Preservación de normalidad en transductores

Autores
Orduna, Elisa
Año de publicación
2018
Idioma
inglés
Tipo de recurso
tesis de grado
Estado
versión publicada
Colaborador/a o director/a de tesis
Becher, Verónica Andrea
Carton, Olivier
Descripción
En esta tesis se plantea el problema de determinar si un transductor finito determinístico arbitrario devuelve una palabra normal siempre que recibe como entrada una palabra normal, es decir, si preserva la normalidad. Una palabra infinita x es normal si todos los bloques de igual tamaño aparecen en x con la misma frecuencia asintótica. Trabajos anteriores caracterizan algunas familias de transductores que preservan normalidad: selectores de Agafonov, eliminación de todas las apariciones de un símbolo (en alfabetos con al menos tres símbolos), eliminación de finitos símbolos. Desarrollamos un algoritmo ideado por Olivier Carton que decide si un transductor determinístico preserva la normalidad. Lo hace además en tiempo polinomial. En primer lugar, el algoritmo obtiene una descomposición del transductor en componentes fuertemente conexas y analiza todas aquellas que sean recurrentes por separado. Para cada componente se construye un autómata con pesos que permite calcular la frecuencia de una palabra finita arbitraria en la salida, suponiendo que la entrada es una palabra normal. Por último, se verifica que estas frecuencias sean las esperadas, utilizando una implementación polinomial del algoritmo de Schüzenberger, propuesta por Crochemore. Además, presentamos un prototipo en Python que implementa el algoritmo.
In this thesis, we study the problem of deciding whether a given deterministic transducer outputs a normal word whenever it is fed with a normal word, in other words, whether it preserves normality or not. An infinite word x is normal if every block of the same length occurs in x with the same asymptotic frequency. Previous works characterize some families of transducers which preserve normality: Agafonov selectors, removal of all occurrences of a symbol (when alphabets contain at least three symbols), removal of a finite number of symbols. We develop an algorithm designed by Olivier Carton that decides if a given deterministic transducer preserves normality. Furthermore, this is done in polynomial time. First, the algorithm obtains a decomposition of the transducer into strongly connected components and analyzes those that are recurrent separately. For each component, it builds a weighted automaton, which allows it to determine the frequency of an arbitrary finite word in the output, assuming that the input is a normal word. Finally, it checks that these frequencies match the expected ones, using a polynomial implementation of Schützenberger’s algorithm, due to Crochemore. Additionally, we provide a prototype implementation in Python. Keywords: Finite Automata, Markov Chains, Normal Numbers, Randomness.
Fil: Orduna, Elisa. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales; Argentina.
Materia
ALEATORIEDAD
AUTOMATAS FINITOS
CADENAS DE MARKOV
NUMEROS NORMALES
FINITE AUTOMATA
MARKOV CHAINS
NORMAL NUMBERS
RANDOMNESS
Nivel de accesibilidad
acceso abierto
Condiciones de uso
https://creativecommons.org/licenses/by-nc-sa/2.5/ar
Repositorio
Biblioteca Digital (UBA-FCEN)
Institución
Universidad Nacional de Buenos Aires. Facultad de Ciencias Exactas y Naturales
OAI Identificador
seminario:seminario_nCOM000628_Orduna

id BDUBAFCEN_1752f9bda74a6f0027d612df8ce7583d
oai_identifier_str seminario:seminario_nCOM000628_Orduna
network_acronym_str BDUBAFCEN
repository_id_str 1896
network_name_str Biblioteca Digital (UBA-FCEN)
spelling Preservación de normalidad en transductoresPreservation of Normality in TransducersOrduna, ElisaALEATORIEDADAUTOMATAS FINITOSCADENAS DE MARKOVNUMEROS NORMALESFINITE AUTOMATAMARKOV CHAINSNORMAL NUMBERSRANDOMNESSEn esta tesis se plantea el problema de determinar si un transductor finito determinístico arbitrario devuelve una palabra normal siempre que recibe como entrada una palabra normal, es decir, si preserva la normalidad. Una palabra infinita x es normal si todos los bloques de igual tamaño aparecen en x con la misma frecuencia asintótica. Trabajos anteriores caracterizan algunas familias de transductores que preservan normalidad: selectores de Agafonov, eliminación de todas las apariciones de un símbolo (en alfabetos con al menos tres símbolos), eliminación de finitos símbolos. Desarrollamos un algoritmo ideado por Olivier Carton que decide si un transductor determinístico preserva la normalidad. Lo hace además en tiempo polinomial. En primer lugar, el algoritmo obtiene una descomposición del transductor en componentes fuertemente conexas y analiza todas aquellas que sean recurrentes por separado. Para cada componente se construye un autómata con pesos que permite calcular la frecuencia de una palabra finita arbitraria en la salida, suponiendo que la entrada es una palabra normal. Por último, se verifica que estas frecuencias sean las esperadas, utilizando una implementación polinomial del algoritmo de Schüzenberger, propuesta por Crochemore. Además, presentamos un prototipo en Python que implementa el algoritmo.In this thesis, we study the problem of deciding whether a given deterministic transducer outputs a normal word whenever it is fed with a normal word, in other words, whether it preserves normality or not. An infinite word x is normal if every block of the same length occurs in x with the same asymptotic frequency. Previous works characterize some families of transducers which preserve normality: Agafonov selectors, removal of all occurrences of a symbol (when alphabets contain at least three symbols), removal of a finite number of symbols. We develop an algorithm designed by Olivier Carton that decides if a given deterministic transducer preserves normality. Furthermore, this is done in polynomial time. First, the algorithm obtains a decomposition of the transducer into strongly connected components and analyzes those that are recurrent separately. For each component, it builds a weighted automaton, which allows it to determine the frequency of an arbitrary finite word in the output, assuming that the input is a normal word. Finally, it checks that these frequencies match the expected ones, using a polynomial implementation of Schützenberger’s algorithm, due to Crochemore. Additionally, we provide a prototype implementation in Python. Keywords: Finite Automata, Markov Chains, Normal Numbers, Randomness.Fil: Orduna, Elisa. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales; Argentina.Universidad de Buenos Aires. Facultad de Ciencias Exactas y NaturalesBecher, Verónica AndreaCarton, Olivier2018info:eu-repo/semantics/bachelorThesisinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_7a1finfo:ar-repo/semantics/tesisDeGradoapplication/pdfhttps://hdl.handle.net/20.500.12110/seminario_nCOM000628_Ordunaenginfo:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by-nc-sa/2.5/arreponame:Biblioteca Digital (UBA-FCEN)instname:Universidad Nacional de Buenos Aires. Facultad de Ciencias Exactas y Naturalesinstacron:UBA-FCEN2025-09-04T09:49:25Zseminario:seminario_nCOM000628_OrdunaInstitucionalhttps://digital.bl.fcen.uba.ar/Universidad públicaNo correspondehttps://digital.bl.fcen.uba.ar/cgi-bin/oaiserver.cgiana@bl.fcen.uba.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:18962025-09-04 09:49:26.439Biblioteca Digital (UBA-FCEN) - Universidad Nacional de Buenos Aires. Facultad de Ciencias Exactas y Naturalesfalse
dc.title.none.fl_str_mv Preservación de normalidad en transductores
Preservation of Normality in Transducers
title Preservación de normalidad en transductores
spellingShingle Preservación de normalidad en transductores
Orduna, Elisa
ALEATORIEDAD
AUTOMATAS FINITOS
CADENAS DE MARKOV
NUMEROS NORMALES
FINITE AUTOMATA
MARKOV CHAINS
NORMAL NUMBERS
RANDOMNESS
title_short Preservación de normalidad en transductores
title_full Preservación de normalidad en transductores
title_fullStr Preservación de normalidad en transductores
title_full_unstemmed Preservación de normalidad en transductores
title_sort Preservación de normalidad en transductores
dc.creator.none.fl_str_mv Orduna, Elisa
author Orduna, Elisa
author_facet Orduna, Elisa
author_role author
dc.contributor.none.fl_str_mv Becher, Verónica Andrea
Carton, Olivier
dc.subject.none.fl_str_mv ALEATORIEDAD
AUTOMATAS FINITOS
CADENAS DE MARKOV
NUMEROS NORMALES
FINITE AUTOMATA
MARKOV CHAINS
NORMAL NUMBERS
RANDOMNESS
topic ALEATORIEDAD
AUTOMATAS FINITOS
CADENAS DE MARKOV
NUMEROS NORMALES
FINITE AUTOMATA
MARKOV CHAINS
NORMAL NUMBERS
RANDOMNESS
dc.description.none.fl_txt_mv En esta tesis se plantea el problema de determinar si un transductor finito determinístico arbitrario devuelve una palabra normal siempre que recibe como entrada una palabra normal, es decir, si preserva la normalidad. Una palabra infinita x es normal si todos los bloques de igual tamaño aparecen en x con la misma frecuencia asintótica. Trabajos anteriores caracterizan algunas familias de transductores que preservan normalidad: selectores de Agafonov, eliminación de todas las apariciones de un símbolo (en alfabetos con al menos tres símbolos), eliminación de finitos símbolos. Desarrollamos un algoritmo ideado por Olivier Carton que decide si un transductor determinístico preserva la normalidad. Lo hace además en tiempo polinomial. En primer lugar, el algoritmo obtiene una descomposición del transductor en componentes fuertemente conexas y analiza todas aquellas que sean recurrentes por separado. Para cada componente se construye un autómata con pesos que permite calcular la frecuencia de una palabra finita arbitraria en la salida, suponiendo que la entrada es una palabra normal. Por último, se verifica que estas frecuencias sean las esperadas, utilizando una implementación polinomial del algoritmo de Schüzenberger, propuesta por Crochemore. Además, presentamos un prototipo en Python que implementa el algoritmo.
In this thesis, we study the problem of deciding whether a given deterministic transducer outputs a normal word whenever it is fed with a normal word, in other words, whether it preserves normality or not. An infinite word x is normal if every block of the same length occurs in x with the same asymptotic frequency. Previous works characterize some families of transducers which preserve normality: Agafonov selectors, removal of all occurrences of a symbol (when alphabets contain at least three symbols), removal of a finite number of symbols. We develop an algorithm designed by Olivier Carton that decides if a given deterministic transducer preserves normality. Furthermore, this is done in polynomial time. First, the algorithm obtains a decomposition of the transducer into strongly connected components and analyzes those that are recurrent separately. For each component, it builds a weighted automaton, which allows it to determine the frequency of an arbitrary finite word in the output, assuming that the input is a normal word. Finally, it checks that these frequencies match the expected ones, using a polynomial implementation of Schützenberger’s algorithm, due to Crochemore. Additionally, we provide a prototype implementation in Python. Keywords: Finite Automata, Markov Chains, Normal Numbers, Randomness.
Fil: Orduna, Elisa. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales; Argentina.
description En esta tesis se plantea el problema de determinar si un transductor finito determinístico arbitrario devuelve una palabra normal siempre que recibe como entrada una palabra normal, es decir, si preserva la normalidad. Una palabra infinita x es normal si todos los bloques de igual tamaño aparecen en x con la misma frecuencia asintótica. Trabajos anteriores caracterizan algunas familias de transductores que preservan normalidad: selectores de Agafonov, eliminación de todas las apariciones de un símbolo (en alfabetos con al menos tres símbolos), eliminación de finitos símbolos. Desarrollamos un algoritmo ideado por Olivier Carton que decide si un transductor determinístico preserva la normalidad. Lo hace además en tiempo polinomial. En primer lugar, el algoritmo obtiene una descomposición del transductor en componentes fuertemente conexas y analiza todas aquellas que sean recurrentes por separado. Para cada componente se construye un autómata con pesos que permite calcular la frecuencia de una palabra finita arbitraria en la salida, suponiendo que la entrada es una palabra normal. Por último, se verifica que estas frecuencias sean las esperadas, utilizando una implementación polinomial del algoritmo de Schüzenberger, propuesta por Crochemore. Además, presentamos un prototipo en Python que implementa el algoritmo.
publishDate 2018
dc.date.none.fl_str_mv 2018
dc.type.none.fl_str_mv info:eu-repo/semantics/bachelorThesis
info:eu-repo/semantics/publishedVersion
http://purl.org/coar/resource_type/c_7a1f
info:ar-repo/semantics/tesisDeGrado
format bachelorThesis
status_str publishedVersion
dc.identifier.none.fl_str_mv https://hdl.handle.net/20.500.12110/seminario_nCOM000628_Orduna
url https://hdl.handle.net/20.500.12110/seminario_nCOM000628_Orduna
dc.language.none.fl_str_mv eng
language eng
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
https://creativecommons.org/licenses/by-nc-sa/2.5/ar
eu_rights_str_mv openAccess
rights_invalid_str_mv https://creativecommons.org/licenses/by-nc-sa/2.5/ar
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales
publisher.none.fl_str_mv Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales
dc.source.none.fl_str_mv reponame:Biblioteca Digital (UBA-FCEN)
instname:Universidad Nacional de Buenos Aires. Facultad de Ciencias Exactas y Naturales
instacron:UBA-FCEN
reponame_str Biblioteca Digital (UBA-FCEN)
collection Biblioteca Digital (UBA-FCEN)
instname_str Universidad Nacional de Buenos Aires. Facultad de Ciencias Exactas y Naturales
instacron_str UBA-FCEN
institution UBA-FCEN
repository.name.fl_str_mv Biblioteca Digital (UBA-FCEN) - Universidad Nacional de Buenos Aires. Facultad de Ciencias Exactas y Naturales
repository.mail.fl_str_mv ana@bl.fcen.uba.ar
_version_ 1842340720149528576
score 12.623145