAs on a Mesh
	8.1 Basics of MFA Teams
	8.2 Strictly Coupled MFAs: Parallelism with No Added Power
	8.3 Synchronized Computing: A 2-MFA Recognizes {a^k b^k}
	8.4 Queued Computing: MFAs Proceed Through a Pipeline
		8.4.1 The “Standard” Form of Pipelining
		8.4.2 Streaming a Pipeline/Queue of Agents
	8.5 Ushered Computing: Two MFAs Sweep a Mesh-Quadrant
	8.6 Sentry-Enabled Computing: MFAs Identify Home Wedges
Part III Pillar E: ENCODING
Chapter 9 Countability and Uncountability: The Precursors of ENCODING
	9.1 Encoding Functions and Proofs of Countability
	9.2 Diagonalization: Proofs of Uncountability
	9.3 Where Has (Un)Countability Led Us?
Chapter 10 Computability Theory
	10.1 Introduction and History
		10.1.1 Formalizing Mathematical Reasoning
		10.1.2 Abstract Computational Models: the Church-Turing Thesis
		10.1.3 Thinking About Thinking About Computation
	10.2 Preliminaries
		10.2.1 Computational Problems as Formal Languages
		10.2.2 Functions and Partial Functions
		10.2.3 Self-Referential Programs: Interpreters and Compilers
	10.3 The Halting Problem: The “Oldest” Unsolvable Problem
		10.3.1 The Halting Problem Is Semisolvable but Not Solvable
		10.3.2 Why We Care About the Halting Problem—An Example
	10.4 Mapping Reducibility
		10.4.1 Basic Properties of m-Reducibility
		10.4.2 The s-m-n Theorem: An Invaluable Source of Encodings
	10.5 The Rice-Myhill-Shapiro Theorem
	10.6 Complete—or “Hardest”—Semidecidable Problems
	10.7 Some Important Limitations of Computability
Chapter 11 A Church-Turing Zoo of Computational Models
	11.1 The Church-Turing Thesis and Universal Models
	11.2 Universality in Simplified OTMs
		11.2.1 An OTM with a One-Ended Worktape
		11.2.2 An OTM with Two Stacks Instead of a Worktape
		11.2.3 An OTM with a FIFO Queue Instead of a Worktape
		11.2.4 An OTM with a “Paper” Worktape
		11.2.5 ⊕ An OTM with Registers Instead of a Worktape
		11.2.6 ⊕ A Mobile FA on a Semi-Infinite Mesh
	11.3 Enhanced OTMs that Are No More Powerful than OTMs
		11.3.1 An OTM Which Has Several Linear Worktapes
		11.3.2 An OTM Having Multidimensional Worktapes
		11.3.3 An OTM Having a “Random-Access” Worktape
	11.4 ⊕ Models Outside the Classical Mold
		11.4.1 Cellular Automata and Kindred Models
		11.4.2 TMs as Volunteers; Simulation by Dovetailing
	11.5 Learning from the Zoo
Chapter 12 Pairing Functions as Encoding Mechanisms
	12.1 PFs as Storage Mappings for Extendible Arrays/Tables
		12.1.1 Insights on PFs via the Cauchy-Cantor Diagonal PF
		12.1.2 PFs for Extendible Fixed-Aspect-Ratio Arrays
		12.1.3 The Issue of PF Compactness
		12.1.4 ⊕⊕ Extendible Storage Mappings via Hashing
	12.2 Pairing Functions and Volunteer Computing
		12.2.1 Basic Questions About Additive PFs
		12.2.2 ⊕ APFs that Have Desirable Computational Properties
Part IV Pillar N: NONDETERMINISM
Chapter 13 Nondeterminism as Unbounded Parallelism
	13.1 Nondeterministic Online Automata
	13.2 A Formal Use of Nondeterminism’s Implied Parallelism
	13.3 An Overview of Nondeterminism in Computation Theory
Chapter 14 Nondeterministic Finite Automata
	14.1 How Nondeterminism Impacts FA Behavior
		14.1.1 NFAs Are No More Powerful than DFAs
		14.1.2 Does the Subset Construction Waste DFA States?
	14.2 An Application: the Kleene-Myhill Theorem
		14.2.1 NFAs with Autonomous Moves
		14.2.2 The Kleene-Myhill Theorem
Chapter 15 Nondeterminism as Unbounded Search
	15.1 Introduction
	15.2 Nondeterministic Turing Machines
		15.2.1 The NTM Model
		15.2.2 An Unbounded Search: an OTM Simulates an NTM
	15.3 Unbounded Search as Guess-then-Verify
	15.4 Unbounded Search as Guess-plus-Verify
		15.4.1 Homomorphisms on Formal Languages
		15.4.2 ⊕ Homomorphisms and Regular Languages
Chapter 16 Complexity Theory
	16.1 Introduction
	16.2 Time and Space Complexity
		16.2.1 On Measuring Time Complexity
		16.2.2 On Measuring Space Complexity
	16.3 Reducibility, Hardness, and Completeness
		16.3.1 A General Look at Resource-Bounded Computation
		16.3.2 Efficient Mapping Reducibility
		16.3.3 Hard Problems; Complete Problems
		16.3.4 An NP-Complete Version of the Halting Problem
		16.3.5 The Cook-Levin Theorem: The NP-Completeness of SAT
	16.4 Nondeterminism and Space Complexity
		16.4.1 Simulating Nondeterminism Space-Efficiently
		16.4.2 Looking Beyond Savitch’s Theorem
Part V Pillar P: PRESENTATION/SPECIFICATION
Chapter 17 The Elements of Formal Language Theory
	17.1 Early History of Computational Language Research
		17.1.1 The Birth of Sophisticated Programming Languages
	17.2 Elaborating on the Elements of Formal Languages
		17.2.1 Language Generation via Formal Grammars
		17.2.2 Closure Properties of Interest
		17.2.3 Decision Properties of Interest
	17.3 Finite Automata and Regular Languages
		17.3.1 Mechanisms for Generating Regular Languages
		17.3.2 Closure Properties of the Regular Languages
		17.3.3 Decision Properties Concerning Regular Languages
	17.4 Context-Free Languages: Their Grammars and Automata
		17.4.1 Mechanisms for Generating the Context-Free Languages
		17.4.2 Closure Properties of the Context-Free Languages
		17.4.3 Decision Properties of the Context-Free Languages
Appendix A A Chapter-Long Text on Discrete Mathematics
	A.1 Sets and Their Operations
	A.2 Binary Relations
		A.2.1 The Formal Notion of Binary Relation
		A.2.2 Equivalence Relations
	A.3 Functions
		A.3.1 What Is a Function?
		A.3.2 Special Categories of Functions
		A.3.3 Finite Functions and Pigeonholes
	A.4 Formal Languages
		A.4.1 The Notion of Language in Computation Theory
		A.4.2 Languages as Metaphors for Computational Problems
	A.5 Graphs and Trees
		A.5.1 Basic Definitions
		A.5.2 Two Recurring Families of Graphs
	A.6 Useful Quantitative Notions
		A.6.1 Two Useful Arithmetic Operations
		A.6.2 Asymptotics: Big-O, Big-Ω, and Big-Θ notation
Appendix B Selected Exercises, by Chapter
	B.1 Exercises for Appendix A
	B.2 Exercises for Chapter 2
	B.3 Exercises for Chapter 3
	B.4 Exercises for Chapter 4
	B.5 Exercises for Chapter 5
	B.6 Exercises for Chapter 6
	B.7 Exercises for Chapter 7
	B.8 Exercises for Chapter 8
	B.9 Exercises for Chapter 9
	B.10 Exercises for Chapter 10
	B.11 Exercises for Chapter 11
	B.12 Exercises for Chapter 12
	B.13 Exercises for Chapters 13 and 14
	B.14 Exercises for Chapter 15
	B.15 Exercises for Chapter 16
	B.16 Exercises for Chapter 17
Acronyms, Terms, and Notation
References
Index




نظرات کاربران