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。     

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。     

基于泛逻辑学的柔性命题逻辑研究

现有的数理逻辑是刚性逻辑，不能满足研究不确定性问题的需要．概率测度是研究不确定性问题的重要数学工具．但作为概率推理理论基础的概率逻辑发展不够成熟，影响了它在不确定性推理中的广泛应用．本文第二作者在探索包含确定性和各种不确定性的现实世界逻辑规律的基础上．建立一个包容刚性逻辑和柔性逻辑的命题泛逻辑学体系．本文利用这一研究成果，对命题概率逻辑进行了探讨．     

粗糙逻辑中公式的Borel型概率粗糙真度

以一种特殊的粗糙逻辑为研究对象,视全体赋值之集为通常乘积拓扑空间,通过利用赋值集上的Borel概率测度,提出了能融合粗糙逻辑与计量逻辑为一体的公式的Borel型概率粗糙真度理论,给出了公式概率粗糙真度的公理化定义,建立起了相应的概率真度表示定理.公式的概率粗糙真度理论可被看作粗糙逻辑中已有工作的计量化,也可看作计量逻辑学中真度理论的粗糙化.基于这一核心概念,进一步给出了粗糙逻辑中已有概念的程度化表示形式,如公式的粗糙度、精确度、公式之间的粗糙相似度等,并建立起了基于粗糙相似度的3种近似推理模式.该结果实现了粗糙逻辑与计量逻辑的和谐统一,为进一步基于粗糙真值的程度化推理搭建了一个可能的框架.     

基于Racer和nRQL的本体查询与推理

语义网技术的兴起促进了本体技术的发展,本体作为语义网的基石,在知识表示与知识推理方面发挥着重要作用.本体描述语言与描述逻辑相结合,为本体推理的合理性和有效性提供了保证.在介绍描述逻辑及其系统的有关概念与查询推理机制的基础上,重点讨论了推理机Racer及其查询语言nRQL的功能,开发了一个基于Racer和nRQL的智能信息查询程序并应用于大学本体的信息查询.     

基于本体的推理机研究

语义网技术的兴起促进了本体技术的发展,本体作为语义网的基石,在知识表示与知识推理方面发挥着重要作用。本体表示语言与描述逻辑相结合,为本体推理的合理性和有效性提供了保证。介绍了本体语言、描述逻辑和描述逻辑推理的基本原理,重点介绍了基于SHIQ描述逻辑的推理机Racer的基本功能及其在智能信息检索中的应用。     

国家知识基础设施中的数学知识表示

数学知识表示是知识表示中的一个重要方面,是数学知识检索、自动定理机器证明、智能教学系统等的基础.根据在设计NKI(national knowledge infrastructure)的数学知识表示语言中遇到的问题,并在讨论了数学对象的本体论假设的基础上提出了两种数学知识的表示方法:一种是以一个逻辑语言上的公式为属性值域的描述逻辑;另一种是以描述逻辑描述的本体为逻辑语言的一部分的一阶逻辑.在前者的表示中,如果对公式不作任何限制,那么得到的知识库中的推理不是可算法化的;在后者的表示中,以描述逻辑描述的本体中的推理是可算法化的,而以本体为逻辑语言的一部分的一阶逻辑所表示的数学知识中的推理一般是不可算法化的.因此,在表示数学知识时,需要区分概念性的知识(本体中的知识)和非概念性的知识(用本体作为语言表示的知识).框架或者描述逻辑可以表示和有效地推理概念性知识,但如果将非概念性知识加入到框架或知识库中,就可能使得原来可以有效推理的框架所表示的知识库不存在有效的推理算法,甚至不存在推理算法.为此,建议在表示数学知识时,用框架或描述逻辑来表示概念性知识;然后,用这样表示的知识库作为逻辑语言的一部分,以表示非概念性知识.     

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.     

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。