SlideShare a Scribd company logo
1 of 20
Download to read offline
東北大学 工学部 機械知能・航空工学科
2017年度 5セメスター・クラスC3 D1 D2 D3
計算機工学
大学院情報科学研究科
鏡 慎吾
http://www.ic.is.tohoku.ac.jp/~swk/lecture/
9. 論理式の簡単化
(教科書3.1~3.3節)
2( ): 2017 (9)鏡 慎吾 東北大学 計算機工学
論理式(論理回路)の簡単化
x1
x2
x1
x2
このような組をどうやって見つけるか?
3( ): 2017 (9)鏡 慎吾 東北大学 計算機工学
カルノー図 (2入力の場合)
x2
0 1
x1 0 1 0
1 1 1
• 1つ1つのマス目(セル)が最小項を表す
• 論理関数に含まれる最小項のセルには1を,含まれな
いセルには0を書き込む(あるいは空白のままとする)
1になる3つのセルの和を書き下すと
主加法標準形になる
→ 真理値表を 2 次元に並べ替える
4( ): 2017 (9)鏡 慎吾 東北大学 計算機工学
カルノー図の特徴
x2
0 1
x1 0 0 1
1 0 0
x2
0 1
x1 0 0 1
1 0 1
x2
0 1
x1 0 1 1
1 1 1
隣接する 2n 個のセルをまとめることが変数の削除に対応する
5( ): 2017 (9)鏡 慎吾 東北大学 計算機工学
カルノー図による簡単化
• 2m 個のセルからなる長方形をルー
プと呼ぶ
→ 基本積に対応
• できるだけ少なく大きなループによ
り,すべての1を覆う
• 少ないループ → 少ない項
• 大きなループ → 少ないリテラル
• ダブって覆ってもよい
セルを1個ずつ取り上げて和を取る
代わりに,隣接する1をまとめた積
項を取り上げてその和を取っても同
じ関数を表現できる
x2
0 1
x1 0 1 0
1 1 1
6( ): 2017 (9)鏡 慎吾 東北大学 計算機工学
例: 3入力の場合
3入力多数決関数
x1 x2
00 01 11 10
x3 0 0 0 1 0
1 0 1 1 1
この並び方がミソ
いずれの基本積もうまく長方形
で表せるようになっている
7( ): 2017 (9)鏡 慎吾 東北大学 計算機工学
例
x1 x2
00 01 11 10
x3 0 1 0 0 1
1 1 0 1 1
上下左右も隣接している!
x1 x2
00 01 11 10
x3 0 1 0 0 1
1 1 0 1 1
8( ): 2017 (9)鏡 慎吾 東北大学 計算機工学
簡単化の手順の(一応の)まとめ
1. 1を覆うループのうち,他のループに包含されないもの(主
項ループ)のみを列挙する
• 隣接するループを結合できないか? と考えるとよい
2. ひとつの主項ループでしか覆われていない1がある場合,
そのループ(必須主項ループ)は必ず残す
3. 必須主項ループで覆われていない1がある場合,できるだ
け少ない主項ループで覆う
• このとき複数の選び方がある場合は,できるだけ大き
なループの組合せを選ぶ
(結局,完全に自動化できる手順ではない)
9( ): 2017 (9)鏡 慎吾 東北大学 計算機工学
例
x1 x2
00 01 11 10
x3x4 00 1 1
01 1 1
11 1 1 1
10 1 1 1
•入力変数が増えるとだんだん難しくなってくる
•上下左右の隣接に注意 (特に四隅が気づきにくい)
•一般に,答えは一通りとは限らない(see 教科書例題3.2)
x1 x2
00 01 11 10
x3x4 00 1 1
01 1 1
11 1 1 1
10 1 1 1
主項ループ (青線が必須主項)
10( ): 2017 (9)鏡 慎吾 東北大学 計算機工学
ドントケア項のある場合
x1 x2
00 01 11 10
x3 0 * 0 1 0
1 * * 1 1
最小項のうち一部に「1になっても0になってもよい」ものがある
場合(その項に対応する入力を考える必要がない場合)
冗長項 (don’t care term),
組合せ禁止項などと呼び,
× や * などで表す
ループはできるだけ少なく,大きくしたいので,
• 既存のループを大きくできるなら積極的に使う
• 新たにループを作らないといけないなら無視する
11( ): 2017 (9)鏡 慎吾 東北大学 計算機工学
例: 7セグメントLED
http://ja.wikipedia.org/wiki/%E7%94%
BB%E5%83%8F:7segdisplay.jpg
d3 d2 d1 d0
a
b
c
d
e
f
g
a b c g
LED点灯回路
(例: 74HC4511)

出力 e を d3, d2, d1, d0 の論理式で表し,簡単化せよ
2進数入力
(binary coded decimal, BCD)
12( ): 2017 (9)鏡 慎吾 東北大学 計算機工学
出力 e を簡単化する例
d1d0
00 01 11 10
d3d2 00 1 1
01 1
11 * * * *
10 1 * *
d3 d2 d1 d0 e
0 0 0 0 1
0 0 0 1 0
0 0 1 0 1
0 0 1 1 0
0 1 0 0 0
0 1 0 1 0
0 1 1 0 1
0 1 1 1 0
1 0 0 0 1
1 0 0 1 0
1 0 1 0 *
1 0 1 1 *
1 1 0 0 *
1 1 0 1 *
1 1 1 0 *
1 1 1 1 *
0
1
2
3
4
5
6
7
8
9
don’t
care
13( ): 2017 (9)鏡 慎吾 東北大学 計算機工学
参考: 実際の論理式簡単化
• カルノー図による方法は,5入力以上になるとあまりうれしくな
い(頑張っても6入力程度).自動化に向いていない
→ より自動化に適した方法:
e.g.: クワイン・マクラスキー法
ではそれで十分か?
• 複雑になると難しい (記憶容量,計算時間が大きすぎる)
• 多数の出力がある場合,さらに簡単な組み合わせがあり得る
• 積和形よりより回路があるかも知れない
→ 組合せ最適化問題の典型であり,厳密に解くのは難しい.
ヒューリスティック(発見的)な解法が用いられる
14( ): 2017 (9)鏡 慎吾 東北大学 計算機工学
参考: 用語の意味をカルノー図で考える
x1 x2
00 01 11 10
x3x4 00
01
11 1
10
x1 x2
00 01 11 10
x3x4 00 0
01
11
10
最小項: x1 x2 x3 x4 最大項: x1+x2+x3+x4
15( ): 2017 (9)鏡 慎吾 東北大学 計算機工学
参考: 用語の意味をカルノー図で考える
主加法標準形
x1 x2
00 01 11 10
x3
x4
00
01
11 1
10
x1 x2
00 01 11 10
x3
x4
00
01 1
11
10
x1 x2
00 01 11 10
x3
x4
00
01
11
10 1
+ + + …
主乗法標準形
x1 x2
00 01 11 10
x3
x4
00
01
11 0
10
x1 x2
00 01 11 10
x3
x4
00
01 0
11
10
x1 x2
00 01 11 10
x3
x4
00
01
11
10 0
・ ・ ・ …
16( ): 2017 (9)鏡 慎吾 東北大学 計算機工学
練習問題
(1) カルノー図で表せ
(2) できるだけ簡単な積和型の論理式で表せ
(3) (2) で求めた論理式を表す論理回路図を示せ.AND, OR,
NOT の各ゲートを使用してよい
(4) 関数 f に冗長項 (x,y,w) = (0,1,1) を加えた不完全記述
論理関数を f ’ とする.f ’ をできるだけ簡単な積和型の論
理式で表し,論理回路図を示せ.
17( ): 2017 (9)鏡 慎吾 東北大学 計算機工学
解答例
x y
00 01 11 10
z w 00 1 1
01
11 1
10 1 1 1 1
x
y
z
w
f
18( ): 2017 (9)鏡 慎吾 東北大学 計算機工学
解答例 (つづき)
x y
00 01 11 10
z w 00 1 1
01 *
11 * 1
10 1 1 1 1
y
z
w
f ’
19( ): 2017 (9)鏡 慎吾 東北大学 計算機工学
例題(おまけ)
• 朝まで飲んでいたわけではなくて,晴れていて,落とせない講義がある日
は登校する
• 落とせない講義がなくても,朝まで飲んでいたわけではなくて,晴れてい
る日は登校する
• 朝まで飲んでいた日でも,落とせない講義がある日は天気に関わらず登
校する
• 天気が悪くても,落とせない講義がある日で,朝まで飲んでたわけじゃな
い場合は登校する
• 上記で挙がった場合以外は休む
(1) x1: 朝まで飲んでいた, x2 落とせない講義がある, x3: 晴天である
として「A君登校関数」を論理式で表せ.
(2) 「A君登校関数」のカルノー図をかき,簡単化せよ.
A君はあまり真面目に大学に来ない学生であるが,全く来ないわけ
でもない.よく観察してみると以下の法則性があることがわかった:
20( ): 2017 (9)鏡 慎吾 東北大学 計算機工学
例題(おまけ) 解答例
x1 x2 x3
+ x1 x2 x3
+ x1 x2
+ x1 x2 x3
(飲) (講) (晴)
x2 x3
00 01 11 10
x1 0 1 1 1
1 1 1
カルノー図から,簡単化すると
x2 + x1 x3
(つまりA君は,落とせない講義が
ある日,または,朝まで飲んで無く
てかつ晴れている日は登校する)
• 朝まで飲んでいたわけではなくて,晴れていて,落と
せない講義がある日は登校する
• 落とせない講義がなくても,朝まで飲んでいたわけで
はなくて,晴れている日は登校する
• 朝まで飲んでいた日でも,落とせない講義がある日は
天気に関わらず登校する
• 天気が悪くても,落とせない講義がある日で,朝まで
飲んでたわけじゃない場合は登校する

More Related Content

What's hot

kagamicomput201809
kagamicomput201809kagamicomput201809
kagamicomput201809swkagami
 
化学科自主ゼミ1
化学科自主ゼミ1化学科自主ゼミ1
化学科自主ゼミ1Hiroki Sato
 
kagamicomput201704
kagamicomput201704kagamicomput201704
kagamicomput201704swkagami
 
kagami_comput2016_11
kagami_comput2016_11kagami_comput2016_11
kagami_comput2016_11swkagami
 
kagami_comput2015_9
kagami_comput2015_9kagami_comput2015_9
kagami_comput2015_9swkagami
 
kagami_comput2015_1
kagami_comput2015_1kagami_comput2015_1
kagami_comput2015_1swkagami
 
kagamicomput201706
kagamicomput201706kagamicomput201706
kagamicomput201706swkagami
 
kagami_comput2016_07
kagami_comput2016_07kagami_comput2016_07
kagami_comput2016_07swkagami
 
OpenGLと行列
OpenGLと行列OpenGLと行列
OpenGLと行列miyosuda
 
kagamicomput201707
kagamicomput201707kagamicomput201707
kagamicomput201707swkagami
 
kagamicomput201710
kagamicomput201710kagamicomput201710
kagamicomput201710swkagami
 
kagami_comput2016_02
kagami_comput2016_02kagami_comput2016_02
kagami_comput2016_02swkagami
 
kagamicomput201808
kagamicomput201808kagamicomput201808
kagamicomput201808swkagami
 
kagami_comput2015_6
kagami_comput2015_6kagami_comput2015_6
kagami_comput2015_6swkagami
 
kagami_comput2016_01
kagami_comput2016_01kagami_comput2016_01
kagami_comput2016_01swkagami
 
imset による条件付き独立性の記述(文献紹介)
imset による条件付き独立性の記述(文献紹介)imset による条件付き独立性の記述(文献紹介)
imset による条件付き独立性の記述(文献紹介)Tomonari Sei
 
kagamicomput201810
kagamicomput201810kagamicomput201810
kagamicomput201810swkagami
 
kagami_comput2016_06
kagami_comput2016_06kagami_comput2016_06
kagami_comput2016_06swkagami
 

What's hot (20)

kagamicomput201809
kagamicomput201809kagamicomput201809
kagamicomput201809
 
化学科自主ゼミ1
化学科自主ゼミ1化学科自主ゼミ1
化学科自主ゼミ1
 
kagamicomput201704
kagamicomput201704kagamicomput201704
kagamicomput201704
 
kagami_comput2016_11
kagami_comput2016_11kagami_comput2016_11
kagami_comput2016_11
 
kagami_comput2015_9
kagami_comput2015_9kagami_comput2015_9
kagami_comput2015_9
 
kagami_comput2015_1
kagami_comput2015_1kagami_comput2015_1
kagami_comput2015_1
 
kagamicomput201706
kagamicomput201706kagamicomput201706
kagamicomput201706
 
kagami_comput2016_07
kagami_comput2016_07kagami_comput2016_07
kagami_comput2016_07
 
OpenGLと行列
OpenGLと行列OpenGLと行列
OpenGLと行列
 
kagamicomput201707
kagamicomput201707kagamicomput201707
kagamicomput201707
 
Za atsu-20170328
Za atsu-20170328Za atsu-20170328
Za atsu-20170328
 
kagamicomput201710
kagamicomput201710kagamicomput201710
kagamicomput201710
 
kagami_comput2016_02
kagami_comput2016_02kagami_comput2016_02
kagami_comput2016_02
 
kagamicomput201808
kagamicomput201808kagamicomput201808
kagamicomput201808
 
kagami_comput2015_6
kagami_comput2015_6kagami_comput2015_6
kagami_comput2015_6
 
kagami_comput2016_01
kagami_comput2016_01kagami_comput2016_01
kagami_comput2016_01
 
imset による条件付き独立性の記述(文献紹介)
imset による条件付き独立性の記述(文献紹介)imset による条件付き独立性の記述(文献紹介)
imset による条件付き独立性の記述(文献紹介)
 
kagamicomput201810
kagamicomput201810kagamicomput201810
kagamicomput201810
 
実践データ分析基礎
実践データ分析基礎実践データ分析基礎
実践データ分析基礎
 
kagami_comput2016_06
kagami_comput2016_06kagami_comput2016_06
kagami_comput2016_06
 

Similar to kagamicomput201709

Casual learning machine learning with_excel_no5
Casual learning machine learning with_excel_no5Casual learning machine learning with_excel_no5
Casual learning machine learning with_excel_no5KazuhiroSato8
 
kagamicomput201701
kagamicomput201701kagamicomput201701
kagamicomput201701swkagami
 
kagamicomput201801
kagamicomput201801kagamicomput201801
kagamicomput201801swkagami
 
How to study stat
How to study statHow to study stat
How to study statAk Ok
 
第10章後半「ブースティングと加法的木」
第10章後半「ブースティングと加法的木」第10章後半「ブースティングと加法的木」
第10章後半「ブースティングと加法的木」T T
 
[Basic 1] ブロックチェーンと計算機科学 / ブール代数 / 情報理論
[Basic 1] ブロックチェーンと計算機科学 / ブール代数 / 情報理論[Basic 1] ブロックチェーンと計算機科学 / ブール代数 / 情報理論
[Basic 1] ブロックチェーンと計算機科学 / ブール代数 / 情報理論Yuto Takei
 
Pythonとdeep learningで手書き文字認識
Pythonとdeep learningで手書き文字認識Pythonとdeep learningで手書き文字認識
Pythonとdeep learningで手書き文字認識Ken Morishita
 
kagamicomput201702
kagamicomput201702kagamicomput201702
kagamicomput201702swkagami
 
cs-7. 乱数,シミュレーション
cs-7. 乱数,シミュレーション  cs-7. 乱数,シミュレーション
cs-7. 乱数,シミュレーション kunihikokaneko1
 
Simulation_assignment2
Simulation_assignment2Simulation_assignment2
Simulation_assignment2T2C_
 
画像処理分野における研究事例紹介
画像処理分野における研究事例紹介画像処理分野における研究事例紹介
画像処理分野における研究事例紹介nlab_utokyo
 
ウェーブレット木の世界
ウェーブレット木の世界ウェーブレット木の世界
ウェーブレット木の世界Preferred Networks
 
3次元レジストレーション(PCLデモとコード付き)
3次元レジストレーション(PCLデモとコード付き)3次元レジストレーション(PCLデモとコード付き)
3次元レジストレーション(PCLデモとコード付き)Toru Tamaki
 
or-10. 線形計画法を Excel で解く
or-10. 線形計画法を Excel で解くor-10. 線形計画法を Excel で解く
or-10. 線形計画法を Excel で解くkunihikokaneko1
 
(文献紹介)Deep Unrolling: Learned ISTA (LISTA)
(文献紹介)Deep Unrolling: Learned ISTA (LISTA)(文献紹介)Deep Unrolling: Learned ISTA (LISTA)
(文献紹介)Deep Unrolling: Learned ISTA (LISTA)Morpho, Inc.
 
データサイエンス概論第一=8 パターン認識と深層学習
データサイエンス概論第一=8 パターン認識と深層学習データサイエンス概論第一=8 パターン認識と深層学習
データサイエンス概論第一=8 パターン認識と深層学習Seiichi Uchida
 
多数のグラフからの統計的機械学習 (2014.7.24 人工知能学会 第94回人工知能基本問題研究会 招待講演)
多数のグラフからの統計的機械学習 (2014.7.24 人工知能学会 第94回人工知能基本問題研究会 招待講演)多数のグラフからの統計的機械学習 (2014.7.24 人工知能学会 第94回人工知能基本問題研究会 招待講演)
多数のグラフからの統計的機械学習 (2014.7.24 人工知能学会 第94回人工知能基本問題研究会 招待講演)Ichigaku Takigawa
 

Similar to kagamicomput201709 (17)

Casual learning machine learning with_excel_no5
Casual learning machine learning with_excel_no5Casual learning machine learning with_excel_no5
Casual learning machine learning with_excel_no5
 
kagamicomput201701
kagamicomput201701kagamicomput201701
kagamicomput201701
 
kagamicomput201801
kagamicomput201801kagamicomput201801
kagamicomput201801
 
How to study stat
How to study statHow to study stat
How to study stat
 
第10章後半「ブースティングと加法的木」
第10章後半「ブースティングと加法的木」第10章後半「ブースティングと加法的木」
第10章後半「ブースティングと加法的木」
 
[Basic 1] ブロックチェーンと計算機科学 / ブール代数 / 情報理論
[Basic 1] ブロックチェーンと計算機科学 / ブール代数 / 情報理論[Basic 1] ブロックチェーンと計算機科学 / ブール代数 / 情報理論
[Basic 1] ブロックチェーンと計算機科学 / ブール代数 / 情報理論
 
Pythonとdeep learningで手書き文字認識
Pythonとdeep learningで手書き文字認識Pythonとdeep learningで手書き文字認識
Pythonとdeep learningで手書き文字認識
 
kagamicomput201702
kagamicomput201702kagamicomput201702
kagamicomput201702
 
cs-7. 乱数,シミュレーション
cs-7. 乱数,シミュレーション  cs-7. 乱数,シミュレーション
cs-7. 乱数,シミュレーション
 
Simulation_assignment2
Simulation_assignment2Simulation_assignment2
Simulation_assignment2
 
画像処理分野における研究事例紹介
画像処理分野における研究事例紹介画像処理分野における研究事例紹介
画像処理分野における研究事例紹介
 
ウェーブレット木の世界
ウェーブレット木の世界ウェーブレット木の世界
ウェーブレット木の世界
 
3次元レジストレーション(PCLデモとコード付き)
3次元レジストレーション(PCLデモとコード付き)3次元レジストレーション(PCLデモとコード付き)
3次元レジストレーション(PCLデモとコード付き)
 
or-10. 線形計画法を Excel で解く
or-10. 線形計画法を Excel で解くor-10. 線形計画法を Excel で解く
or-10. 線形計画法を Excel で解く
 
(文献紹介)Deep Unrolling: Learned ISTA (LISTA)
(文献紹介)Deep Unrolling: Learned ISTA (LISTA)(文献紹介)Deep Unrolling: Learned ISTA (LISTA)
(文献紹介)Deep Unrolling: Learned ISTA (LISTA)
 
データサイエンス概論第一=8 パターン認識と深層学習
データサイエンス概論第一=8 パターン認識と深層学習データサイエンス概論第一=8 パターン認識と深層学習
データサイエンス概論第一=8 パターン認識と深層学習
 
多数のグラフからの統計的機械学習 (2014.7.24 人工知能学会 第94回人工知能基本問題研究会 招待講演)
多数のグラフからの統計的機械学習 (2014.7.24 人工知能学会 第94回人工知能基本問題研究会 招待講演)多数のグラフからの統計的機械学習 (2014.7.24 人工知能学会 第94回人工知能基本問題研究会 招待講演)
多数のグラフからの統計的機械学習 (2014.7.24 人工知能学会 第94回人工知能基本問題研究会 招待講演)
 

More from swkagami

kagamicomput201814
kagamicomput201814kagamicomput201814
kagamicomput201814swkagami
 
kagamicomput201813
kagamicomput201813kagamicomput201813
kagamicomput201813swkagami
 
kagamicomput201812
kagamicomput201812kagamicomput201812
kagamicomput201812swkagami
 
kagamicomput201811
kagamicomput201811kagamicomput201811
kagamicomput201811swkagami
 
kagamicomput201807
kagamicomput201807kagamicomput201807
kagamicomput201807swkagami
 
kagamicomput201806
kagamicomput201806kagamicomput201806
kagamicomput201806swkagami
 
kagamicomput201805
kagamicomput201805kagamicomput201805
kagamicomput201805swkagami
 
kagamicomput201804
kagamicomput201804kagamicomput201804
kagamicomput201804swkagami
 
kagamicomput201803
kagamicomput201803kagamicomput201803
kagamicomput201803swkagami
 
kagamicomput201802
kagamicomput201802kagamicomput201802
kagamicomput201802swkagami
 
kagamicomput201714
kagamicomput201714kagamicomput201714
kagamicomput201714swkagami
 
kagamicomput201713
kagamicomput201713kagamicomput201713
kagamicomput201713swkagami
 
kagamicomput201705
kagamicomput201705kagamicomput201705
kagamicomput201705swkagami
 
kagamicomput201703
kagamicomput201703kagamicomput201703
kagamicomput201703swkagami
 
kagami_comput2016_14
kagami_comput2016_14kagami_comput2016_14
kagami_comput2016_14swkagami
 
kagami_comput2016_13
kagami_comput2016_13kagami_comput2016_13
kagami_comput2016_13swkagami
 

More from swkagami (16)

kagamicomput201814
kagamicomput201814kagamicomput201814
kagamicomput201814
 
kagamicomput201813
kagamicomput201813kagamicomput201813
kagamicomput201813
 
kagamicomput201812
kagamicomput201812kagamicomput201812
kagamicomput201812
 
kagamicomput201811
kagamicomput201811kagamicomput201811
kagamicomput201811
 
kagamicomput201807
kagamicomput201807kagamicomput201807
kagamicomput201807
 
kagamicomput201806
kagamicomput201806kagamicomput201806
kagamicomput201806
 
kagamicomput201805
kagamicomput201805kagamicomput201805
kagamicomput201805
 
kagamicomput201804
kagamicomput201804kagamicomput201804
kagamicomput201804
 
kagamicomput201803
kagamicomput201803kagamicomput201803
kagamicomput201803
 
kagamicomput201802
kagamicomput201802kagamicomput201802
kagamicomput201802
 
kagamicomput201714
kagamicomput201714kagamicomput201714
kagamicomput201714
 
kagamicomput201713
kagamicomput201713kagamicomput201713
kagamicomput201713
 
kagamicomput201705
kagamicomput201705kagamicomput201705
kagamicomput201705
 
kagamicomput201703
kagamicomput201703kagamicomput201703
kagamicomput201703
 
kagami_comput2016_14
kagami_comput2016_14kagami_comput2016_14
kagami_comput2016_14
 
kagami_comput2016_13
kagami_comput2016_13kagami_comput2016_13
kagami_comput2016_13
 

Recently uploaded

論文紹介:Content-Aware Token Sharing for Efficient Semantic Segmentation With Vis...
論文紹介:Content-Aware Token Sharing for Efficient Semantic Segmentation With Vis...論文紹介:Content-Aware Token Sharing for Efficient Semantic Segmentation With Vis...
論文紹介:Content-Aware Token Sharing for Efficient Semantic Segmentation With Vis...Toru Tamaki
 
自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer
自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer
自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineerYuki Kikuchi
 
TataPixel: 畳の異方性を利用した切り替え可能なディスプレイの提案
TataPixel: 畳の異方性を利用した切り替え可能なディスプレイの提案TataPixel: 畳の異方性を利用した切り替え可能なディスプレイの提案
TataPixel: 畳の異方性を利用した切り替え可能なディスプレイの提案sugiuralab
 
SOPを理解する 2024/04/19 の勉強会で発表されたものです
SOPを理解する       2024/04/19 の勉強会で発表されたものですSOPを理解する       2024/04/19 の勉強会で発表されたものです
SOPを理解する 2024/04/19 の勉強会で発表されたものですiPride Co., Ltd.
 
CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?
CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?
CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?akihisamiyanaga1
 
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)UEHARA, Tetsutaro
 
【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)
【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)
【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)Hiroki Ichikura
 
Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介
Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介
Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介Yuma Ohgami
 
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察 ~Text-to-MusicとText-To-ImageかつImage-to-Music...
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察  ~Text-to-MusicとText-To-ImageかつImage-to-Music...モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察  ~Text-to-MusicとText-To-ImageかつImage-to-Music...
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察 ~Text-to-MusicとText-To-ImageかつImage-to-Music...博三 太田
 
論文紹介:Semantic segmentation using Vision Transformers: A survey
論文紹介:Semantic segmentation using Vision Transformers: A survey論文紹介:Semantic segmentation using Vision Transformers: A survey
論文紹介:Semantic segmentation using Vision Transformers: A surveyToru Tamaki
 
TSAL operation mechanism and circuit diagram.pdf
TSAL operation mechanism and circuit diagram.pdfTSAL operation mechanism and circuit diagram.pdf
TSAL operation mechanism and circuit diagram.pdftaisei2219
 
論文紹介:Automated Classification of Model Errors on ImageNet
論文紹介:Automated Classification of Model Errors on ImageNet論文紹介:Automated Classification of Model Errors on ImageNet
論文紹介:Automated Classification of Model Errors on ImageNetToru Tamaki
 
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdf
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdfクラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdf
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdfFumieNakayama
 
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdfAWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdfFumieNakayama
 

Recently uploaded (14)

論文紹介:Content-Aware Token Sharing for Efficient Semantic Segmentation With Vis...
論文紹介:Content-Aware Token Sharing for Efficient Semantic Segmentation With Vis...論文紹介:Content-Aware Token Sharing for Efficient Semantic Segmentation With Vis...
論文紹介:Content-Aware Token Sharing for Efficient Semantic Segmentation With Vis...
 
自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer
自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer
自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer
 
TataPixel: 畳の異方性を利用した切り替え可能なディスプレイの提案
TataPixel: 畳の異方性を利用した切り替え可能なディスプレイの提案TataPixel: 畳の異方性を利用した切り替え可能なディスプレイの提案
TataPixel: 畳の異方性を利用した切り替え可能なディスプレイの提案
 
SOPを理解する 2024/04/19 の勉強会で発表されたものです
SOPを理解する       2024/04/19 の勉強会で発表されたものですSOPを理解する       2024/04/19 の勉強会で発表されたものです
SOPを理解する 2024/04/19 の勉強会で発表されたものです
 
CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?
CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?
CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?
 
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
 
【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)
【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)
【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)
 
Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介
Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介
Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介
 
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察 ~Text-to-MusicとText-To-ImageかつImage-to-Music...
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察  ~Text-to-MusicとText-To-ImageかつImage-to-Music...モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察  ~Text-to-MusicとText-To-ImageかつImage-to-Music...
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察 ~Text-to-MusicとText-To-ImageかつImage-to-Music...
 
論文紹介:Semantic segmentation using Vision Transformers: A survey
論文紹介:Semantic segmentation using Vision Transformers: A survey論文紹介:Semantic segmentation using Vision Transformers: A survey
論文紹介:Semantic segmentation using Vision Transformers: A survey
 
TSAL operation mechanism and circuit diagram.pdf
TSAL operation mechanism and circuit diagram.pdfTSAL operation mechanism and circuit diagram.pdf
TSAL operation mechanism and circuit diagram.pdf
 
論文紹介:Automated Classification of Model Errors on ImageNet
論文紹介:Automated Classification of Model Errors on ImageNet論文紹介:Automated Classification of Model Errors on ImageNet
論文紹介:Automated Classification of Model Errors on ImageNet
 
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdf
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdfクラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdf
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdf
 
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdfAWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
 

kagamicomput201709

  • 1. 東北大学 工学部 機械知能・航空工学科 2017年度 5セメスター・クラスC3 D1 D2 D3 計算機工学 大学院情報科学研究科 鏡 慎吾 http://www.ic.is.tohoku.ac.jp/~swk/lecture/ 9. 論理式の簡単化 (教科書3.1~3.3節)
  • 2. 2( ): 2017 (9)鏡 慎吾 東北大学 計算機工学 論理式(論理回路)の簡単化 x1 x2 x1 x2 このような組をどうやって見つけるか?
  • 3. 3( ): 2017 (9)鏡 慎吾 東北大学 計算機工学 カルノー図 (2入力の場合) x2 0 1 x1 0 1 0 1 1 1 • 1つ1つのマス目(セル)が最小項を表す • 論理関数に含まれる最小項のセルには1を,含まれな いセルには0を書き込む(あるいは空白のままとする) 1になる3つのセルの和を書き下すと 主加法標準形になる → 真理値表を 2 次元に並べ替える
  • 4. 4( ): 2017 (9)鏡 慎吾 東北大学 計算機工学 カルノー図の特徴 x2 0 1 x1 0 0 1 1 0 0 x2 0 1 x1 0 0 1 1 0 1 x2 0 1 x1 0 1 1 1 1 1 隣接する 2n 個のセルをまとめることが変数の削除に対応する
  • 5. 5( ): 2017 (9)鏡 慎吾 東北大学 計算機工学 カルノー図による簡単化 • 2m 個のセルからなる長方形をルー プと呼ぶ → 基本積に対応 • できるだけ少なく大きなループによ り,すべての1を覆う • 少ないループ → 少ない項 • 大きなループ → 少ないリテラル • ダブって覆ってもよい セルを1個ずつ取り上げて和を取る 代わりに,隣接する1をまとめた積 項を取り上げてその和を取っても同 じ関数を表現できる x2 0 1 x1 0 1 0 1 1 1
  • 6. 6( ): 2017 (9)鏡 慎吾 東北大学 計算機工学 例: 3入力の場合 3入力多数決関数 x1 x2 00 01 11 10 x3 0 0 0 1 0 1 0 1 1 1 この並び方がミソ いずれの基本積もうまく長方形 で表せるようになっている
  • 7. 7( ): 2017 (9)鏡 慎吾 東北大学 計算機工学 例 x1 x2 00 01 11 10 x3 0 1 0 0 1 1 1 0 1 1 上下左右も隣接している! x1 x2 00 01 11 10 x3 0 1 0 0 1 1 1 0 1 1
  • 8. 8( ): 2017 (9)鏡 慎吾 東北大学 計算機工学 簡単化の手順の(一応の)まとめ 1. 1を覆うループのうち,他のループに包含されないもの(主 項ループ)のみを列挙する • 隣接するループを結合できないか? と考えるとよい 2. ひとつの主項ループでしか覆われていない1がある場合, そのループ(必須主項ループ)は必ず残す 3. 必須主項ループで覆われていない1がある場合,できるだ け少ない主項ループで覆う • このとき複数の選び方がある場合は,できるだけ大き なループの組合せを選ぶ (結局,完全に自動化できる手順ではない)
  • 9. 9( ): 2017 (9)鏡 慎吾 東北大学 計算機工学 例 x1 x2 00 01 11 10 x3x4 00 1 1 01 1 1 11 1 1 1 10 1 1 1 •入力変数が増えるとだんだん難しくなってくる •上下左右の隣接に注意 (特に四隅が気づきにくい) •一般に,答えは一通りとは限らない(see 教科書例題3.2) x1 x2 00 01 11 10 x3x4 00 1 1 01 1 1 11 1 1 1 10 1 1 1 主項ループ (青線が必須主項)
  • 10. 10( ): 2017 (9)鏡 慎吾 東北大学 計算機工学 ドントケア項のある場合 x1 x2 00 01 11 10 x3 0 * 0 1 0 1 * * 1 1 最小項のうち一部に「1になっても0になってもよい」ものがある 場合(その項に対応する入力を考える必要がない場合) 冗長項 (don’t care term), 組合せ禁止項などと呼び, × や * などで表す ループはできるだけ少なく,大きくしたいので, • 既存のループを大きくできるなら積極的に使う • 新たにループを作らないといけないなら無視する
  • 11. 11( ): 2017 (9)鏡 慎吾 東北大学 計算機工学 例: 7セグメントLED http://ja.wikipedia.org/wiki/%E7%94% BB%E5%83%8F:7segdisplay.jpg d3 d2 d1 d0 a b c d e f g a b c g LED点灯回路 (例: 74HC4511)  出力 e を d3, d2, d1, d0 の論理式で表し,簡単化せよ 2進数入力 (binary coded decimal, BCD)
  • 12. 12( ): 2017 (9)鏡 慎吾 東北大学 計算機工学 出力 e を簡単化する例 d1d0 00 01 11 10 d3d2 00 1 1 01 1 11 * * * * 10 1 * * d3 d2 d1 d0 e 0 0 0 0 1 0 0 0 1 0 0 0 1 0 1 0 0 1 1 0 0 1 0 0 0 0 1 0 1 0 0 1 1 0 1 0 1 1 1 0 1 0 0 0 1 1 0 0 1 0 1 0 1 0 * 1 0 1 1 * 1 1 0 0 * 1 1 0 1 * 1 1 1 0 * 1 1 1 1 * 0 1 2 3 4 5 6 7 8 9 don’t care
  • 13. 13( ): 2017 (9)鏡 慎吾 東北大学 計算機工学 参考: 実際の論理式簡単化 • カルノー図による方法は,5入力以上になるとあまりうれしくな い(頑張っても6入力程度).自動化に向いていない → より自動化に適した方法: e.g.: クワイン・マクラスキー法 ではそれで十分か? • 複雑になると難しい (記憶容量,計算時間が大きすぎる) • 多数の出力がある場合,さらに簡単な組み合わせがあり得る • 積和形よりより回路があるかも知れない → 組合せ最適化問題の典型であり,厳密に解くのは難しい. ヒューリスティック(発見的)な解法が用いられる
  • 14. 14( ): 2017 (9)鏡 慎吾 東北大学 計算機工学 参考: 用語の意味をカルノー図で考える x1 x2 00 01 11 10 x3x4 00 01 11 1 10 x1 x2 00 01 11 10 x3x4 00 0 01 11 10 最小項: x1 x2 x3 x4 最大項: x1+x2+x3+x4
  • 15. 15( ): 2017 (9)鏡 慎吾 東北大学 計算機工学 参考: 用語の意味をカルノー図で考える 主加法標準形 x1 x2 00 01 11 10 x3 x4 00 01 11 1 10 x1 x2 00 01 11 10 x3 x4 00 01 1 11 10 x1 x2 00 01 11 10 x3 x4 00 01 11 10 1 + + + … 主乗法標準形 x1 x2 00 01 11 10 x3 x4 00 01 11 0 10 x1 x2 00 01 11 10 x3 x4 00 01 0 11 10 x1 x2 00 01 11 10 x3 x4 00 01 11 10 0 ・ ・ ・ …
  • 16. 16( ): 2017 (9)鏡 慎吾 東北大学 計算機工学 練習問題 (1) カルノー図で表せ (2) できるだけ簡単な積和型の論理式で表せ (3) (2) で求めた論理式を表す論理回路図を示せ.AND, OR, NOT の各ゲートを使用してよい (4) 関数 f に冗長項 (x,y,w) = (0,1,1) を加えた不完全記述 論理関数を f ’ とする.f ’ をできるだけ簡単な積和型の論 理式で表し,論理回路図を示せ.
  • 17. 17( ): 2017 (9)鏡 慎吾 東北大学 計算機工学 解答例 x y 00 01 11 10 z w 00 1 1 01 11 1 10 1 1 1 1 x y z w f
  • 18. 18( ): 2017 (9)鏡 慎吾 東北大学 計算機工学 解答例 (つづき) x y 00 01 11 10 z w 00 1 1 01 * 11 * 1 10 1 1 1 1 y z w f ’
  • 19. 19( ): 2017 (9)鏡 慎吾 東北大学 計算機工学 例題(おまけ) • 朝まで飲んでいたわけではなくて,晴れていて,落とせない講義がある日 は登校する • 落とせない講義がなくても,朝まで飲んでいたわけではなくて,晴れてい る日は登校する • 朝まで飲んでいた日でも,落とせない講義がある日は天気に関わらず登 校する • 天気が悪くても,落とせない講義がある日で,朝まで飲んでたわけじゃな い場合は登校する • 上記で挙がった場合以外は休む (1) x1: 朝まで飲んでいた, x2 落とせない講義がある, x3: 晴天である として「A君登校関数」を論理式で表せ. (2) 「A君登校関数」のカルノー図をかき,簡単化せよ. A君はあまり真面目に大学に来ない学生であるが,全く来ないわけ でもない.よく観察してみると以下の法則性があることがわかった:
  • 20. 20( ): 2017 (9)鏡 慎吾 東北大学 計算機工学 例題(おまけ) 解答例 x1 x2 x3 + x1 x2 x3 + x1 x2 + x1 x2 x3 (飲) (講) (晴) x2 x3 00 01 11 10 x1 0 1 1 1 1 1 1 カルノー図から,簡単化すると x2 + x1 x3 (つまりA君は,落とせない講義が ある日,または,朝まで飲んで無く てかつ晴れている日は登校する) • 朝まで飲んでいたわけではなくて,晴れていて,落と せない講義がある日は登校する • 落とせない講義がなくても,朝まで飲んでいたわけで はなくて,晴れている日は登校する • 朝まで飲んでいた日でも,落とせない講義がある日は 天気に関わらず登校する • 天気が悪くても,落とせない講義がある日で,朝まで 飲んでたわけじゃない場合は登校する