arXiv 1802.051422018-02-14cs.AI

知识动力学的形态学：修正、融合、外展

Morphologic for knowledge dynamics: revision, fusion, abduction

LTCI, Télécom ParisTech, Université Paris-Saclay（LTCI，巴黎高等电信学院，巴黎萨克雷大学）；Université Paris-Dauphine, PSL Research University, CNRS（巴黎第九大学，巴黎文理研究大学，法国国家科学研究中心）；Universidad de Los Andes（洛斯安第斯大学）；Universidad Industrial de Santander（桑坦德工业大学）

Isabelle Bloch, Jérôme Lang, Ramón Pino Pérez, Carlos Uzcátegui

阅读 PDF ↗

arXiv 页面 ↗HTML 原文 ↗

摘要英文摘要相关论文

摘要：

人工智能中的一些任务要求能够找到关于知识动态的模型。它们包括信念修正、融合和信念合并以及溯因。在本文中，我们利用代数框架的数学形态学的命题逻辑的背景下，并定义操作，如膨胀或腐蚀的一组公式。我们得出具体的运营商，基于语义的方法，有一个直观的解释，并正式表现良好，执行修订，融合和绑架。计算和易处理的地址，和简单的例子说明了可以得到的典型结果。

英文摘要：

Several tasks in artificial intelligence require to be able to find models about knowledge dynamics. They include belief revision, fusion and belief merging, and abduction. In this paper we exploit the algebraic framework of mathematical morphology in the context of propositional logic, and define operations such as dilation or erosion of a set of formulas. We derive concrete operators, based on a semantic approach, that have an intuitive interpretation and that are formally well behaved, to perform revision, fusion and abduction. Computation and tractability are addressed, and simple examples illustrate the typical results that can be obtained.

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

阅读原文

阅读 PDF ↗

arXiv 页面 ↗HTML 原文 ↗

本文内容

摘要英文摘要相关论文

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

继续探索

相关论文

关于具有信念修正含义的替代解释的生成

On the Generation of Alternative Explanations with Implications for Belief Revision

Brown University（布朗大学）

一般来说，对于一个给定的观察结果，最好的解释并不保证它相对于其他替代解释的好坏。贝叶斯网络中用于信念修正的消息传递方案的一个主要缺陷是它们不能产生超出第二好的替代方案。在本文中，我们提出了一种基于线性约束系统的一般方法，该方法以有序和高效的方式自然地生成替代解释。这种方法，然后应用到成本为基础的绑架问题，以及在贝叶斯网作品的信念修正。

2013-03-20cs.AI

绑架的后门

Backdoors to Abduction

Vienna University of Technology（维也纳技术大学）

溯因推理（或简称溯因）是最基本的人工智能推理方法之一，具有广泛的应用，包括故障诊断，信念修正和自动规划。不幸的是，溯因具有很高的计算复杂性，即使是命题溯因也是N_2^P-完全的，因此比NP和coNP更难。这个复杂性障碍排除了命题可满足性（SAT）的多项式变换的存在。在这项工作中，我们使用的溯因实例的结构属性来打破这一复杂性障碍。我们利用小后门集的问题结构。我们提出了固定参数的易于处理的转换，从绑架到SAT，这使得今天的SAT求解器的电源可用于绑架。

2013-04-22cs.AIcs.CCcs.LO

良基语义和广义稳定模型中的溯因

Abduction in Well-Founded Semantics and Generalized Stable Models

溯因逻辑程序设计提供了一种形式化的表达和解决问题的领域，如诊断，规划，信念修正和假设推理。表逻辑程序设计提供了一种计算机制，它提供了一种优于Prolog的声明性级别，并支持在诸如解析、程序分析和模型检验等领域的成功应用。在本文中，我们将展示如何使用表格逻辑编程来评估查询溯因框架的完整性约束时，这些框架包含默认和显式否定。其结果是能够在有明确否定和答案集的良好基础的语义上计算溯因。我们的方法包括一个转换和评估方法。该转换与程序中的每个目标文字$O$相邻，目标文字$not(O)$以及确保当且仅当$O$为假时$not(O)$为真的规则。我们把得到的程序称为{ \em dual}程序。然后，评估方法\wfsmeth对对偶程序进行操作。\wfsmeth{}是健全和完整的评估查询溯因框架的蕴涵方法是基于显式否定的良好的基础语义，或回答集。此外，\wfsmeth{}是渐近有效的任何已知的方法为任一类的问题。此外，当绑架是不希望的，\wfsmeth{}操作的双重程序提供了一种新的制表方法，用于评估查询地面扩展程序的复杂性和终止属性是类似的最好的制表方法的良好的基础语义。一个公开可用的元解释器已经开发了\wfsmeth{}使用XSB系统。

2003-12-24cs.AIcs.LO

基于高级溯因的视觉解释--基于模糊集合程序设计的运动对象推理

Visual Explanation by High-Level Abduction: On Answer-Set Programming Driven Reasoning about Moving Objects

HCC Lab., University of Bremen（不来梅大学 HCC 实验室）；MPI Lab., Örebro University（厄勒布鲁大学 MPI 实验室）；University of Warsaw（华沙大学）；Aarhus University（奥胡斯大学）

我们提出了一个混合体系结构，系统地计算强大的视觉解释（S），包括假设形成，信念修正，和默认推理与视频数据。该架构由两个紧密集成的协同组件组成：（1）（功能）答案集编程为基础的溯因推理与时空轨迹作为本地实体;（2）基于检测的对象跟踪和运动分析的视觉处理管道。我们提出了正式的框架，其一般实现作为一个（声明）的方法在答案集编程，和一个示例应用程序和评估的基础上两个不同的视频数据集：MOTChallenge基准开发的视觉社区，和最近开发的电影数据集。

2017-12-03cs.AIcs.CVcs.LO

信仰的动力学：绑架，号角知识库和数据库更新

Dynamics of Belief: Abduction, Horn Knowledge Base And Database Updates

RWTH Aachen（亚琛工业大学）

信念和知识的动态是任何自治系统的主要组成部分之一，它应该能够吸收新的信息。为了将信念动力学理论的合理性结果应用到各种实际问题中，它应该在两个方面进行推广：第一，它应该允许信念的某一部分被声明为不变的;第二，信念状态不需要是演绎封闭的。本文提出了这样一种广义的信念动力学，称为基地动力学，随着知识库（霍恩或霍恩逻辑分层否定）的广义修正算法的概念。我们表明，知识库动态有一个有趣的连接，通过击中集和绑架的内核变化。在本文中，我们将展示如何从析取逻辑编程技术可以用于有效的（演绎）数据库更新。其核心思想是将给定的数据库连同更新请求一起转换成一个析取（数据库）逻辑程序，并应用析取技术（如最小模型推理）来解决原始的更新问题。该方法扩展并集成了标准技术，以实现高效的查询应答和完整性检查。一个击中集的生成是通过一个超tableaux演算和魔术集，专注于最小的目标。本文提供了一个比较研究的视图更新算法在理性的做法。为了理解溯因推理的基本概念，我们提供了一个知识库动力学的溯因框架。最后，我们展示了如何信念基础动力学可以提供一个公理化的表征插入一个视图原子的数据库。我们给出了信念改变的主要操作符的快速概述，特别是信念更新与数据库更新。

2015-01-27cs.AIcs.DBcs.LO

从拓扑观点看形态逻辑：对符号AI的应用

Morpho-logic from a Topos Perspective: Application to symbolic AI

CentraleSupelec（巴黎中央理工-高等电力学院）；Université Paris Saclay（巴黎萨克雷大学）；Sorbonne Université（索邦大学）；Université d’Artois（阿尔图瓦大学）

模态逻辑已被证明适用于符号人工智能（AI）中的许多推理任务，例如信念修正，空间推理等。另一方面，数学形态学（MM）是一种用于结构非线性分析的理论，在图像分析中得到了广泛的发展和应用。它的数学基础依赖于代数，完备格，拓扑。MM和数理逻辑之间建立了很强的联系，主要是模态逻辑。在本文中，我们建议进一步发展和推广数学形态学和模态逻辑之间的联系，从topos的角度来看，即范畴结构推广空间，并连接逻辑，集合和拓扑。此外，我们依赖于内部语言和逻辑的拓扑。我们定义结构元素，膨胀和腐蚀作为态射。然后，我们引入结构化邻域的概念，并表明基于它们的膨胀和腐蚀导致一个建设性模态逻辑，为它提出了一个健全和完整的证明系统。然后，我们表明，这样定义的模态逻辑（这里称为形态逻辑），是很好地适应定义具体和有效的运营商的修订，合并，和绑架的新知识，甚至空间推理。

2023-03-08cs.AIcs.LO

更多相关论文收起更多论文

关系数据库视图更新的一种新的有理算法

A New Rational Algorithm for View Updating in Relational Databases

RWTH Aachen（亚琛工业大学）；University of Bonn（波恩大学）

2014-07-13cs.AIcs.DB

一种合理有效的数据库视图修改算法

A Rational and Efficient Algorithm for View Revision in Databases

SSN College of Engineering（SSN工程学院）

信念和知识的动态是任何自治系统的主要组成部分之一，它应该能够吸收新的信息。本文认为，要将信念动力学理论的合理性结果应用于各种实际问题，应该从两个方面加以推广：首先，它应该允许信念的某一部分被声明为不变的;其次，信念状态不需要是演绎封闭的。这样一个广义的信念动态，称为基地动态，提出了一个广义的修正算法的概念，霍恩知识库。我们表明，霍恩知识库动态与内核的变化和绑架有着有趣的联系。最后，我们还表明，这两种变体是合理的，在这个意义上，他们满足一定的理性假设来自哲学作品的信念动力学。

2013-01-22cs.AIcs.DBcs.LO