国科大高级人工智能7-命题逻辑

文章目录

  • 命题逻辑(语法Syntax)
    • 由枚举推理(inference by enumeration
      • 区别
  • deduction(形式推演,演绎)
  • 作业(定理证明)

  • logics:逻辑,表达信息的形式语言

  • 语法syntax

  • 语义semantics

  • 逻辑研究的内容:形式化定义句子之间的关系

    • 语法:deduction(演绎(形式推演|—
    • 语义 entailment蕴含(逻辑推导|=
      在这里插入图片描述
  • 完备性:任何语义上蕴含的东西|=都可以在语法上推演出来|-

  • 可靠性:任何语法上可以推演|-的东西都是在语义上蕴含的|=

  • 哥德尔不完全定理:

    • 在一个更大的范围内(证明法和问题与正整数存在一一对应关系),不存在既可靠sound又完备的定理
      在这里插入图片描述
  • 一个句子α\alphaα:x+y=4

  • model这个句子的模型:它的一个真值指派x=0,y=4

  • M(α)M(\alpha)M(α):句子的所有真值指派的集合,所有model

  • 蕴含(entailment):逻辑推导(语义上的)

    • 句子间的关系
    • KB∣=αKB|=\alphaKB=α
      • KB–知识库knowledge base
      • α\alphaα真<==>KB真
      • 如果一个model(真值指派)能让α\alphaα真,则KB真
        • 所以M(KB)⊆M(α)M(KB) \subseteq M(\alpha)M(KB)M(α)

在这里插入图片描述
KB=Giants won and Reds won
α=\alpha=α=Giants won

在这里插入图片描述

命题逻辑(语法Syntax)

  • 命题propositions:可以判断真假的陈述句

    • 命题逻辑不考虑随时间变化的命题(今天是星期一)
  • 原子命题atomic propositions:最小的命题P/Q/R

  • 文字:原子命题或它的反

  • 允许的符号

    • negation非:¬
    • conjunction: 合取-且∧
    • disjunction:析取-或∨
    • implication:=>
      • ==¬P∨Q
    • biconditional:<=>
      • 都相同为真
  • 原子句=True|False|P|Q|R

  • 句子=原子句子|复合句

  • 复合句=用符号链接起来的句子(带括号的也是)

PQ¬PP∧QP∨QP=>QP<=>Q
falsefalsetruefalsefalsetruetrue
falsetruetruefalsetruetruefalse
truefalsefalsefalsetruefalsefalse
truetruefalsetruetruetruetrue

由枚举推理(inference by enumeration

  • 深度优先枚举是
    • sound-可靠性
    • complete -完备性
  • KB |=α\alphaα—也就是真值表证明
    • 用定义证:M(KB)⊆M(α)M(KB) \subseteq M(\alpha)M(KB)M(α)
      • 如果一个model让KB为真,且
        • α\alphaα真,返回真;
        • α\alphaα假,返回假
      • 如果让KB假,也返回真
      • 对所有model的结果取∧
    • 遍历所有model,如果他让KB真,且让α\alphaα真,则成立
    • 时间复杂度O(2n),n个符号,2n种指派O(2^n),n个符号,2^n种指派O(2n),n2n
    • 是一个co-NPC问题
    • KB |=α\alphaα<==>
      • KB∧¬α\alphaα永假(unsatisfiable)
      • KB |=α\alphaα<==> KB =>α\alphaα永真(valid)
        • 真值表证明吧
      • KB =>α\alphaα永真
        • <==> ¬KB ∨α\alphaα永真
        • <==>¬(KB∧ ¬α\alphaα)永真
        • <==> KB∧¬α\alphaα永假(unsatisfiable)

在这里插入图片描述
在这里插入图片描述

  • $\beta |= \alpha 且 \alpha|=\beta $
    • M(β)⊆M(α)且M(α)⊆M(β)M(\beta) \subseteq M(\alpha) 且 M(\alpha) \subseteq M(\beta)M(β)M(α)M(α)M(β)==>$ M(\beta) = M(\alpha)$

区别

* entailment蕴含|=:* 逻辑上的概念,刻画两种句子之间的关系
* implication暗含=>* 命题之间的运算子,使用真值表刻画其语义
  • validity符合逻辑的
    • 对所有model为真(永真)
      • eg:True,A∨¬A
    • KB |=α\alphaα<==> KB =>α\alphaα永真(valid)
  • satisfiable可满足的:
    • 存在正确的真值指派model
    • eg:A∨B
  • unsatisfiable不可满足:
    • no model可以令它为真(永假)
    • True,A∧¬A
    • KB |=α\alphaα<==> KB∧¬α\alphaα永假(unsatisfiable)

deduction(形式推演,演绎)

–符号上面的形式推演,不用考虑语义
|—推出:Σ∣−A\Sigma |- AΣA

  • 11条规则
    1. 自反:A|-A
    • 增加前提:Σ∣−A\Sigma |- AΣA==>Σ,Σ′∣−A\Sigma,\Sigma' |- AΣ,ΣA
    • ¬消去:
      • Σ\SigmaΣ,¬ A |- B
      • Σ\SigmaΣ,¬ A |- ¬B
      • ==>Σ∣−A\Sigma |- AΣA
    • ->-消去:->是=>
      • Σ∣−A−>B\Sigma |- A->BΣA>B
      • Σ∣−A\Sigma |- AΣA
      • ==>Σ∣−B\Sigma |- BΣB
    • ->+引入:->是=>
      • Σ,A∣−B\Sigma,A |- BΣ,AB
      • ==>Σ∣−A−>B\Sigma |- A->BΣA>B
    • <->-消去:<->是<=>
      • aΣ∣−A<−>B\Sigma |- A<->BΣA<>B
      • Σ∣−A\Sigma |- AΣA
      • ==>Σ∣−B\Sigma |- BΣB.
      • bΣ∣−A<−>B\Sigma |- A<->BΣA<>B
      • Σ∣−B\Sigma |- BΣB
      • ==>Σ∣−A\Sigma |- AΣA
    • <->+引入:<->是<=>
      • Σ,A∣−B\Sigma,A |- BΣ,AB
      • Σ,B∣−A\Sigma,B |- AΣ,BA
      • ==>Σ∣−A−>B\Sigma |- A->BΣA>B
    • ∧-消除:
      • Σ∣−A∧B\Sigma |- A∧BΣAB
      • ==>Σ∣−A\Sigma |- AΣA
      • ==>Σ∣−B\Sigma |- BΣB
    • ∧+引入:
      • Σ∣−A\Sigma |- AΣA
      • Σ∣−B\Sigma |- BΣB
      • ==>Σ∣−A∧B\Sigma |- A∧BΣAB
    • ∨- 消去
      • Σ,A∣−C\Sigma ,A |- CΣ,AC
      • Σ,B∣−C\Sigma ,B |- CΣ,BC
      • ==>$\Sigma ,A∨B |-C $
    • ∨引入
      • Σ∣−A\Sigma |- AΣA
      • ==>$\Sigma |- A∨B $
      • ==>$\Sigma |- B∨A $
    • ∈\in
      • A∈ΣA \in \SigmaAΣ
      • ==>Σ∣−A\Sigma |- AΣA
        • A∈Σ且Σ′=Σ−{A}A \in \Sigma 且\Sigma'=\Sigma-\{A\}AΣΣ=Σ{A}
        • A |- A
        • A,Σ′∣−AA,\Sigma' |- AA,ΣA

在这里插入图片描述

作业(定理证明)

  • 2.6.3
    在这里插入图片描述

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/481657.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

费爱国院士:中国城市大脑已走在世界前沿,但仍需努力

信息来源&#xff1a;网易科技2022年9月1日&#xff0c;中国指挥与控制学会在京召开《城市大脑首批标准新闻发布会》正式发布《城市大脑 术语》、《城市大脑顶层规划和总体架构》&#xff1b;《城市大脑数字神经元基本规定》等三项团体标准&#xff0c;学会理事长&#xff0c;工…

国科大高级人工智能8-归结原理和horn子句

只有一条规则的推理 resolution(消解&#xff0c;归结&#xff09; CNF&#xff08;conjunction normal form合取范式 &#xff08;A∨B)∧(B∨C)&#xff08;A∨B)∧(B∨C)&#xff08;A∨B)∧(B∨C)任何逻辑式都可转化为语义等价的CNF resolution消解&#xff08;推理规则&…

国科大高级人工智能9-模糊数学和遗传算法

文章目录1.模糊计算笛卡尔积、关系模糊集连续的隶属度函数运算2.evolution 遗传算法1.模糊计算 why模糊 取得精确数据不可能或很困难没有必要获取精确数据 模糊性概念&#xff1a;对象从属的界限是模糊的&#xff0c;随判断人的思维而定 不同人的界定标准不一样 隶属函数&…

周宏仁详解智能革命:“人类不可能瞬间无处不在,但软件可以!”

来源&#xff1a;域名国家工程研究中心 ZDNS“最优秀的人类战斗员也无法抵御以超音速飞行、由人工智能跨地域组织、每秒机动数千次的多台作战装备。人类不可能瞬间无处不在&#xff0c;但软件可以。”近日&#xff0c;信息化百人会顾问、原国家信息化专家咨询委员会常务副主任周…

图灵奖得主Jack Dongarra:高性能计算与AI大融合,如何颠覆科学计算

来源&#xff1a; 智源社区整理&#xff1a;王光华编辑&#xff1a;李梦佳导读&#xff1a;浩瀚的宇宙中两个星云不断彼此接近、融合、再爆炸&#xff0c;这样奇幻的天文景观正是采用高性能计算&#xff08;HPC&#xff09;进行建模仿真生成的。在过去的三十年间&#xff0c;高…

国科大高级人工智能10-强化学习(多臂赌博机、贝尔曼)

文章目录多臂赌博机Multi-armed bandit&#xff08;无状态&#xff09;马尔科夫决策过程MDP(markov decision process1.动态规划蒙特卡罗方法——不知道环境完整模型情况下2.1 on-policy蒙特卡罗2.2 off-policy蒙特卡罗时序差分方法强化学习&#xff1a;Reinforcement learning…

《Science》封面:华大基因领导构建了世界上第一张大脑再生的时空地图

来源&#xff1a;生物通由华大基因研究院领导的多所研究团队使用华大基因Stereo-seq技术&#xff0c;构建了世界上第一个蝾螈(Ambystoma mexicanum)大脑发育和再生的时空细胞图谱&#xff0c;揭示了脑损伤如何自我愈合。这项研究发表在最新一期的《Science》杂志的封面故事上。…

国科大高级人工智能12-博弈

这里写自定义目录标题欢迎使用Markdown编辑器新的改变功能快捷键合理的创建标题&#xff0c;有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注…

科研进展 | 脑智卓越中心揭示神经元与胶质细胞互作参与胶质细胞命运决定的机制...

来源&#xff1a;中科院神经所神经元细胞与胶质细胞是神经系统最主要的两个细胞分类。在神经发育过程中&#xff0c;神经元类型先产生&#xff08;“神经发生”&#xff0c;neurogenesis&#xff09;&#xff0c;胶质细胞后产生&#xff08;“胶质发生”&#xff0c;gliogenesi…

国科大高级人工智能-总结

文章目录1.概论2. 搜索A\*最优性三个传教士与野人3.神经网络RBM DBN DBM hopfield比较结构及特性逐层贪婪训练与CDBPGAN4.逻辑一个永远无法归结结束的FOL合取范式规范化归结原理4.1resolution是完备的、可靠的Modus ponens4.1 蕴含与包含的证明蕴含与implication的关系5. 模糊数…

Science封面:全球首个脑再生时空图谱

来源&#xff1a;brainnews报道来源&#xff1a;作者团队原文链接&#xff1a;https://doi.org/10.1126/science.abp9444为了深入研究墨西哥钝口螈端脑再生的细胞和分子机制&#xff0c;并探讨其与发育的关系&#xff0c;研究人员收集了不同损伤再生阶段&#xff08;7个再生阶段…

国科大prml10-无监督学习

文章目录1.监督学习与无监督学习2. 聚类分析2.1簇的其他区别2.2类型2.2.1 基于中心的簇2.2.2 基于连续性的簇2.2.3 基于密度的簇2.2.4 基于概念的簇2.3 应用2.4 三要素3.距离函数3.1 距离函数的要求3.2标准化3.3其他相似、不相似函数4.评价指标4.1外部指标&#xff08;有参考模…

英伟达、AMD 高端芯片断供,国产芯片如何迅速崛起

来源&#xff1a;大数据文摘转载自AI科技大本营整理&#xff1a;苏宓出品&#xff1a;CSDN8 月 31 日&#xff0c;据外媒 Protocol、路透社等多家报道&#xff0c;美国开始对出口人工智能相关应用所需的先进芯片施加新的限制&#xff0c;其中 AMD、NVIDIA&#xff08;英伟达&am…

高文院士:AI将为芯片设计带来革命性改变

来源&#xff1a;中国电子报作者&#xff1a;姬晓婷9月1日&#xff0c;世界人工智能大会在上海举行。在芯片主题论坛上&#xff0c;中国工程院院士、鹏城实验室主任高文发表了题为“人工智能与EDA技术的前瞻性发展”的演讲。在高文看来&#xff0c;AI的应用将使芯片设计所需的时…

国科大prml11-降维

文章目录1.维度、特征与维度灾难维度特征维度灾难降维1 维度选择3.特征抽取3.1 预备知识3.2 线性模型3.2.1 多维缩放MDS3.2.2 线性降维的一般形式3.2.3 PCA主成分分析3.3 非线性模型3.3.1KPCA3.3.2流行学习&#xff08;欧氏距离不能反映相似性&#xff09;3.3.3 拉普拉斯特征映…

神经元模型:从离子通道到计算

导语本篇推文来自集智俱乐部的网站集智斑图的一篇路径《神经元模型&#xff1a;从离子通道到计算》&#xff0c;路径基于神经动力学模型读书会第一季臧蕴亮老师的分享整理而成。感兴趣的朋友可以结合本次分享的回放&#xff08;回放链接https://campus.swarma.org/course/4433&…

国科大prml12-半监督学习

文章目录1.假设2. 自学习算法3.多视角学习3.1 协同训练&#xff08;co-training)3.2 多视角学习4. 生成模型生成模型的例子4.2 GMM高斯混合模型4.2.1 EM算法用于GMM4.2.2减小风险的启发式4.3 聚类标签法&#xff08;cluster-and-label)5. S3VMsTSVM5.2 学习算法SVMlightSVM^{li…

我国城市大脑首批三项标准的解读和专家评议

来源&#xff1a;远望智库预见未来我国城市大脑首批三项标准的解读与专家评议2022年9月1日&#xff0c;中国指挥与控制学会在京召开《城市大脑首批标准新闻发布会》正式发布《城市大脑 术语》、《城市大脑顶层规划和总体架构》&#xff1b;《城市大脑数字神经元基本规定》等三项…

谷歌新作:扩散模型背后的数学原理

来源&#xff1a;机器之心扩散模型背后的数学可是难倒了一批人。最近一段时间&#xff0c;AI 作画可谓是火的一塌糊涂。在你惊叹 AI 绘画能力的同时&#xff0c;可能还不知道的是&#xff0c;扩散模型在其中起了大作用。就拿热门模型 OpenAI 的 DALLE 2 来说&#xff0c;只需输…

国科大prml13-概率图(CRF,HMM)

文章目录1. 有向概率图模型&#xff08;贝叶斯网络&#xff09;1.1 概率分布1.2 表示1.3 条件独立性1.3.2 检验条件独立算法&#xff08;贝叶斯球&#xff09;2. 无向图模型&#xff08;马尔科夫随机场&#xff09;2.1 条件独立性2.2 概率分布2.3 表示无向图的条件独立性判断3.…