論文の概要: Foundations of Reasoning with Uncertainty via Real-valued Logics
- arxiv url: http://arxiv.org/abs/2008.02429v3
- Date: Tue, 30 Aug 2022 21:42:24 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-02 07:39:59.358483
- Title: Foundations of Reasoning with Uncertainty via Real-valued Logics
- Title（参考訳）: 実数値論理による不確実性推論の基礎
- Authors: Ronald Fagin, Ryan Riegel, Alexander Gray
- Abstract要約: 我々は、本質的にすべての実数値論理をカバーするためにパラメータ化できる、音と強完全公理化を与える。
文のクラスは非常に豊かであり、各クラスは実数値論理の式の集合に対して可能な実値の集合を記述する。
- 参考スコア（独自算出の注目度）: 70.43924776071616
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Real-valued logics underlie an increasing number of neuro-symbolic
approaches, though typically their logical inference capabilities are
characterized only qualitatively. We provide foundations for establishing the
correctness and power of such systems. We give a sound and strongly complete
axiomatization that can be parametrized to cover essentially every real-valued
logic, including all the common fuzzy logics. Our class of sentences are very
rich, and each describes a set of possible real values for a collection of
formulas of the real-valued logic, including which combinations of real values
are possible. Strong completeness allows us to derive exactly what information
can be inferred about the combinations of real values of a collection of
formulas given information about the combinations of real values of several
other collections of formulas. We then extend the axiomatization to deal with
weighted subformulas. Finally, we give a decision procedure based on linear
programming for deciding, for certain real-valued logics and under certain
natural assumptions, whether a set of our sentences logically implies another
of our sentences.
- Abstract（参考訳）: 実数値論理はニューロシンボリックなアプローチの数が増えているが、その論理推論能力は質的にのみ特徴づけられる。
このようなシステムの正しさとパワーを確立するための基盤を提供する。
我々は、すべての一般的なファジィ論理を含む、本質的にすべての実数値論理をカバーするためにパラメータ化できる、音と強完全公理化を与える。
文のクラスは非常にリッチであり、各クラスは実数値論理の論理式の集合に対して可能な実値のセットを記述し、実際の値の組み合わせが可能である。
強完全性(strong completeness)は、他の数式の集合の実値の組み合わせに関する情報が与えられた式の集合の実値の組み合わせについて推測できる情報を正確に導出することができる。
次に公理化を拡張して重み付き部分形式を扱う。
最後に、ある実数値論理とある自然な仮定の下で、ある文の集合が論理的に他の文を意味するかどうかを決定するための線形計画法に基づく決定手順を与える。
関連論文リスト
- Modeling Hierarchical Reasoning Chains by Linking Discourse Units and
Key Phrases for Reading Comprehension [80.99865844249106]
本稿では,論理的推論の基盤として,対話レベルと単語レベルの両方の文脈を扱う総合グラフネットワーク(HGN)を提案する。
具体的には、ノードレベルの関係とタイプレベルの関係は、推論過程におけるブリッジと解釈できるが、階層的な相互作用機構によってモデル化される。
論文 参考訳（メタデータ） (2023-06-21T07:34:27Z) - The Transformation Logics [58.35574640378678]
表現性と複雑性のトレードオフのバランスをとるために設計された、時間論理の新しいファミリーを導入する。
重要な特徴は、変換演算子と呼ばれる新しい種類の演算子を定義する可能性である。
表現力と複雑性を増大させる階層を創り出すことができる論理を提示する。
論文 参考訳（メタデータ） (2023-04-19T13:24:04Z) - Transfinite Modal Logic: a Semi-quantitative Explanation for Bayesian
Reasoning [1.6916260027701393]
本稿では,モーダル論理と順序算術を組み合わせた超有限モーダル論理を導入する。
我々は、超有限モーダル論理がベイズ的推論の本質をかなり明確で単純な形で捉えていることを示唆する。
論文 参考訳（メタデータ） (2022-04-02T17:58:14Z) - Logical Credal Networks [87.25387518070411]
本稿では,論理と確率を組み合わせた先行モデルの多くを一般化した表現的確率論的論理である論理的クレダルネットワークを紹介する。
本稿では,不確実性のあるマスターミンドゲームを解くこと,クレジットカード詐欺を検出することを含む,最大後部推論タスクの性能について検討する。
論文 参考訳（メタデータ） (2021-09-25T00:00:47Z) - Aleatoric Description Logic for Probailistic Reasoning (Long Version) [0.2538209532048866]
Aleatoric description logic(英語版)は、エージェントがこれらのサイコロのバイアスについて主観的な信念を持つサイコロのロールによって、世界のアレータリックな出来事として不確実性をモデル化する。
これは主観的なベイズの記述論理を提供し、命題と関係は合理的なエージェントが何を賭けるかに応じて確率が割り当てられる。
いくつかの計算問題を考慮し、モデルチェックと整合性チェックアルゴリズムを提案する。
論文 参考訳（メタデータ） (2021-08-30T07:47:36Z) - Logic-Driven Context Extension and Data Augmentation for Logical
Reasoning of Text [65.24325614642223]
論理的な記号や表現をテキストで理解し、答えにたどり着くよう提案します。
このような論理的情報に基づいて,文脈拡張フレームワークとデータ拡張アルゴリズムを提案する。
本手法は最先端の性能を実現し,論理駆動コンテキスト拡張フレームワークとデータ拡張アルゴリズムの両方が精度向上に寄与する。
論文 参考訳（メタデータ） (2021-05-08T10:09:36Z) - Uncertain Linear Logic via Fibring of Probabilistic and Fuzzy Logic [0.0]
確率論理とファジィ論理は 2つの異なる仮定に対応します 証拠ベースが現在利用できない命題の組み合わせについて
この2つの式は、線形論理における乗法および加法的作用素集合の自然な基底を与える。
資源の論理としての線形論理の概念」は、証拠の保存の原理を通じてここで証明される。
論文 参考訳（メタデータ） (2020-09-28T00:19:42Z) - Logical Neural Networks [51.46602187496816]
ニューラルネットワーク(学習)と記号論理(知識と推論)の両方の重要な特性をシームレスに提供する新しいフレームワークを提案する。
すべてのニューロンは、重み付けされた実数値論理における公式の構成要素としての意味を持ち、非常に解釈不能な非絡み合い表現をもたらす。
推論は事前に定義されたターゲット変数ではなく、オムニであり、論理的推論に対応する。
論文 参考訳（メタデータ） (2020-06-23T16:55:45Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。