論文の概要: An elementary belief function logic
- arxiv url: http://arxiv.org/abs/2303.13168v1
- Date: Thu, 23 Mar 2023 10:39:18 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-24 14:44:55.513557
- Title: An elementary belief function logic
- Title(参考訳): 初歩的信念関数論理
- Authors: Didier Dubois, Lluis Godo, Henri Prade
- Abstract要約: 可能性と必要性の尺度、信念と妥当性の関数と不正確な確率の双対性は、モーダル論理と共通の特徴を共有している。
本稿では,MEL上にLukasiewicz論理を追加することにより,より単純な信念関数論理を考案できることを示す。
- 参考スコア(独自算出の注目度): 6.091096843566857
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Non-additive uncertainty theories, typically possibility theory, belief
functions and imprecise probabilities share a common feature with modal logic:
the duality properties between possibility and necessity measures, belief and
plausibility functions as well as between upper and lower probabilities extend
the duality between possibility and necessity modalities to the graded
environment. It has been shown that the all-or-nothing version of possibility
theory can be exactly captured by a minimal epistemic logic (MEL) that uses a
very small fragment of the KD modal logic, without resorting to relational
semantics. Besides, the case of belief functions has been studied
independently, and a belief function logic has been obtained by extending the
modal logic S5 to graded modalities using {\L}ukasiewicz logic, albeit using
relational semantics. This paper shows that a simpler belief function logic can
be devised by adding {\L}ukasiewicz logic on top of MEL. It allows for a more
natural semantics in terms of Shafer basic probability assignments.
- Abstract(参考訳): 非加法的不確実性理論、典型的には可能性論、信念関数、不正確な確率は様相論理と共通する: 可能性と必然性の間の双対性、信念と可能性関数、そして上下の確率の間の双対性は、可能性と必然性の間の双対性を階調環境に拡張する。
可能性理論のオール・オー・ナッシング版は、関係性セマンティクスに頼ることなく、KDモーダル論理のごく小さな断片を使用する最小のエピステミック論理(MEL)によって正確に捉えられることが示されている。
さらに、信念関数の場合も独立に研究され、関係意味論ではあるものの、モーダル論理 S5 を {\L}ukasiewicz 論理を用いて次数に拡張することで信念関数論理が得られた。
本稿では, MEL 上に {\L}ukasiewicz 論理を追加することにより, より単純な信念関数論理を考案できることを示す。
これはシャファー基本確率代入の観点からより自然な意味論を可能にする。
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) - A Simple Generative Model of Logical Reasoning and Statistical Learning [0.6853165736531939]
統計的学習と論理的推論は、AIの2つの主要な分野であり、人間のようなマシンインテリジェンスに統一されることが期待されている。
本稿では、論理的推論と統計的学習の単純なベイズモデルを提案する。
我々は、形式論理におけるその満足度の観点から、データがどのように象徴的知識を引き起こすかをモデル化する。
論文 参考訳(メタデータ) (2023-05-18T16:34:51Z) - MetaLogic: Logical Reasoning Explanations with Fine-Grained Structure [129.8481568648651]
複雑な実生活シナリオにおけるモデルの論理的推論能力を調べるためのベンチマークを提案する。
推論のマルチホップ連鎖に基づいて、説明形式は3つの主成分を含む。
この新たな説明形式を用いて,現在のベストモデルの性能を評価した。
論文 参考訳(メタデータ) (2022-10-22T16:01:13Z) - Discourse-Aware Graph Networks for Textual Logical Reasoning [142.0097357999134]
パッセージレベルの論理関係は命題単位間の係り合いまたは矛盾を表す(例、結論文)
論理的推論QAを解くための論理構造制約モデリングを提案し、談話対応グラフネットワーク(DAGN)を導入する。
ネットワークはまず、インラインの談話接続とジェネリック論理理論を利用した論理グラフを構築し、その後、エッジ推論機構を用いて論理関係を進化させ、グラフ機能を更新することで論理表現を学習する。
論文 参考訳(メタデータ) (2022-07-04T14:38:49Z) - 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) - 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) - Foundations of Reasoning with Uncertainty via Real-valued Logics [70.43924776071616]
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。
論文 参考訳(メタデータ) (2020-08-06T02:13:11Z) - 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。