Table Of ContentEstudio de la Mezcla de Estados Determinista y
No Determinista en el Disen~o de Algoritmos para
Inferencia Gramatical de Lenguajes Regulares
Gloria In(cid:19)es Alvarez Vargas
Director: Dr. D. Pedro Garc(cid:19)(cid:16)a Go(cid:19)mez
Tesis Doctoral.
Programa Doctoral en Reconocimiento de Formas e
Inteligencia Arti(cid:12)cial
Departamento de Sistemas Informa(cid:19)ticos y Computacio(cid:19)n, DSIC
Universidad Polit(cid:19)ecnica de Valencia
Valencia, Mayo de 2007
2
(cid:19)
Indice general
1. El Problema de la Inferencia Gramatical. 3
1.1. De(cid:12)niciones Ba(cid:19)sicas . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.2. Modelo de Aprendizaje. . . . . . . . . . . . . . . . . . . . . . . . 9
1.3. Auto(cid:19)matas Finitos Residuales . . . . . . . . . . . . . . . . . . . . 10
2. Antecedentes 19
2.1. Antecedentes en Inferencia Gramatical de Lenguajes Regulares . 19
2.1.1. Variaciones del Orden en la Mezcla de Estados . . . . . . 22
2.1.2. La Inferencia Gramatical como Problema de Bu(cid:19)squeda . . 23
2.2. Modelos de Aprendizaje . . . . . . . . . . . . . . . . . . . . . . . 26
2.3. AntecedentesencuantoaEvaluacio(cid:19)ndeAlgoritmosdeInferencia
Gramatical . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
2.3.1. T(cid:19)ecnicasde Generacio(cid:19)n de Auto(cid:19)matas Aleatorios . . . . . 30
2.3.2. CriteriosdeEvaluacio(cid:19)nparaAlgoritmosdeInferenciaGra-
matical . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
3. La Mezcla de Estados 32
3.1. Relaciones de Inclusio(cid:19)n. . . . . . . . . . . . . . . . . . . . . . . . 32
3.1.1. El A(cid:19)rbol de Mezcla . . . . . . . . . . . . . . . . . . . . . . 33
3.1.2. Duplicacio(cid:19)n de Transiciones . . . . . . . . . . . . . . . . . 34
3.1.3. De(cid:12)nicio(cid:19)n de Valores de Salida . . . . . . . . . . . . . . . 35
3.2. El Mecanismo Ba(cid:19)sico de Mezcla de Estados . . . . . . . . . . . . 38
3.3. La Mezcla No-Determinista de Estados. . . . . . . . . . . . . . . 40
3.4. Importancia del Orden de Mezcla . . . . . . . . . . . . . . . . . . 42
3.5. Convergenciade la Mezcla de Estados . . . . . . . . . . . . . . . 44
3.5.1. Convergencia de la Mezcla de Estados en Ma(cid:19)quinas De-
terministas . . . . . . . . . . . . . . . . . . . . . . . . . . 44
3.5.2. Convergencia de la Mezcla de Estados en Ma(cid:19)quinas No
Deterministas . . . . . . . . . . . . . . . . . . . . . . . . . 50
3.6. Sumario . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
4. Algoritmos Propuestos 59
4.1. Algoritmos Ba(cid:19)sicos . . . . . . . . . . . . . . . . . . . . . . . . . . 59
4.1.1. Algoritmo RPNI . . . . . . . . . . . . . . . . . . . . . . . 59
4.1.2. Algoritmos de Gold y DeLeTe2 . . . . . . . . . . . . . . . 61
4.1.3. ProgramaDeLeTe2 . . . . . . . . . . . . . . . . . . . . . 65
4.2. Mezcla Determinista . . . . . . . . . . . . . . . . . . . . . . . . . 72
4.2.1. Algoritmo IRPNI1 . . . . . . . . . . . . . . . . . . . . . . 72
i
4.2.2. Algoritmo IRPNI2 . . . . . . . . . . . . . . . . . . . . . . 75
4.2.3. Algoritmo RBIR . . . . . . . . . . . . . . . . . . . . . . . 80
4.2.4. Algoritmo RRB . . . . . . . . . . . . . . . . . . . . . . . 83
4.3. Mezcla No Determinista . . . . . . . . . . . . . . . . . . . . . . . 84
4.3.1. Algoritmo NRPNI . . . . . . . . . . . . . . . . . . . . . . 84
4.3.2. Algoritmo MRIA . . . . . . . . . . . . . . . . . . . . . . . 88
4.4. Sumario . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94
5. Resultados Experimentales 96
5.1. Datos de Entrenamiento y Prueba . . . . . . . . . . . . . . . . . 96
5.1.1. Corpus Utilizado para Evaluar el Algoritmo DeLeTe2 . . 97
5.1.2. Corpus Utilizado para Evaluar Unambiguous Finite Au-
tomata (UFAs) . . . . . . . . . . . . . . . . . . . . . . . . 99
5.1.3. Primer Corpus Extendido . . . . . . . . . . . . . . . . . . 100
5.1.4. Segundo Corpus Extendido . . . . . . . . . . . . . . . . . 100
5.1.5. Corpus de DFAs Aleatorios . . . . . . . . . . . . . . . . . 101
5.2. Resultados Experimentales . . . . . . . . . . . . . . . . . . . . . 102
5.2.1. MezclaDeterminista,ExperimentosconAlgoritmosIRP-
NI1 e IRPNI2 . . . . . . . . . . . . . . . . . . . . . . . . 103
5.2.2. MezclaDeterminista,ExperimentosconelAlgoritmoRBIR113
5.2.3. Mezcla Determinista, Experimentos con el Algoritmo RRB117
5.2.4. Mezcla No Determinista, Experimentos con el Algoritmo
NRPNI . . . . . . . . . . . . . . . . . . . . . . . . . . . . 120
5.2.5. Mezcla No Determinista, Experimentos con el Algoritmo
MRIA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 126
5.3. Sumario . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 134
6. Conclusiones 136
ii
(cid:19)
Indice de (cid:12)guras
1.1. Ejemplo de la Notacio(cid:19)n Usada para Dibujar Ma(cid:19)quinas de Moore 8
1.2. Ejemplo de Auto(cid:19)matas RFSA . . . . . . . . . . . . . . . . . . . . 12
1.3. Ejemplo de Construccio(cid:19)n del RFSA Cano(cid:19)nico, Auto(cid:19)mata Inicial. 14
1.4. EjemplodeConstruccio(cid:19)ndelRFSACano(cid:19)nico,A(cid:19)rboldeInclusio-
nes entre Estados . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
1.5. Ejemplo de Construccio(cid:19)n del RFSA Cano(cid:19)nico, Auto(cid:19)mata Des-
pu(cid:19)es de Eliminar el Estado Compuesto 8 . . . . . . . . . . . . . . 17
1.6. Ejemplo de Construccio(cid:19)n del RFSA Cano(cid:19)nico, Auto(cid:19)mata Final . 17
3.1. Ejemplo de A(cid:19)rbol de Mezcla, Ma(cid:19)quina de Moore Inicial . . . . . 33
3.2. Ejemplo de A(cid:19)rbol de Mezcla . . . . . . . . . . . . . . . . . . . . . 34
3.3. Esquema de Inclusio(cid:19)n entre Estados 1 . . . . . . . . . . . . . . . 34
3.4. Ejemplo de Deteccio(cid:19)n de Relaciones de Inclusio(cid:19)n, A(cid:19)rbol de Mezcla 35
3.5. Esquema de Inclusio(cid:19)n entre Estados 2 . . . . . . . . . . . . . . . 36
3.6. Ejemplo de De(cid:12)nicio(cid:19)n de Valores de Salida, Auto(cid:19)mata Inicial . . 37
3.7. Ejemplo de De(cid:12)nicio(cid:19)n de Valores de Salida, A(cid:19)rbol de Mezcla . . 37
3.8. Ejemplo de De(cid:12)nicio(cid:19)n de Valores de Salida, Auto(cid:19)mata Final . . . 38
3.9. Ejemplo de Mezcla de Estados, Auto(cid:19)mata Inicial . . . . . . . . . 39
3.10.Ejemplo de Mezcla de Estados, Auto(cid:19)mata resultante . . . . . . . 39
3.11.EjemplodeMezcladeEstados,Auto(cid:19)mataResultanteconPropa-
gacio(cid:19)n . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
3.12.Ejemplo de Mezcla de Estados No Determinista, Auto(cid:19)mata Inicial 42
3.13.Ejemplo de Mezcla de Estados No Determinista, Auto(cid:19)mata Re-
sultante . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
3.14.Ejemplo Convergencia de la Mezcla en DFAs, DFA M(cid:19)(cid:16)nimo del
Lenguaje Objetivo . . . . . . . . . . . . . . . . . . . . . . . . . . 47
3.15.Ejemplo Convergencia de la Mezcla en DFAs, A(cid:19)rbol de Pre(cid:12)jos
de Moore de la Muestra de Entrada . . . . . . . . . . . . . . . . 47
3.16.Ejemplo Convergencia de la Mezcla en DFAs, A(cid:19)rbol de Pre(cid:12)jos
de Moore Extendido . . . . . . . . . . . . . . . . . . . . . . . . . 47
3.17.Ejemplo Convergencia de la Mezcla en DFAs, A(cid:19)rbol de Pre(cid:12)jos
de Moore que Entra al Algoritmo de Mezcla . . . . . . . . . . . . 48
3.18.EjemploConvergenciadelaMezclaenDFAs,Auto(cid:19)mataIntermedio 48
3.19.Ejemplo Convergencia de la Mezcla en DFAs, Resultado del Al-
goritmo de Mezcla . . . . . . . . . . . . . . . . . . . . . . . . . . 48
3.20.EjemploConvergenciadelaMezclaenDFAs,OtroA(cid:19)rboldePre-
(cid:12)jos de Moore Extendido . . . . . . . . . . . . . . . . . . . . . . 49
3.21.EjemploConvergenciadelaMezclaenDFAs,Auto(cid:19)mataIntermedio 49
3.22.Convergenciade la Mezcla en NFAs, DFA y Auto(cid:19)mata Universal 51
iii
3.23.EjemploConvergenciadelaMezclaenNFAs,Trellis deCaminos
de Aceptacio(cid:19)n . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
3.24.Ejemplo Convergencia de la Mezcla en NFAs, Subauto(cid:19)mata In-
ducido . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
3.25.Ejemplo Convergenciade la Mezcla en NFAs, AM(aaa). . . . . . 52
3.26.EjemploConvergenciadelaMezclaenNFAs,ResultadodeApli-
car una Particio(cid:19)n que Acepta L . . . . . . . . . . . . . . . . . . . 53
3.27.Ejemplo Convergencia de la Mezcla en NFAs, Resultado de una
Particio(cid:19)n Luego de Adicionar la Muestra Positiva bbbb . . . . . . 54
3.28.EjemploAlgoritmoOIL,Auto(cid:19)mataDeterministaM(cid:19)(cid:16)nimoyAuto(cid:19)-
mata Universal . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
3.29.Ejemplo Algoritmo OIL, Tres Posibles Salidas . . . . . . . . . . . 58
4.1. Ejemplo Algoritmo RPNI . . . . . . . . . . . . . . . . . . . . . . 61
4.2. Ejemplo DeLeTe2, A(cid:19)rbol Aceptor de Pre(cid:12)jos de la Muestra de
Entrada D [D . . . . . . . . . . . . . . . . . . . . . . . . . . 68
+ (cid:0)
4.3. EjemploDeLeTe2,Auto(cid:19)mataluegodeMezclarlosEstadosEqui-
valentes 2w3, 4w6 y 5w7 . . . . . . . . . . . . . . . . . . . . 70
4.4. EjemploDeLeTe2,Auto(cid:19)mataluegodeMezclarlosEstadosEqui-
valentes 1w4 y 2w8 . . . . . . . . . . . . . . . . . . . . . . . . 70
4.5. Ejemplo DeLeTe2, Respuesta Final . . . . . . . . . . . . . . . . . 72
4.6. Ejemplo del Algoritmo IRPNI1, A(cid:19)rbol de Pre(cid:12)josde Moore Inicial 74
4.7. Ejemplo IRPNI1, Ma(cid:19)quina de Moore Intermedia . . . . . . . . . 74
4.8. Ejemplo IRPNI1, Ma(cid:19)quina de Moore Final . . . . . . . . . . . . 74
4.9. Ejemplo de la Subrutina de(cid:12)nirEstados, Ma(cid:19)quina de Moore Inicial 77
4.10.Ejemplo de la Subrutina de(cid:12)nirEstados, A(cid:19)rbol de Mezcla . . . . 77
4.11.Ejemplo del Algoritmo IRPNI2, A(cid:19)rbol de Pre(cid:12)josde Moore Inicial 78
4.12.Ejemplo del Algoritmo IRPNI2, Ma(cid:19)quina de Moore Intermedia . 78
4.13.Ejemplo del Algoritmo IRPNI2, A(cid:19)rbol de Mezcla de los Estados
0 y 3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
4.14.Ejemplo del Algoritmo IRPNI2, Ma(cid:19)quina de Moore Intermedia . 79
4.15.Ejemplo del Algoritmo IRPNI2, Ma(cid:19)quina de Moore Intermedia . 79
4.16.Ejemplo del Algoritmo IRPNI2, Ma(cid:19)quina de Moore Intermedia . 79
4.17.Ejemplo del Algoritmo IRPNI2, Ma(cid:19)quina de Moore Final . . . . 79
4.18.Ejemplo Algoritmo NRPNI, Paso Inicial . . . . . . . . . . . . . . 84
4.19.Ejemplo Algoritmo NRPNI, Caminos de Longitud M(cid:19)(cid:16)nima . . . . 84
4.20.Ejemplo Algoritmo NRPNI, A(cid:19)rbol de Pre(cid:12)jos de Moore . . . . . 88
4.21.Ejemplo Algoritmo NRPNI, Hipo(cid:19)tesis Generadas . . . . . . . . . 88
4.22.Ejemplo Algoritmo MRIA, A(cid:19)rbol de Pre(cid:12)jos de Moore de D . . 92
+
4.23.Ejemplo Algoritmo MRIA, ComparacionesEntre los Estados 0 y 1 93
4.24.Ejemplo Algoritmo MRIA, Ma(cid:19)quinas de Moore Intermedias . . . 93
4.25.Ejemplo Algoritmo MRIA, Hipo(cid:19)tesis Emitidas por MRIA . . . . 93
5.1. Formato de los Archivos de Muestras . . . . . . . . . . . . . . . . 96
5.2. Formato de los Archivos de Auto(cid:19)matas . . . . . . . . . . . . . . . 97
5.3. Comparacio(cid:19)ndeTasasdeReconocimientoPromedioentreRPNI,
IRPNI2 IRPNI1 y DeLeTe2 en el Corpus de DeLeTe2 . . . . . . 105
5.4. Comparacio(cid:19)n de Taman~o Promedio de Hipo(cid:19)tesis entre RPNI,
IRPNI2 IRPNI1 y DeLeTe2 en el Corpus de DeLeTe2 . . . . . . 106
iv
5.5. Comparacio(cid:19)ndeTasasdeReconocimientoPromedioentreRPNI,
IRPNI2 y DeLeTe2 en el Corpus Extendido1 . . . . . . . . . . . 108
5.6. Comparacio(cid:19)n de Taman~o Promedio de Hipo(cid:19)tesis entre RPNI,
IRPNI2 y DeLeTe2 en el Corpus Extendido1 . . . . . . . . . . . 109
5.7. Comparacio(cid:19)ndeTasasdeReconocimientoPromedioentreRPNI,
IRPNI2 y DeLeTe2 en el Corpus Extendido2 . . . . . . . . . . . 111
5.8. Comparacio(cid:19)n de Taman~o Promedio de Hipo(cid:19)tesis entre RPNI,
IRPNI2 y DeLeTe2 en el Corpus Extendido2 . . . . . . . . . . . 112
5.9. Comparacio(cid:19)n de Tasas de Reconocimiento Promedio entre red-
Blue, RBIRX, RBIRZ e IRPNI2 en el Corpus Extendido2 . . . . 115
5.10.Comparacio(cid:19)n de Taman~o Promedio de Hipo(cid:19)tesis entre redBlue,
RBIRX, RBIRZ e IRPNI2 en el Corpus Extendido2 . . . . . . . 116
5.11.Comparacio(cid:19)n de Tasas de Reconocimiento Promedio entre red-
Blue, RRB e IRPNI2 en el Corpus Extendido2 . . . . . . . . . . 118
5.12.Comparacio(cid:19)n de Taman~o Promedio de Hipo(cid:19)tesis entre redBlue,
RRB e IRPNI2 en el Corpus Extendido2 . . . . . . . . . . . . . 119
5.13.Comparacio(cid:19)nde TasasdeReconocimientoPromedioentreNRP-
NI, NRPNI2, NRPNI1 y IRPNI2 en el Corpus de DeLeTe2 . . . 121
5.14.Comparacio(cid:19)n de Taman~o Promedio de Hipo(cid:19)tesis entre NRPNI,
NRPNI2, NRPNI1 y IRPNI2 en el Corpus de DeLeTe2 . . . . . 122
5.15.Comparacio(cid:19)nde TasasdeReconocimientoPromedioentreNRP-
NI, NRPNI2 y IRPNI2 en el Corpus Extendido2 . . . . . . . . . 124
5.16.Comparacio(cid:19)n de Taman~o Promedio de Hipo(cid:19)tesis entre NRPNI,
NRPNI2 y IRPNI2 en el Corpus Extendido2 . . . . . . . . . . . 125
5.17.Comparacio(cid:19)ndeTasasdeReconocimientoPromedioentreMRIA
y DeLeTe2 en el Corpus de DeLeTe2 . . . . . . . . . . . . . . . . 127
5.18.Comparacio(cid:19)n de Taman~o Promedio de Hipo(cid:19)tesis entre MRIA y
DeLeTe2 en el Corpus de DeLeTe2 . . . . . . . . . . . . . . . . . 128
5.19.Comparacio(cid:19)ndeTasasdeReconocimientoPromedioentreMRIA,
IRPNI2 y DeLeTe2 en el Corpus Extendido2 . . . . . . . . . . . 132
5.20.Comparacio(cid:19)n de Taman~o Promedio de Hipo(cid:19)tesis entre MRIA,
IRPNI2 y DeLeTe2 en el Corpus Extendido2 . . . . . . . . . . . 133
v
vi
(cid:19)
Indice de cuadros
1.1. Ejemplo de Construccio(cid:19)n del RFSA Cano(cid:19)nico, Auto(cid:19)mata Inicial. 15
1.2. Ejemplo de Construccio(cid:19)n del RFSA Cano(cid:19)nico, R(A) en Repre-
sentacio(cid:19)n de Tabla . . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.3. Ejemplo de Construccio(cid:19)n del RFSA Cano(cid:19)nico, D(R(A)) en Re-
presentacio(cid:19)n de Tabla . . . . . . . . . . . . . . . . . . . . . . . . 15
1.4. Ejemplo de Construccio(cid:19)n del RFSA Cano(cid:19)nico, Matriz Ba(cid:19)sica . . 16
3.1. Trellis de una Mezcla no Determinista . . . . . . . . . . . . . . . 42
3.2. EjemploConvergenciadelaMezclaenDFAs, Enumeracio(cid:19)nE de
(cid:6)(cid:3) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
3.3. EjemploConvergenciade laMezclaen DFAs, OtraEnumeracio(cid:19)n
E de (cid:6)(cid:3) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
4.1. Algoritmo DeLeTe2, Transitividad de las Relacionesde Inclusio(cid:19)n 1 68
4.2. Algoritmo DeLeTe2, Transitividad de las Relacionesde Inclusio(cid:19)n 2 68
4.3. Ejemplo Algoritmo DeLeTe2, Relaciones de Inclusio(cid:19)n Iniciales . . 69
4.4. Ejemplo Algoritmo DeLeTe2, Tabla de Relaciones de Inclusio(cid:19)n
en Estado Intermedio 1 . . . . . . . . . . . . . . . . . . . . . . . 70
4.5. Ejemplo Algoritmo DeLeTe2, Tabla de Relaciones de Inclusio(cid:19)n
en Estado Intermedio 2 . . . . . . . . . . . . . . . . . . . . . . . 71
4.6. Ejemplo Algoritmo DeLeTe2, Tabla de Relaciones de Inclusio(cid:19)n
en Estado Intermedio 3 . . . . . . . . . . . . . . . . . . . . . . . 71
5.1. Comparacio(cid:19)n de Tasas de Reconocimiento Promedio entre MA-
YOR(cid:19)IA, RPNI y DeLeTe2 en el Corpus de DeLeTe2 . . . . . . . 99
5.2. Comparacio(cid:19)n de Tasas de Reconocimiento Promedio entre MA-
YOR(cid:19)IA, RPNI y DeLeTe2 en el Corpus Extendido2. . . . . . . . 101
5.3. Comparacio(cid:19)n de Tasas de Reconocimiento y Taman~o Promedio
de las Hipo(cid:19)tesis entre RPNI, IRPNI2, IRPNI1 y DeLeTe2 en el
Corpus de DeLeTe2 . . . . . . . . . . . . . . . . . . . . . . . . . 103
5.4. Comparacio(cid:19)n de Tasas de Reconocimiento y Taman~o Promedio
de las Hipo(cid:19)tesis entre RPNI, IRPNI2 y DeLeTe2 en el Corpus
Extendido1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107
5.5. Comparacio(cid:19)n de Tasas de Reconocimiento y Taman~o Promedio
de las Hipo(cid:19)tesis entre RPNI, IRPNI2 y DeLeTe2 en el Corpus
Extendido2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 110
5.6. Comparacio(cid:19)n de Tasas de Reconocimiento y Taman~o Promedio
de las Hipo(cid:19)tesis entre redBlue, IRPNI2, RBIRX y RBIRZ en el
Corpus Extendido2 . . . . . . . . . . . . . . . . . . . . . . . . . . 113
vii
5.7. Comparacio(cid:19)n de Tasas de Reconocimiento y Taman~o Promedio
de las Hipo(cid:19)tesis entre redBlue, RRB y IRPNI2 en el CorpusEx-
tendido2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 117
5.8. Comparacio(cid:19)n de Tasas de Reconocimiento y Taman~o Promedio
de las Hipo(cid:19)tesis entre NRPNI, NRPNI2, NRPNI1 y IRPNI2 en
el Corpus de DeLeTe2 . . . . . . . . . . . . . . . . . . . . . . . . 120
5.9. Comparacio(cid:19)n de Tasas de Reconocimiento y Taman~o Promedio
de las Hipo(cid:19)tesis entre NRPNI, NRPNI2 y IRPNI2 en el Corpus
Extendido2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 123
5.10.Comparacio(cid:19)n de Tasas de Reconocimiento y Taman~o Promedio
de las Hipo(cid:19)tesis entre MRIA y DeLeTe2 en el Corpus de DeLeTe2126
5.11.Comparacio(cid:19)ndeTasasdeReconocimientoPromedioentreMRIA
y DeLeTe2 con Probabilidades P y P Menores o Iguales a 0;1
I F
en los Experimentos NFA del Corpus de DeLeTe2. . . . . . . . . 129
5.12.Comparacio(cid:19)ndeTasasdeReconocimientoPromedioentreMRIA
y DeLeTe2 con Probabilidades P y P Superiores a 0;1 en los
I F
Experimentos NFA del Corpus de DeLeTe2 . . . . . . . . . . . . 130
5.13.Comparacio(cid:19)n de Tasas de Reconocimiento y Taman~o Promedio
de las Hipo(cid:19)tesis entre MRIA, IRPNI2 y DeLeTe2 en el Corpus
Extendido2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 130
viii
Description:No Determinista en el Dise˜no de Algoritmos para. Inferencia Gramatical de Lenguajes Regulares. Gloria Inés Alvarez Vargas. Director: Dr. D. Pedro