1）
在1）started
成立但在
ready
不成立時，不可能到達狀態：
g ┐（
started ∧┐ ready
）2）對任何狀態，如果乙個（對某些資源）請求（request）發生，那麼它將最終被確認（acknowledged)：g（
requested→f
acknowledged ）
3）在每一條計算路徑上，乙個特定過程常「使能」 （
enabled
）無限多次：
g f enabled
4）不管發生什麼情況，乙個特定過程最終被永久死鎖（
deadlock）：
f g deadlock
5）如果該過程被使能無限次，則它執行無限多次：
g f enabled →g f running。
例：如果有乘客想去第五層，乙個上行的電梯在第二層不改變方向：g（
floor2∧
directionup
∧buttonpressed5→
（ directionup
∪floor5
））此處，原子描述是由系統變數構造的布林表示式，比如
floor2.
有些事情
ltl不可能表達出來，如：
1.從任何狀態出發，都能達到乙個重啟（
restart
）狀態（
即：從所有狀態出發都存在一條路徑到達乙個滿足
restart
的狀態。
2.電梯可以閒置在第三層不開門（即：從處於第三層的狀態出發，存在一條路徑，沿著該路徑電梯停留在原地）。
ltl不能表達這些陳述，因為它不能直接斷定這些路徑的存在性。
兩個ltl公式ф和ψ是語義等價的（或簡單說是等價的）並寫為ф≡ψ，如果對所有模型m以及m中的所有路徑π： π╞ф當且僅當π╞ψ。
ф與ψ等價意味著ф與ψ在語義上是可以互換的。f和
g是互相對偶的，而
x與其自身對偶： 1
）┐gф≡f┐ф
2）┐fф≡g┐ф
3) ┐xф≡x┐ф。u和
r也是互相對偶的：
1） ┐（фuψ）≡ ┐фr┐ψ
2） ┐（фrψ）≡ ┐фu┐ψ
f關於∨，
g關於∧的分配律：
1）f（ф∨ψ）≡fф∨fψ
2）g（ф∧ψ）≡gф∧gψ
此外，還有等價關係：
1）fф≡┬uф2）
gф≡┴rф 3
）фuψ≡фwψ∧fψ 4
）фwψ≡фuψ∨gф 5
）фwψ≡ψr
（ф∨ψ）
6）фrψ≡ψw
（ф∧ψ）
線性模型 邏輯回歸
模型原型 class sklearn.linear model.logisticregression penalty l2 dual false,tol 0.0001,c 1.0,fit intercept true,intercept scaling 1,class weight none,ran...
線性邏輯回歸python
例項描述 假設腫瘤醫院想要用神經網路對已有的病例資料進行分類，資料的樣本特徵包括病人的年齡和腫瘤的大小，對應的標籤應該是良性腫瘤還是惡性腫瘤 1.生成樣本集 利用python生成乙個二維陣列 病人的年紀，腫瘤的大小 樣本集，下面 中generate為生成樣本的函式，意思是按照指定的均值和方差生成固定...
線性回歸與邏輯回歸
cost functionj 12m i 1m h x i y i hypothesish x tx 梯度下降求解 為了最小化j j j 1m i 1m h x i y i x i j 每一次迭代更新 j j 1m i 1m h x i y i x i j 正規方程求解 最小二乘法 xtx 1x t...