- 博客(7)
- 收藏
- 关注
RSS订阅原创 编译原理笔记-SDD
编译原理笔记-SDDSDD与SDT的定义与区别见SDD与SDT的区别语法制导定义语法制导定义(Syntax-Directed Definition, SOD) 是一个上下文无关文法和属性及规则的结合。属性和文法符号相关联，而规则和产生式相关联。例子如下属性分为综合属性和继承属性.综合属性:结点N 上的综合属性只能通过N 的子结点或N 本身的属性值来定义。继承属性:在分析树结点N上的非终结符A的继承属性只能通过N的父结点、N的兄弟结点或N本身的属性值来定义.有些继承属性有其特殊作用,具体见继
2021-10-07 21:49:37
6564
1
原创 继承属性inh和综合属性syn的作用
继承属性inh和综合属性syn的作用因为文法不是为了翻译而定义的，而是以语法分析为目的进行定义的，因此可能会产生语法分析树的结构和源代码的抽象语法不＂匹配”.例如,下面的文法便是按照人类的算术习惯定义的.比如加法就定义为E=E+TE=E+TE=E+T,乘法就定义为T=T×FT=T\times FT=T×F.但如果要进行语法分析,这两个文法就存在左递归的问题,需要消除左递归,例如,对于乘法T=T×FT=T\times FT=T×F,消除左递归后的文法如下.可见,由于T′T'T′的引入,导致语法分析
2021-10-07 21:35:53
2516
原创 概率论于数理统计(陈希孺)笔记2.3
2.3 条件概率分布与随机变量的独立性2.3.1 条件概率分布的概念一个随机变量或向量XXX的条件概率分布，就是在某种给定的条件之下，XXX的概率分布.考虑之前提到的体重X1X_1X1与身高X2X_2X2的二维正态分布N(a,b,σ21,σ22,ρ)N\left(a, b, \sigma_{2}^{1}, \sigma_{2}^{2}, \rho\right)N(a,b,σ21,σ22,ρ).根据之前的论述可以知道X1X_1X1,X2X_2X2都有单独的概率分布,分别为N(a,σ12)N\
2021-10-01 21:39:39
1047
原创 二维正态分布参数rho的作用
二维正态分布参数ρ\rhoρ的作用我们知道,一个随机向量X=X=X=(X1,⋯ ,Xn)\left(X_{1}, \cdots, X_{n}\right)(X1,⋯,Xn)的分布FFF足以决定其任一分量XiX_{i}Xi的(\left(\right.(边缘)分布FiF_{i}Fi, 但反过来不对: 即使知道了所有XiX_{i}Xi的边缘分布Fi,i=1,⋯ ,nF_{i}, i=1, \cdots, nFi,i=1,⋯,n, 也不足以决定XXX的分布FFF.而二维正态分布就是一个典型例子.例
2021-10-01 21:37:57
12103
原创 概率论与数理统计(陈希孺)笔记2.2
2.2 随机向量若随机变量X1,X2,⋯ ,XnX_{1}, X_{2}, \cdots, X_{n}X1,X2,⋯,Xn定义在同一个样本空间Ω\OmegaΩ上, 则称(X1,X2,⋯ ,\left(X_{1}, X_{2}, \cdots,\right.(X1,X2,⋯,,XnX_{n}Xn) 为一个nnn维随机向量或nnn维随机变量。我们虽然可以仿照一维随机变量定义多维随机变量的分布函数,但分布函数在多维中意义不大,这里仅给出其定义.X=(X1,⋯ ,Xn)X=\left(X_{1},
2021-10-01 19:33:07
599
原创 SDD与SDT的区别
SDD与SDT的区别龙书在一开始举了以上两个例子以说明这两个概念的区别.但我认为这两个例子其实不够好.它让我误以为所谓SDD是只进行属性值的计算,例如属性的加减乘除,而SDT则涉及到print这种无关属性值计算的程序片段.这显然是错误的.正确的理解为SDD是关于语言翻译的高层次规格说明隐蔽了许多具体实现细节，使用户不必显式地说明翻译发生的顺序SDT可以看作是对SDD的一种补充，是SDD的具体实施方案显式地指明了语义规则的计算顺序，以便说明某些实现细节例如,对于乘法的消除左
2021-09-29 23:19:24
6189
原创 概率论与数理统计(陈希孺)笔记2.1
2.1 一维随机变量2.1.1 随机变量的概念所谓随机变量,就是其值随机会而定的变量.例如骰子的点数X,在试验前无法确定它将取何值,但一旦试验结束,点数就确定了.而与之相对的就是确定变量,其取值遵循某种严格的规律,在试验前就能准确预知出来.例如骰子自由落体的距离H,我不需要进行试验就可根据自由落体定律计算出每个时刻对应的落体高度。第一章提到的随机事件，实际上是包含随机变量这个更广泛的范围之内。例如事件:骰子的点数大于等于3可以用{X≥3}\{X\ge 3\}{X≥3}表示。更进一步的，我们可以使用指
2021-09-28 21:59:43
676
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人