32、逻辑教学工具与在线逻辑课程设计

逻辑教学工具与在线逻辑课程设计

算法调试

调试是软件开发周期的重要部分,对于帮助学生理解程序为何未按预期运行具有实际需求。算法调试为命令式程序调试提供了不同于传统方法的思路,其主要优势在于让学生能在更高的抽象层面开展工作。

我们借助基于语义表的工具,对简单程序进行算法调试,展示了不依赖操作参数来推理程序的方法。算法调试借鉴了Shapiro的观点,用附带程序片段的计算树替代计算轨迹,我们在此基础上提出将计算树用作语义表。

以下是一个存在两个错误的算法代码示例:

{ P : a ≥0 ∧b > 0 }
fun divide ( a, b : int ) dev < c, r : int >
c := 0 ; r := 0 ;
{ I : a = b ∗c + r ∧r ≥0 ∧b > 0 , C : r }
while r ≥b do r := r - b
fwhile
ffun
{ Q : a = b ∗c + r ∧r ≥0 ∧r < b }

若要验证这个错误算法,运行工具后,TABLEAUX会显示一个开放表 P ⊩¬I 用于调试 {P} c := 0; r := 0 {I} 。通过逐步构建最弱前置条件 I0,0 c,r ,可以识别开放分支中的错误代码部分:

(1) a ≥0 ∧b > 0
{P }
(2) a ≥0
(α, 1)
(3) b &
根据原作 https://pan.quark.cn/s/459657bcfd45 的源码改编 Classic-ML-Methods-Algo 引言 建立这个项目,是为了梳理和总结传统机器学习(Machine Learning)方法(methods)或者算法(algo),和各位同仁相互学习交流. 现在的深度学习本质上来自于传统的神经网络模型,很大程度上是传统机器学习的延续,同时也在不少时候需要结合传统方法来实现. 任何机器学习方法基本的流程结构都是通用的;使用的评价方法也基本通用;使用的一些数学知识也是通用的. 本文在梳理传统机器学习方法算法的同时也会顺便补充这些流程,数学上的知识以供参考. 机器学习 机器学习是人工智能(Artificial Intelligence)的一个分支,也是实现人工智能最重要的手段.区别于传统的基于规则(rule-based)的算法,机器学习可以从数据中获取知识,从而实现规定的任务[Ian Goodfellow and Yoshua Bengio and Aaron Courville的Deep Learning].这些知识可以分为四种: 总结(summarization) 预测(prediction) 估计(estimation) 假想验证(hypothesis testing) 机器学习主要关心的是预测[Varian在Big Data : New Tricks for Econometrics],预测的可以是连续性的输出变量,分类,聚类或者物品之间的有趣关联. 机器学习分类 根据数据配置(setting,是否有标签,可以是连续的也可以是离散的)和任务目标,我们可以将机器学习方法分为四种: 无监督(unsupervised) 训练数据没有给定...
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值