論文の概要: An epistemic logic for modeling decisions in the context of incomplete knowledge

• arxiv url: http://arxiv.org/abs/2312.11186v1
• Date: Mon, 18 Dec 2023 13:27:04 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-20 20:10:00.171376
• Title: An epistemic logic for modeling decisions in the context of incomplete knowledge
• Title（参考訳）: 不完全知識の文脈における決定のモデル化のための認識論理
• Authors: {\DJ}or{\dj}e Markovi\'c and Simon Vandevelde and Linde Vanbesien and Joost Vennekens and Marc Denecker
• Abstract要約: 本稿では,不完全な知識で意思決定をモデル化するための新しい言語を提案する。 成層化、自己認識論理、定義の3つの原則が組み合わさっている。
• 参考スコア（独自算出の注目度）: 9.104555003332344
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Substantial efforts have been made in developing various Decision Modeling formalisms, both from industry and academia. A challenging problem is that of expressing decision knowledge in the context of incomplete knowledge. In such contexts, decisions depend on what is known or not known. We argue that none of the existing formalisms for modeling decisions are capable of correctly capturing the epistemic nature of such decisions, inevitably causing issues in situations of uncertainty. This paper presents a new language for modeling decisions with incomplete knowledge. It combines three principles: stratification, autoepistemic logic, and definitions. A knowledge base in this language is a hierarchy of epistemic theories, where each component theory may epistemically reason on the knowledge in lower theories, and decisions are made using definitions with epistemic conditions.
• Abstract（参考訳）: 産業とアカデミックの両方から様々な決定モデリング形式を開発するための実質的な努力がなされている。 難しい問題は、不完全な知識の文脈で決定的な知識を表現することである。 このような文脈では、決定は未知か未知かに依存する。 モデル決定のための既存の形式主義はいずれも、そのような決定の認識的性質を正しく把握することができず、必然的に不確実な状況において問題を引き起こすことはない、と我々は主張する。 本稿では,不完全な知識で意思決定をモデル化するための新しい言語を提案する。 階層化、自己認識論理、定義の3つの原則を組み合わせる。 この言語の知識基盤は、認識論的理論の階層であり、各構成要素理論は下位理論の知識を認識論的に推論し、認識論的条件を持つ定義を用いて決定する。

関連論文リスト

• Epistemology of Language Models: Do Language Models Have Holistic Knowledge? [30.02796959216552]
  本稿では,言語モデルにおける本質的な知識をホリズムの観点から検討する。 本研究の目的は,言語モデルの特徴がホリズムと一致しているかどうかを検討することである。
  論文  参考訳（メタデータ） (2024-03-19T16:06:10Z)
• Defeasible Reasoning with Knowledge Graphs [0.0]
  本稿では,不完全な知識を持つ難解な推論のための直観的表記法とモデルについて紹介する。 この論文は、大規模言語モデルの時代における象徴的アプローチの観察を締めくくっている。
  論文  参考訳（メタデータ） (2023-09-22T09:27:26Z)
• A Semantic Approach to Decidability in Epistemic Planning (Extended Version) [72.77805489645604]
  我々は決定可能性を達成するために新しい意味論的アプローチを用いる。 具体的には、知識の論理S5$_n$と(知識)可換性と呼ばれる相互作用公理を拡大する。 我々は,本フレームワークが,独立した知識である共通知識の有限的非固定点的特徴を認めていることを証明した。
  論文  参考訳（メタデータ） (2023-07-28T11:26:26Z)
• Strengthening Consistency Results in Modal Logic [0.0]
  モーダル論理における根本的な問題は、与えられた理論が一貫性はあるが、何と一貫性があるのかである。 この問題に対処する典型的な方法は、背景知識公理の選択(例えば、S4、Dなど)を特定し、その背景公理と整合性のある理論によって導かれた仮定を示す。 本稿では、より堅牢な方法で整合性に対処するための命題モーダル論理の一般的な理論を紹介する。
  論文  参考訳（メタデータ） (2023-07-11T07:05:37Z)
• Causal Discovery with Language Models as Imperfect Experts [119.22928856942292]
  専門知識を用いて因果グラフの同定を改善する方法について検討する。 整合性に基づく専門家の知識を改良するための戦略を提案する。 本稿では,不完全な専門家として大規模言語モデルを用いる実データを用いたケーススタディについて報告する。
  論文  参考訳（メタデータ） (2023-07-05T16:01:38Z)
• Causal Deep Learning [77.49632479298745]
  因果性は、現実世界の問題を解決する方法を変える可能性がある。 しかし因果関係は、実際にテストできない重要な仮定を必要とすることが多い。 我々は、因果性に関する新しい考え方を提案します。
  論文  参考訳（メタデータ） (2023-03-03T19:19:18Z)
• Learning by Applying: A General Framework for Mathematical Reasoning via Enhancing Explicit Knowledge Learning [47.96987739801807]
  本稿では,既存のモデル(バックボーン)を明示的な知識学習によって原則的に拡張する枠組みを提案する。 LeApでは,新しい問題知識表現パラダイムで知識学習を行う。 LeApはすべてのバックボーンのパフォーマンスを改善し、正確な知識を習得し、より解釈可能な推論プロセスを実現する。
  論文  参考訳（メタデータ） (2023-02-11T15:15:41Z)
• Acquiring and Modelling Abstract Commonsense Knowledge via Conceptualization [49.00409552570441]
  本研究では,コモンセンス推論における概念化の役割について検討し,人間の概念化を再現する枠組みを定式化する。 ATOMIC は大規模な人為的注釈付き CKG であり,この枠組みを分類プロベースで支援している。
  論文  参考訳（メタデータ） (2022-06-03T12:24:49Z)
• Thinking About Causation: A Causal Language with Epistemic Operators [58.720142291102135]
  我々はエージェントの状態を表すことで因果モデルの概念を拡張した。 対象言語の側面には、知識を表現する演算子や、新しい情報を観察する行為が追加されます。 我々は、論理の健全かつ完全な公理化を提供し、このフレームワークと因果的チーム意味論との関係について論じる。
  論文  参考訳（メタデータ） (2020-10-30T12:16:45Z)
• Knowledge Patterns [19.57676317580847]
  本稿では,公理に富む形式オントロジー構築を支援する新しい手法である「知識パターン」について述べる。 知識パターンは、形式オントロジーの構造に関する重要な洞察を提供する。 それらを使って構築されたテクニックとアプリケーションを説明し、その強みと弱点を批判する。
  論文  参考訳（メタデータ） (2020-05-08T22:33:30Z)

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。