SlideShare ist ein Scribd-Unternehmen logo
1 von 20
Downloaden Sie, um offline zu lesen
東北大学 工学部 機械知能・航空工学科
2018年度 クラスC3 D1 D2 D3
情報科学基礎 I
大学院情報科学研究科
鏡 慎吾
http://www.ic.is.tohoku.ac.jp/~swk/lecture/
9. 論理式の簡単化
(教科書3.1~3.3節)
2鏡 慎吾 (東北大学): 情報科学基礎I 2018 (1)
論理式(論理回路)の簡単化
x1
x2
x1
x2
このような組をどうやって見つけるか?
3鏡 慎吾 (東北大学): 情報科学基礎I 2018 (1)
カルノー図 (2入力の場合)
x2
0 1
x1 0 1 0
1 1 1
• 1つ1つのマス目(セル)が最小項を表す
• 論理関数に含まれる最小項のセルには1を,含まれな
いセルには0を書き込む(あるいは空白のままとする)
1になる3つのセルの和を書き下すと
主加法標準形になる
→ 真理値表を 2 次元に並べ替える
4鏡 慎吾 (東北大学): 情報科学基礎I 2018 (1)
カルノー図の特徴
x2
0 1
x1 0 0 1
1 0 0
x2
0 1
x1 0 0 1
1 0 1
x2
0 1
x1 0 1 1
1 1 1
隣接する 2n 個のセルをまとめることが変数の削除に対応する
5鏡 慎吾 (東北大学): 情報科学基礎I 2018 (1)
カルノー図による簡単化
• 2m 個のセルからなる長方形をルー
プと呼ぶ
→ 基本積に対応
• できるだけ少なく大きなループによ
り,すべての1を覆う
• 少ないループ → 少ない項
• 大きなループ → 少ないリテラル
• ダブって覆ってもよい
セルを1個ずつ取り上げて和を取る
代わりに,隣接する1をまとめた積
項を取り上げてその和を取っても同
じ関数を表現できる
x2
0 1
x1 0 1 0
1 1 1
6鏡 慎吾 (東北大学): 情報科学基礎I 2018 (1)
例: 3入力の場合
3入力多数決関数
x1 x2
00 01 11 10
x3 0 0 0 1 0
1 0 1 1 1
この並び方がミソ
いずれの基本積もうまく長方形
で表せるようになっている
7鏡 慎吾 (東北大学): 情報科学基礎I 2018 (1)
例
x1 x2
00 01 11 10
x3 0 1 0 0 1
1 1 0 1 1
上下左右も隣接している!
x1 x2
00 01 11 10
x3 0 1 0 0 1
1 1 0 1 1
8鏡 慎吾 (東北大学): 情報科学基礎I 2018 (1)
簡単化の手順の(一応の)まとめ
1. 1を覆うループのうち,他のループに包含されないもの(主
項ループ)のみを列挙する
• 隣接するループを結合できないか? と考えるとよい
2. ひとつの主項ループでしか覆われていない1がある場合,
そのループ(必須主項ループ)は必ず残す
3. 必須主項ループで覆われていない1がある場合,できるだ
け少ない主項ループで覆う
• このとき複数の選び方がある場合は,できるだけ大き
なループの組合せを選ぶ
(結局,完全に自動化できる手順ではない)
9鏡 慎吾 (東北大学): 情報科学基礎I 2018 (1)
例
x1 x2
00 01 11 10
x3x4 00 1 1
01 1 1
11 1 1 1
10 1 1 1
•入力変数が増えるとだんだん難しくなってくる
•上下左右の隣接に注意 (特に四隅が気づきにくい)
•一般に,答えは一通りとは限らない(see 教科書例題3.2)
x1 x2
00 01 11 10
x3x4 00 1 1
01 1 1
11 1 1 1
10 1 1 1
主項ループ (青線が必須主項)
10鏡 慎吾 (東北大学): 情報科学基礎I 2018 (1)
ドントケア項のある場合
x1 x2
00 01 11 10
x3 0 * 0 1 0
1 * * 1 1
最小項のうち一部に「1になっても0になってもよい」ものがある
場合(その項に対応する入力を考える必要がない場合)
冗長項 (don’t care term),
組合せ禁止項などと呼び,
× や * などで表す
ループはできるだけ少なく,大きくしたいので,
• 既存のループを大きくできるなら積極的に使う
• 新たにループを作らないといけないなら無視する
11鏡 慎吾 (東北大学): 情報科学基礎I 2018 (1)
例: 7セグメントLED
http://ja.wikipedia.org/wiki/%E7%94%
BB%E5%83%8F:7segdisplay.jpg
d3 d2 d1 d0
a
b
c
d
e
f
g
a b c g
LED点灯回路
(例: 74HC4511)

出力 e を d3, d2, d1, d0 の論理式で表し,簡単化せよ
2進数入力
(binary coded decimal, BCD)
12鏡 慎吾 (東北大学): 情報科学基礎I 2018 (1)
出力 e を簡単化する例
d1d0
00 01 11 10
d3d2 00 1 1
01 1
11 * * * *
10 1 * *
d3 d2 d1 d0 e
0 0 0 0 1
0 0 0 1 0
0 0 1 0 1
0 0 1 1 0
0 1 0 0 0
0 1 0 1 0
0 1 1 0 1
0 1 1 1 0
1 0 0 0 1
1 0 0 1 0
1 0 1 0 *
1 0 1 1 *
1 1 0 0 *
1 1 0 1 *
1 1 1 0 *
1 1 1 1 *
0
1
2
3
4
5
6
7
8
9
don’t
care
13鏡 慎吾 (東北大学): 情報科学基礎I 2018 (1)
参考: 実際の論理式簡単化
• カルノー図による方法は,5入力以上になるとあまりうれしくな
い(頑張っても6入力程度).自動化に向いていない
→ より自動化に適した方法:
e.g.: クワイン・マクラスキー法
ではそれで十分か?
• 複雑になると難しい (記憶容量,計算時間が大きすぎる)
• 多数の出力がある場合,さらに簡単な組み合わせがあり得る
• 積和形よりより回路があるかも知れない
→ 組合せ最適化問題の典型であり,厳密に解くのは難しい.
ヒューリスティック(発見的)な解法が用いられる
14鏡 慎吾 (東北大学): 情報科学基礎I 2018 (1)
参考: 用語の意味をカルノー図で考える
x1 x2
00 01 11 10
x3x4 00
01
11 1
10
x1 x2
00 01 11 10
x3x4 00 0
01
11
10
最小項: x1 x2 x3 x4 最大項: x1+x2+x3+x4
15鏡 慎吾 (東北大学): 情報科学基礎I 2018 (1)
参考: 用語の意味をカルノー図で考える
主加法標準形
x1 x2
00 01 11 10
x3
x4
00
01
11 1
10
x1 x2
00 01 11 10
x3
x4
00
01 1
11
10
x1 x2
00 01 11 10
x3
x4
00
01
11
10 1
+ + + …
主乗法標準形
x1 x2
00 01 11 10
x3
x4
00
01
11 0
10
x1 x2
00 01 11 10
x3
x4
00
01 0
11
10
x1 x2
00 01 11 10
x3
x4
00
01
11
10 0
・ ・ ・ …
16鏡 慎吾 (東北大学): 情報科学基礎I 2018 (1)
練習問題
(1) カルノー図で表せ
(2) できるだけ簡単な積和型の論理式で表せ
(3) (2) で求めた論理式を表す論理回路図を示せ.AND, OR,
NOT の各ゲートを使用してよい
(4) 関数 f に冗長項 (x,y,w) = (0,1,1) を加えた不完全記述
論理関数を f ’ とする.f ’ をできるだけ簡単な積和型の論
理式で表し,論理回路図を示せ.
17鏡 慎吾 (東北大学): 情報科学基礎I 2018 (1)
解答例
x y
00 01 11 10
z w 00 1 1
01
11 1
10 1 1 1 1
x
y
z
w
f
18鏡 慎吾 (東北大学): 情報科学基礎I 2018 (1)
解答例 (つづき)
x y
00 01 11 10
z w 00 1 1
01 *
11 * 1
10 1 1 1 1
y
z
w
f ’
19鏡 慎吾 (東北大学): 情報科学基礎I 2018 (1)
例題(おまけ)
• 朝まで飲んでいたわけではなくて,晴れていて,落とせない講義がある日
は登校する
• 落とせない講義がなくても,朝まで飲んでいたわけではなくて,晴れてい
る日は登校する
• 朝まで飲んでいた日でも,落とせない講義がある日は天気に関わらず登
校する
• 天気が悪くても,落とせない講義がある日で,朝まで飲んでたわけじゃな
い場合は登校する
• 上記で挙がった場合以外は休む
(1) x1: 朝まで飲んでいた, x2 落とせない講義がある, x3: 晴天である
として「A君登校関数」を論理式で表せ.
(2) 「A君登校関数」のカルノー図をかき,簡単化せよ.
A君はあまり真面目に大学に来ない学生であるが,全く来ないわけ
でもない.よく観察してみると以下の法則性があることがわかった:
20鏡 慎吾 (東北大学): 情報科学基礎I 2018 (1)
例題(おまけ) 解答例
x1 x2 x3
+ x1 x2 x3
+ x1 x2
+ x1 x2 x3
(飲) (講) (晴)
x2 x3
00 01 11 10
x1 0 1 1 1
1 1 1
カルノー図から,簡単化すると
x2 + x1 x3
(つまりA君は,落とせない講義が
ある日,または,朝まで飲んで無く
てかつ晴れている日は登校する)
• 朝まで飲んでいたわけではなくて,晴れていて,落と
せない講義がある日は登校する
• 落とせない講義がなくても,朝まで飲んでいたわけで
はなくて,晴れている日は登校する
• 朝まで飲んでいた日でも,落とせない講義がある日は
天気に関わらず登校する
• 天気が悪くても,落とせない講義がある日で,朝まで
飲んでたわけじゃない場合は登校する

Weitere ähnliche Inhalte

Was ist angesagt?

kagami_comput2015_8
kagami_comput2015_8kagami_comput2015_8
kagami_comput2015_8swkagami
 
kagami_comput2016_14
kagami_comput2016_14kagami_comput2016_14
kagami_comput2016_14swkagami
 
kagamicomput201808
kagamicomput201808kagamicomput201808
kagamicomput201808swkagami
 
点群深層学習 Meta-study
点群深層学習 Meta-study点群深層学習 Meta-study
点群深層学習 Meta-studyNaoya Chiba
 
kagami_comput2016_04
kagami_comput2016_04kagami_comput2016_04
kagami_comput2016_04swkagami
 
第126回 ロボット工学セミナー 三次元点群と深層学習
第126回 ロボット工学セミナー 三次元点群と深層学習第126回 ロボット工学セミナー 三次元点群と深層学習
第126回 ロボット工学セミナー 三次元点群と深層学習Naoya Chiba
 
kagami_comput2016_01
kagami_comput2016_01kagami_comput2016_01
kagami_comput2016_01swkagami
 
kagamicomput201801
kagamicomput201801kagamicomput201801
kagamicomput201801swkagami
 
kagami_comput2016_11
kagami_comput2016_11kagami_comput2016_11
kagami_comput2016_11swkagami
 
研究報告 #0 - NII 情報科学の達人 ( R4 / 2 / 5 )
研究報告 #0   - NII 情報科学の達人 ( R4 / 2 / 5 ) 研究報告 #0   - NII 情報科学の達人 ( R4 / 2 / 5 )
研究報告 #0 - NII 情報科学の達人 ( R4 / 2 / 5 ) TadaTeruki
 
how-calculate-cluster-coefficience
how-calculate-cluster-coefficiencehow-calculate-cluster-coefficience
how-calculate-cluster-coefficienceNorihiro Shimoda
 
kagami_comput2016_13
kagami_comput2016_13kagami_comput2016_13
kagami_comput2016_13swkagami
 
ReNom 2016 ~ 2018振り返り
ReNom 2016 ~ 2018振り返りReNom 2016 ~ 2018振り返り
ReNom 2016 ~ 2018振り返りReNom User Group
 
Prml Reading Group 10 8.3
Prml Reading Group 10 8.3Prml Reading Group 10 8.3
Prml Reading Group 10 8.3正志 坪坂
 
計算情報学研究室 (数理情報学第7研究室)
計算情報学研究室  (数理情報学第7研究室) 計算情報学研究室  (数理情報学第7研究室)
計算情報学研究室 (数理情報学第7研究室) Tasuku Soma
 
論文紹介「PointNetLK: Robust & Efficient Point Cloud Registration Using PointNet」
論文紹介「PointNetLK: Robust & Efficient Point Cloud Registration Using PointNet」論文紹介「PointNetLK: Robust & Efficient Point Cloud Registration Using PointNet」
論文紹介「PointNetLK: Robust & Efficient Point Cloud Registration Using PointNet」Naoya Chiba
 
データ解析のための統計モデリング入門3章後半
データ解析のための統計モデリング入門3章後半データ解析のための統計モデリング入門3章後半
データ解析のための統計モデリング入門3章後半Shinya Akiba
 
第18回コンピュータビジョン勉強会@関東「ICCV祭り」発表資料(kanejaki)
第18回コンピュータビジョン勉強会@関東「ICCV祭り」発表資料(kanejaki)第18回コンピュータビジョン勉強会@関東「ICCV祭り」発表資料(kanejaki)
第18回コンピュータビジョン勉強会@関東「ICCV祭り」発表資料(kanejaki)kanejaki
 
三次元点群を取り扱うニューラルネットワークのサーベイ
三次元点群を取り扱うニューラルネットワークのサーベイ三次元点群を取り扱うニューラルネットワークのサーベイ
三次元点群を取り扱うニューラルネットワークのサーベイNaoya Chiba
 

Was ist angesagt? (20)

kagami_comput2015_8
kagami_comput2015_8kagami_comput2015_8
kagami_comput2015_8
 
kagami_comput2016_14
kagami_comput2016_14kagami_comput2016_14
kagami_comput2016_14
 
kagamicomput201808
kagamicomput201808kagamicomput201808
kagamicomput201808
 
点群深層学習 Meta-study
点群深層学習 Meta-study点群深層学習 Meta-study
点群深層学習 Meta-study
 
kagami_comput2016_04
kagami_comput2016_04kagami_comput2016_04
kagami_comput2016_04
 
第126回 ロボット工学セミナー 三次元点群と深層学習
第126回 ロボット工学セミナー 三次元点群と深層学習第126回 ロボット工学セミナー 三次元点群と深層学習
第126回 ロボット工学セミナー 三次元点群と深層学習
 
kagami_comput2016_01
kagami_comput2016_01kagami_comput2016_01
kagami_comput2016_01
 
kagamicomput201801
kagamicomput201801kagamicomput201801
kagamicomput201801
 
kagami_comput2016_11
kagami_comput2016_11kagami_comput2016_11
kagami_comput2016_11
 
Heap
HeapHeap
Heap
 
研究報告 #0 - NII 情報科学の達人 ( R4 / 2 / 5 )
研究報告 #0   - NII 情報科学の達人 ( R4 / 2 / 5 ) 研究報告 #0   - NII 情報科学の達人 ( R4 / 2 / 5 )
研究報告 #0 - NII 情報科学の達人 ( R4 / 2 / 5 )
 
how-calculate-cluster-coefficience
how-calculate-cluster-coefficiencehow-calculate-cluster-coefficience
how-calculate-cluster-coefficience
 
kagami_comput2016_13
kagami_comput2016_13kagami_comput2016_13
kagami_comput2016_13
 
ReNom 2016 ~ 2018振り返り
ReNom 2016 ~ 2018振り返りReNom 2016 ~ 2018振り返り
ReNom 2016 ~ 2018振り返り
 
Prml Reading Group 10 8.3
Prml Reading Group 10 8.3Prml Reading Group 10 8.3
Prml Reading Group 10 8.3
 
計算情報学研究室 (数理情報学第7研究室)
計算情報学研究室  (数理情報学第7研究室) 計算情報学研究室  (数理情報学第7研究室)
計算情報学研究室 (数理情報学第7研究室)
 
論文紹介「PointNetLK: Robust & Efficient Point Cloud Registration Using PointNet」
論文紹介「PointNetLK: Robust & Efficient Point Cloud Registration Using PointNet」論文紹介「PointNetLK: Robust & Efficient Point Cloud Registration Using PointNet」
論文紹介「PointNetLK: Robust & Efficient Point Cloud Registration Using PointNet」
 
データ解析のための統計モデリング入門3章後半
データ解析のための統計モデリング入門3章後半データ解析のための統計モデリング入門3章後半
データ解析のための統計モデリング入門3章後半
 
第18回コンピュータビジョン勉強会@関東「ICCV祭り」発表資料(kanejaki)
第18回コンピュータビジョン勉強会@関東「ICCV祭り」発表資料(kanejaki)第18回コンピュータビジョン勉強会@関東「ICCV祭り」発表資料(kanejaki)
第18回コンピュータビジョン勉強会@関東「ICCV祭り」発表資料(kanejaki)
 
三次元点群を取り扱うニューラルネットワークのサーベイ
三次元点群を取り扱うニューラルネットワークのサーベイ三次元点群を取り扱うニューラルネットワークのサーベイ
三次元点群を取り扱うニューラルネットワークのサーベイ
 

Ähnlich wie kagamicomput201809

Pythonとdeep learningで手書き文字認識
Pythonとdeep learningで手書き文字認識Pythonとdeep learningで手書き文字認識
Pythonとdeep learningで手書き文字認識Ken Morishita
 
データサイエンス概論第一=8 パターン認識と深層学習
データサイエンス概論第一=8 パターン認識と深層学習データサイエンス概論第一=8 パターン認識と深層学習
データサイエンス概論第一=8 パターン認識と深層学習Seiichi Uchida
 
大規模ネットワークの性質と先端グラフアルゴリズム
大規模ネットワークの性質と先端グラフアルゴリズム大規模ネットワークの性質と先端グラフアルゴリズム
大規模ネットワークの性質と先端グラフアルゴリズムTakuya Akiba
 
kagamicomput201804
kagamicomput201804kagamicomput201804
kagamicomput201804swkagami
 
Long short-term memory (LSTM)
Long short-term memory (LSTM)Long short-term memory (LSTM)
Long short-term memory (LSTM)Kenta Ishii
 
20150803.山口大学講演
20150803.山口大学講演20150803.山口大学講演
20150803.山口大学講演Hayaru SHOUNO
 
kagamicomput201810
kagamicomput201810kagamicomput201810
kagamicomput201810swkagami
 
コンピューターの整列処理におけるデータ操作の時間的共起分析
コンピューターの整列処理におけるデータ操作の時間的共起分析コンピューターの整列処理におけるデータ操作の時間的共起分析
コンピューターの整列処理におけるデータ操作の時間的共起分析yamahige
 
kagamicomput201812
kagamicomput201812kagamicomput201812
kagamicomput201812swkagami
 
多数のグラフからの統計的機械学習 (2014.7.24 人工知能学会 第94回人工知能基本問題研究会 招待講演)
多数のグラフからの統計的機械学習 (2014.7.24 人工知能学会 第94回人工知能基本問題研究会 招待講演)多数のグラフからの統計的機械学習 (2014.7.24 人工知能学会 第94回人工知能基本問題研究会 招待講演)
多数のグラフからの統計的機械学習 (2014.7.24 人工知能学会 第94回人工知能基本問題研究会 招待講演)Ichigaku Takigawa
 
コンピュータの整列処理で正解との距離は単調に減少するか?
コンピュータの整列処理で正解との距離は単調に減少するか?コンピュータの整列処理で正解との距離は単調に減少するか?
コンピュータの整列処理で正解との距離は単調に減少するか?yamahige
 
El text.tokuron a(2019).watanabe190613
El text.tokuron a(2019).watanabe190613El text.tokuron a(2019).watanabe190613
El text.tokuron a(2019).watanabe190613RCCSRENKEI
 
ICML2013読み会 ELLA: An Efficient Lifelong Learning Algorithm
ICML2013読み会 ELLA: An Efficient Lifelong Learning AlgorithmICML2013読み会 ELLA: An Efficient Lifelong Learning Algorithm
ICML2013読み会 ELLA: An Efficient Lifelong Learning AlgorithmYuya Unno
 
第3回システム系輪講会:IPDPS'17 の機械学習系論文
第3回システム系輪講会:IPDPS'17 の機械学習系論文第3回システム系輪講会:IPDPS'17 の機械学習系論文
第3回システム系輪講会:IPDPS'17 の機械学習系論文Junya Arai
 

Ähnlich wie kagamicomput201809 (15)

Pythonとdeep learningで手書き文字認識
Pythonとdeep learningで手書き文字認識Pythonとdeep learningで手書き文字認識
Pythonとdeep learningで手書き文字認識
 
データサイエンス概論第一=8 パターン認識と深層学習
データサイエンス概論第一=8 パターン認識と深層学習データサイエンス概論第一=8 パターン認識と深層学習
データサイエンス概論第一=8 パターン認識と深層学習
 
大規模ネットワークの性質と先端グラフアルゴリズム
大規模ネットワークの性質と先端グラフアルゴリズム大規模ネットワークの性質と先端グラフアルゴリズム
大規模ネットワークの性質と先端グラフアルゴリズム
 
kagamicomput201804
kagamicomput201804kagamicomput201804
kagamicomput201804
 
Long short-term memory (LSTM)
Long short-term memory (LSTM)Long short-term memory (LSTM)
Long short-term memory (LSTM)
 
CMSI計算科学技術特論A(2) MPIの基礎
CMSI計算科学技術特論A(2) MPIの基礎CMSI計算科学技術特論A(2) MPIの基礎
CMSI計算科学技術特論A(2) MPIの基礎
 
20150803.山口大学講演
20150803.山口大学講演20150803.山口大学講演
20150803.山口大学講演
 
kagamicomput201810
kagamicomput201810kagamicomput201810
kagamicomput201810
 
コンピューターの整列処理におけるデータ操作の時間的共起分析
コンピューターの整列処理におけるデータ操作の時間的共起分析コンピューターの整列処理におけるデータ操作の時間的共起分析
コンピューターの整列処理におけるデータ操作の時間的共起分析
 
kagamicomput201812
kagamicomput201812kagamicomput201812
kagamicomput201812
 
多数のグラフからの統計的機械学習 (2014.7.24 人工知能学会 第94回人工知能基本問題研究会 招待講演)
多数のグラフからの統計的機械学習 (2014.7.24 人工知能学会 第94回人工知能基本問題研究会 招待講演)多数のグラフからの統計的機械学習 (2014.7.24 人工知能学会 第94回人工知能基本問題研究会 招待講演)
多数のグラフからの統計的機械学習 (2014.7.24 人工知能学会 第94回人工知能基本問題研究会 招待講演)
 
コンピュータの整列処理で正解との距離は単調に減少するか?
コンピュータの整列処理で正解との距離は単調に減少するか?コンピュータの整列処理で正解との距離は単調に減少するか?
コンピュータの整列処理で正解との距離は単調に減少するか?
 
El text.tokuron a(2019).watanabe190613
El text.tokuron a(2019).watanabe190613El text.tokuron a(2019).watanabe190613
El text.tokuron a(2019).watanabe190613
 
ICML2013読み会 ELLA: An Efficient Lifelong Learning Algorithm
ICML2013読み会 ELLA: An Efficient Lifelong Learning AlgorithmICML2013読み会 ELLA: An Efficient Lifelong Learning Algorithm
ICML2013読み会 ELLA: An Efficient Lifelong Learning Algorithm
 
第3回システム系輪講会:IPDPS'17 の機械学習系論文
第3回システム系輪講会:IPDPS'17 の機械学習系論文第3回システム系輪講会:IPDPS'17 の機械学習系論文
第3回システム系輪講会:IPDPS'17 の機械学習系論文
 

Mehr von swkagami

kagamicomput201814
kagamicomput201814kagamicomput201814
kagamicomput201814swkagami
 
kagamicomput201813
kagamicomput201813kagamicomput201813
kagamicomput201813swkagami
 
kagamicomput201811
kagamicomput201811kagamicomput201811
kagamicomput201811swkagami
 
kagamicomput201807
kagamicomput201807kagamicomput201807
kagamicomput201807swkagami
 
kagamicomput201806
kagamicomput201806kagamicomput201806
kagamicomput201806swkagami
 
kagamicomput201805
kagamicomput201805kagamicomput201805
kagamicomput201805swkagami
 
kagamicomput201803
kagamicomput201803kagamicomput201803
kagamicomput201803swkagami
 
kagamicomput201802
kagamicomput201802kagamicomput201802
kagamicomput201802swkagami
 
kagamicomput201714
kagamicomput201714kagamicomput201714
kagamicomput201714swkagami
 
kagamicomput201713
kagamicomput201713kagamicomput201713
kagamicomput201713swkagami
 
kagamicomput201711
kagamicomput201711kagamicomput201711
kagamicomput201711swkagami
 
kagamicomput201710
kagamicomput201710kagamicomput201710
kagamicomput201710swkagami
 
kagamicomput201707
kagamicomput201707kagamicomput201707
kagamicomput201707swkagami
 
kagamicomput201706
kagamicomput201706kagamicomput201706
kagamicomput201706swkagami
 
kagamicomput201705
kagamicomput201705kagamicomput201705
kagamicomput201705swkagami
 
kagamicomput201704
kagamicomput201704kagamicomput201704
kagamicomput201704swkagami
 
kagamicomput201703
kagamicomput201703kagamicomput201703
kagamicomput201703swkagami
 
kagamicomput201702
kagamicomput201702kagamicomput201702
kagamicomput201702swkagami
 
kagamicomput201701
kagamicomput201701kagamicomput201701
kagamicomput201701swkagami
 

Mehr von swkagami (19)

kagamicomput201814
kagamicomput201814kagamicomput201814
kagamicomput201814
 
kagamicomput201813
kagamicomput201813kagamicomput201813
kagamicomput201813
 
kagamicomput201811
kagamicomput201811kagamicomput201811
kagamicomput201811
 
kagamicomput201807
kagamicomput201807kagamicomput201807
kagamicomput201807
 
kagamicomput201806
kagamicomput201806kagamicomput201806
kagamicomput201806
 
kagamicomput201805
kagamicomput201805kagamicomput201805
kagamicomput201805
 
kagamicomput201803
kagamicomput201803kagamicomput201803
kagamicomput201803
 
kagamicomput201802
kagamicomput201802kagamicomput201802
kagamicomput201802
 
kagamicomput201714
kagamicomput201714kagamicomput201714
kagamicomput201714
 
kagamicomput201713
kagamicomput201713kagamicomput201713
kagamicomput201713
 
kagamicomput201711
kagamicomput201711kagamicomput201711
kagamicomput201711
 
kagamicomput201710
kagamicomput201710kagamicomput201710
kagamicomput201710
 
kagamicomput201707
kagamicomput201707kagamicomput201707
kagamicomput201707
 
kagamicomput201706
kagamicomput201706kagamicomput201706
kagamicomput201706
 
kagamicomput201705
kagamicomput201705kagamicomput201705
kagamicomput201705
 
kagamicomput201704
kagamicomput201704kagamicomput201704
kagamicomput201704
 
kagamicomput201703
kagamicomput201703kagamicomput201703
kagamicomput201703
 
kagamicomput201702
kagamicomput201702kagamicomput201702
kagamicomput201702
 
kagamicomput201701
kagamicomput201701kagamicomput201701
kagamicomput201701
 

Kürzlich hochgeladen

業務で生成AIを活用したい人のための生成AI入門講座(社外公開版:キンドリルジャパン社内勉強会:2024年4月発表)
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版:キンドリルジャパン社内勉強会:2024年4月発表)業務で生成AIを活用したい人のための生成AI入門講座(社外公開版:キンドリルジャパン社内勉強会:2024年4月発表)
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版:キンドリルジャパン社内勉強会:2024年4月発表)Hiroshi Tomioka
 
CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?
CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?
CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?akihisamiyanaga1
 
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdfAWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdfFumieNakayama
 
TataPixel: 畳の異方性を利用した切り替え可能なディスプレイの提案
TataPixel: 畳の異方性を利用した切り替え可能なディスプレイの提案TataPixel: 畳の異方性を利用した切り替え可能なディスプレイの提案
TataPixel: 畳の異方性を利用した切り替え可能なディスプレイの提案sugiuralab
 
NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)
NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)
NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)NTT DATA Technology & Innovation
 
自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer
自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer
自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineerYuki Kikuchi
 
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)UEHARA, Tetsutaro
 
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察 ~Text-to-MusicとText-To-ImageかつImage-to-Music...
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察  ~Text-to-MusicとText-To-ImageかつImage-to-Music...モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察  ~Text-to-MusicとText-To-ImageかつImage-to-Music...
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察 ~Text-to-MusicとText-To-ImageかつImage-to-Music...博三 太田
 
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdf
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdfクラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdf
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdfFumieNakayama
 

Kürzlich hochgeladen (9)

業務で生成AIを活用したい人のための生成AI入門講座(社外公開版:キンドリルジャパン社内勉強会:2024年4月発表)
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版:キンドリルジャパン社内勉強会:2024年4月発表)業務で生成AIを活用したい人のための生成AI入門講座(社外公開版:キンドリルジャパン社内勉強会:2024年4月発表)
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版:キンドリルジャパン社内勉強会:2024年4月発表)
 
CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?
CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?
CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?
 
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdfAWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
 
TataPixel: 畳の異方性を利用した切り替え可能なディスプレイの提案
TataPixel: 畳の異方性を利用した切り替え可能なディスプレイの提案TataPixel: 畳の異方性を利用した切り替え可能なディスプレイの提案
TataPixel: 畳の異方性を利用した切り替え可能なディスプレイの提案
 
NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)
NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)
NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)
 
自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer
自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer
自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer
 
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
 
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察 ~Text-to-MusicとText-To-ImageかつImage-to-Music...
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察  ~Text-to-MusicとText-To-ImageかつImage-to-Music...モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察  ~Text-to-MusicとText-To-ImageかつImage-to-Music...
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察 ~Text-to-MusicとText-To-ImageかつImage-to-Music...
 
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdf
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdfクラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdf
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdf
 

kagamicomput201809

  • 1. 東北大学 工学部 機械知能・航空工学科 2018年度 クラスC3 D1 D2 D3 情報科学基礎 I 大学院情報科学研究科 鏡 慎吾 http://www.ic.is.tohoku.ac.jp/~swk/lecture/ 9. 論理式の簡単化 (教科書3.1~3.3節)
  • 2. 2鏡 慎吾 (東北大学): 情報科学基礎I 2018 (1) 論理式(論理回路)の簡単化 x1 x2 x1 x2 このような組をどうやって見つけるか?
  • 3. 3鏡 慎吾 (東北大学): 情報科学基礎I 2018 (1) カルノー図 (2入力の場合) x2 0 1 x1 0 1 0 1 1 1 • 1つ1つのマス目(セル)が最小項を表す • 論理関数に含まれる最小項のセルには1を,含まれな いセルには0を書き込む(あるいは空白のままとする) 1になる3つのセルの和を書き下すと 主加法標準形になる → 真理値表を 2 次元に並べ替える
  • 4. 4鏡 慎吾 (東北大学): 情報科学基礎I 2018 (1) カルノー図の特徴 x2 0 1 x1 0 0 1 1 0 0 x2 0 1 x1 0 0 1 1 0 1 x2 0 1 x1 0 1 1 1 1 1 隣接する 2n 個のセルをまとめることが変数の削除に対応する
  • 5. 5鏡 慎吾 (東北大学): 情報科学基礎I 2018 (1) カルノー図による簡単化 • 2m 個のセルからなる長方形をルー プと呼ぶ → 基本積に対応 • できるだけ少なく大きなループによ り,すべての1を覆う • 少ないループ → 少ない項 • 大きなループ → 少ないリテラル • ダブって覆ってもよい セルを1個ずつ取り上げて和を取る 代わりに,隣接する1をまとめた積 項を取り上げてその和を取っても同 じ関数を表現できる x2 0 1 x1 0 1 0 1 1 1
  • 6. 6鏡 慎吾 (東北大学): 情報科学基礎I 2018 (1) 例: 3入力の場合 3入力多数決関数 x1 x2 00 01 11 10 x3 0 0 0 1 0 1 0 1 1 1 この並び方がミソ いずれの基本積もうまく長方形 で表せるようになっている
  • 7. 7鏡 慎吾 (東北大学): 情報科学基礎I 2018 (1) 例 x1 x2 00 01 11 10 x3 0 1 0 0 1 1 1 0 1 1 上下左右も隣接している! x1 x2 00 01 11 10 x3 0 1 0 0 1 1 1 0 1 1
  • 8. 8鏡 慎吾 (東北大学): 情報科学基礎I 2018 (1) 簡単化の手順の(一応の)まとめ 1. 1を覆うループのうち,他のループに包含されないもの(主 項ループ)のみを列挙する • 隣接するループを結合できないか? と考えるとよい 2. ひとつの主項ループでしか覆われていない1がある場合, そのループ(必須主項ループ)は必ず残す 3. 必須主項ループで覆われていない1がある場合,できるだ け少ない主項ループで覆う • このとき複数の選び方がある場合は,できるだけ大き なループの組合せを選ぶ (結局,完全に自動化できる手順ではない)
  • 9. 9鏡 慎吾 (東北大学): 情報科学基礎I 2018 (1) 例 x1 x2 00 01 11 10 x3x4 00 1 1 01 1 1 11 1 1 1 10 1 1 1 •入力変数が増えるとだんだん難しくなってくる •上下左右の隣接に注意 (特に四隅が気づきにくい) •一般に,答えは一通りとは限らない(see 教科書例題3.2) x1 x2 00 01 11 10 x3x4 00 1 1 01 1 1 11 1 1 1 10 1 1 1 主項ループ (青線が必須主項)
  • 10. 10鏡 慎吾 (東北大学): 情報科学基礎I 2018 (1) ドントケア項のある場合 x1 x2 00 01 11 10 x3 0 * 0 1 0 1 * * 1 1 最小項のうち一部に「1になっても0になってもよい」ものがある 場合(その項に対応する入力を考える必要がない場合) 冗長項 (don’t care term), 組合せ禁止項などと呼び, × や * などで表す ループはできるだけ少なく,大きくしたいので, • 既存のループを大きくできるなら積極的に使う • 新たにループを作らないといけないなら無視する
  • 11. 11鏡 慎吾 (東北大学): 情報科学基礎I 2018 (1) 例: 7セグメントLED http://ja.wikipedia.org/wiki/%E7%94% BB%E5%83%8F:7segdisplay.jpg d3 d2 d1 d0 a b c d e f g a b c g LED点灯回路 (例: 74HC4511)  出力 e を d3, d2, d1, d0 の論理式で表し,簡単化せよ 2進数入力 (binary coded decimal, BCD)
  • 12. 12鏡 慎吾 (東北大学): 情報科学基礎I 2018 (1) 出力 e を簡単化する例 d1d0 00 01 11 10 d3d2 00 1 1 01 1 11 * * * * 10 1 * * d3 d2 d1 d0 e 0 0 0 0 1 0 0 0 1 0 0 0 1 0 1 0 0 1 1 0 0 1 0 0 0 0 1 0 1 0 0 1 1 0 1 0 1 1 1 0 1 0 0 0 1 1 0 0 1 0 1 0 1 0 * 1 0 1 1 * 1 1 0 0 * 1 1 0 1 * 1 1 1 0 * 1 1 1 1 * 0 1 2 3 4 5 6 7 8 9 don’t care
  • 13. 13鏡 慎吾 (東北大学): 情報科学基礎I 2018 (1) 参考: 実際の論理式簡単化 • カルノー図による方法は,5入力以上になるとあまりうれしくな い(頑張っても6入力程度).自動化に向いていない → より自動化に適した方法: e.g.: クワイン・マクラスキー法 ではそれで十分か? • 複雑になると難しい (記憶容量,計算時間が大きすぎる) • 多数の出力がある場合,さらに簡単な組み合わせがあり得る • 積和形よりより回路があるかも知れない → 組合せ最適化問題の典型であり,厳密に解くのは難しい. ヒューリスティック(発見的)な解法が用いられる
  • 14. 14鏡 慎吾 (東北大学): 情報科学基礎I 2018 (1) 参考: 用語の意味をカルノー図で考える x1 x2 00 01 11 10 x3x4 00 01 11 1 10 x1 x2 00 01 11 10 x3x4 00 0 01 11 10 最小項: x1 x2 x3 x4 最大項: x1+x2+x3+x4
  • 15. 15鏡 慎吾 (東北大学): 情報科学基礎I 2018 (1) 参考: 用語の意味をカルノー図で考える 主加法標準形 x1 x2 00 01 11 10 x3 x4 00 01 11 1 10 x1 x2 00 01 11 10 x3 x4 00 01 1 11 10 x1 x2 00 01 11 10 x3 x4 00 01 11 10 1 + + + … 主乗法標準形 x1 x2 00 01 11 10 x3 x4 00 01 11 0 10 x1 x2 00 01 11 10 x3 x4 00 01 0 11 10 x1 x2 00 01 11 10 x3 x4 00 01 11 10 0 ・ ・ ・ …
  • 16. 16鏡 慎吾 (東北大学): 情報科学基礎I 2018 (1) 練習問題 (1) カルノー図で表せ (2) できるだけ簡単な積和型の論理式で表せ (3) (2) で求めた論理式を表す論理回路図を示せ.AND, OR, NOT の各ゲートを使用してよい (4) 関数 f に冗長項 (x,y,w) = (0,1,1) を加えた不完全記述 論理関数を f ’ とする.f ’ をできるだけ簡単な積和型の論 理式で表し,論理回路図を示せ.
  • 17. 17鏡 慎吾 (東北大学): 情報科学基礎I 2018 (1) 解答例 x y 00 01 11 10 z w 00 1 1 01 11 1 10 1 1 1 1 x y z w f
  • 18. 18鏡 慎吾 (東北大学): 情報科学基礎I 2018 (1) 解答例 (つづき) x y 00 01 11 10 z w 00 1 1 01 * 11 * 1 10 1 1 1 1 y z w f ’
  • 19. 19鏡 慎吾 (東北大学): 情報科学基礎I 2018 (1) 例題(おまけ) • 朝まで飲んでいたわけではなくて,晴れていて,落とせない講義がある日 は登校する • 落とせない講義がなくても,朝まで飲んでいたわけではなくて,晴れてい る日は登校する • 朝まで飲んでいた日でも,落とせない講義がある日は天気に関わらず登 校する • 天気が悪くても,落とせない講義がある日で,朝まで飲んでたわけじゃな い場合は登校する • 上記で挙がった場合以外は休む (1) x1: 朝まで飲んでいた, x2 落とせない講義がある, x3: 晴天である として「A君登校関数」を論理式で表せ. (2) 「A君登校関数」のカルノー図をかき,簡単化せよ. A君はあまり真面目に大学に来ない学生であるが,全く来ないわけ でもない.よく観察してみると以下の法則性があることがわかった:
  • 20. 20鏡 慎吾 (東北大学): 情報科学基礎I 2018 (1) 例題(おまけ) 解答例 x1 x2 x3 + x1 x2 x3 + x1 x2 + x1 x2 x3 (飲) (講) (晴) x2 x3 00 01 11 10 x1 0 1 1 1 1 1 1 カルノー図から,簡単化すると x2 + x1 x3 (つまりA君は,落とせない講義が ある日,または,朝まで飲んで無く てかつ晴れている日は登校する) • 朝まで飲んでいたわけではなくて,晴れていて,落と せない講義がある日は登校する • 落とせない講義がなくても,朝まで飲んでいたわけで はなくて,晴れている日は登校する • 朝まで飲んでいた日でも,落とせない講義がある日は 天気に関わらず登校する • 天気が悪くても,落とせない講義がある日で,朝まで 飲んでたわけじゃない場合は登校する