基于泛逻辑学的概率命题逻辑的研究与分析

概率逻辑是不确定推理的一个重要逻辑基础，但其目前还不太完善．泛逻辑学是何华灿教授在探索各种不确定性问题求解中建立起来的一种新的柔性逻辑体系．理论上，概率逻辑仅是泛逻辑学的一个特例．在对目前比较典型的几种概率逻辑模型进行分析的基础上，基于命题泛逻辑学的思想和方法，指出了概率命题逻辑中存在的一些主要问题，探讨了解决这些问题的思路与方法。     

人工智能中概率逻辑的研究

概率论是在不完备的、不确定的数据中进行推理的,它是度量不确定性的重要手段。在人工智能中,研究者结合概率和逻辑各自的优点,进行概率逻辑的研究。本文介绍了传统概率逻辑的三大派别,阐述了二值逻辑概率和三值逻辑概率的发展;最后介绍了泛逻辑,通过对概率逻辑和泛逻辑学的研究,将概率逻辑纳入泛逻辑学的框架内。     

人工智能中概率逻辑的研究

概率论是在不完备的、不确定的数据中进行推理的,它是度量不确定性的重要手段。在人工智能中,研究者结合概率和逻辑各自的优点,进行概率逻辑的研究。本文介绍了传统概率逻辑的三大派别,阐述了二值逻辑概率和三值逻辑概率的发展;最后介绍了泛逻辑,通过对概率逻辑和泛逻辑学的研究,将概率逻辑纳入泛逻辑学的框架内。     

概率逻辑关系柔性化的研究

结合概率和逻辑的优点,近年来人工智能研究人员提出了多种概率逻辑来解决不确定性问题,但是仍然存在着逻辑关系刚性化的问题。在泛逻辑学的框架内,分析了概率逻辑的局限,根据泛逻辑学的生成器,探讨了概率逻辑关系柔性化的问题。     

泛逻辑的柔性化研究

随着智能化问题研究的不断深入,不确定性问题是否能够得到更合理的描述和更合理的推理成为了关键问题。目前逻辑研究也在这方面进行了探索,本文综述了何华灿教授提出的一个包容刚性逻辑和柔性逻辑的命题泛逻辑学体系,并从逻辑四要素角度分析了泛逻辑柔性化的对不确定问题描述可行性。     

概率逻辑、不确定逻辑和模糊逻辑之比较

通过一个实例分析比较了概率逻辑、主观概率逻辑、不确定逻辑和模糊逻辑的思想方法。提出了自己的观点:基于数据统计的概率逻辑是最科学的。不确定逻辑比主观概率逻辑更科学。当具有不确定性的原子命题具有独立性时,不确定逻辑和模糊逻辑的观点是一致的。而对于处理带有不确定性的相关性命题,不确定逻辑比模糊逻辑更科学。但是模糊逻辑在建立推理理论方面见长。     

基于零级N/T泛数完整簇的概率逻辑算子的研究

在人工智能中不确定性理论、主观Bayes方法、证据理论等都是基于概率论的.但是,这些不确定性推理方法仅仅是基于概率,而不能真正实现逻辑框架内的概率逻辑不确定推理,产生这种现象的主要原因是概率逻辑自身存在着缺陷.按照泛逻辑学的生成规则,基于零级N/T/S范数完整簇从泛逻辑学的角度来构造概率逻辑算子.结果表明概率逻辑是能够在泛逻辑学的框架内进行柔性化的,是命题泛逻辑在h=0.75时的一种特例.     

人工智能科学中的概率逻辑

人工智能科学，从其诞生之日起便与逻辑学密不可分。本文首先对逻辑学的分类、相互关系以及泛逻辑的概念等进行了讨论，并对人工智能中逻辑学的应用及发展进行了必要的分析。然后讲述了逻辑学与概率论两大理论基础之上的不确定性推理方法——概率逻辑，重点研究了二值概率逻辑与三值概率逻辑。最后阐述了概率逻辑在人工智能科学中的应用以及对它的思考。     

一种推导概率逻辑结果的新方法

本文从概率推理形式化的角度叙述了概率逻辑的一些基本概念,在最短距离准则下给出了一种推导概率逻辑结果的新方法.该方法只需通过求解一个线性方程组便可得以完成,适用于较大命题集的概率逻辑结果的推导.     

因素表示的信息空间与广义概率逻辑

国内外近年来所提出的广义概率逻辑对于人工智能的发展有重要意义。能否反映变换演化的实际场景，使逻辑判断能够灵活变通，这是广义概率逻辑发展的关键。为了解决这一问题，本文的目是以信息空间作为逻辑与实际场景的接口。有了这个接口，逻辑判断就能反映变幻莫测的实际场景。本文的方法是用因素空间来定义表现论域以形成新的信息空间，将谓词中的变元取为因素，在已有的逻辑系统中加上本文所提出的背景公理，所有的推理都是在一定背景之下的推理，不同的背景会推出不同的结论。结果是新的逻辑既能维系Stone表示定理的表现要求，又能变得更加灵活有效。结论能使广义概率逻辑更有效地服务于人工智能。为了配合机制主义人工智能的需要，本文还特别提出了语法-语用对接的方法和目标驱动的逆向推理设想，最后为泛逻辑的3种连续算子对进行了数学证明。     

基于泛逻辑学的逻辑关系柔性化研究

建立柔性逻辑体系,既是现实世界复杂问题求解的需要,也是逻辑学发展的一种必然趋势.泛逻辑学是何华灿在探索复杂世界逻辑规律中建立起来的一个柔性逻辑体系.在分析其实现逻辑关系柔性化的思想和方法的基础上,探讨了概率逻辑关系柔性化的问题.理论上,概率逻辑是泛逻辑学的一个特例,因此应该能够在泛逻辑学框架内建立起柔性的概率逻辑体系.     

谓词模态逻辑中变量的严格指派问题

目前,命题模态逻辑已成为人工智能以及计算机科学等其他领域的有效工具,但谓词模态逻辑却不是.关于谓词模态逻辑还存在着很多的争议和问题.表面上看,在命题模态逻辑中添加相应的量词而得到谓词模态逻辑似乎是一件很简单的事情,但是这些新添加的量词却带来了许多的问题和麻烦,例如,变量的严格指派问题、不变论域与可变论域问题、跨界相等问题等.主要研究谓词模态逻辑中变量的严格指派问题.首先,介绍什么是变量的严格指派问题;其次,讨论对于该问题现有的解决办法及所存在的不足;最后,分析造成该问题的深层次原因,并简要介绍该问题的解决办法.     

概率逻辑的研究

在人工智能科学中,不确定推理扮演着一个非常重要的角色,而其表示方法也很多,文中要讨论的概率逻辑便是其中之一,它是以逻辑表示为基础进行概率推理。首先,从知识表示和概率定义两个不同的角度系统地介绍了概率逻辑的产生及其发展,然后总结了它的一些基本概念,在此基础上给出了求得一致可能世界的一种逻辑系统,为概率逻辑的发展起到推动作用。最后将概率逻辑同与之容易混淆的模糊逻辑加以区分,且提出了概率逻辑的价值及其展望。     

逻辑函数的双逻辑综合与优化

针对传统布尔逻辑在电路面积优化中存在的不足,提出了一种用传统布尔逻辑和Reed-Muller(RM)逻辑相结合的双逻辑优化算法.通过将原逻辑函数的乘积项转化为不相交乘积项,并利用不相交乘积项的位操作,将逻辑函数的覆盖分成2个部分,使之分别适合布尔逻辑综合和RM逻辑综合;同时提出了适合双逻辑函数的逻辑功能验证方法.双逻辑优化算法用C语言编程实现并用MCNC标准电路进行测试.实验结果表明,与单一的布尔逻辑综合结果相比,在绝大多数情况下文中算法可使电路面积获得进一步优化.     

泛逻辑控制模型研究

提出了一种基于泛逻辑学中零级泛组合模型的泛逻辑控制器，并根据输入变量数目的不同，设计了一维到四维泛逻辑控制模型结构。由于考虑到输入量之间的广义相关性，泛逻辑控制模型具有较强的通用性和适应能力，针对不同被控对象无须单独设计，是一种具有柔性潜质的智能控制模型。对典型线性和非线性系统的控制实验，证明了模型的有效性和优越性。     

Probabilistic Dynamic Epistemic Logic

In this paper I combine the dynamic epistemic logic ofGerbrandy (1999) with the probabilistic logic of Fagin and Halpern (1994). The resultis a new probabilistic dynamic epistemic logic, a logic for reasoning aboutprobability, information, and information change that takes higher orderinformation into account. Probabilistic epistemic models are defined, and away to build them for applications is given. Semantics and a proof systemis presented and a number of examples are discussed, including the MontyHall Dilemma.     

泛逻辑神经元模型研究

该文针对目前逻辑神经元模型形态单一、功能有限的弱点,构造了一种能够包容各种逻辑形态的通用神经元模型--泛逻辑神经元,可以较好地反映抽象思维的柔性化规律。在倒立摆试验中的应用结果表明了该方法的有效性。