子句集的神经网络归结(英文)

给出基于神经网络的归结方法。首先将子句集S表示为δ形式,并且用算子对(·○, )引入两种类型的神经元;然后用这两种神经元构造子句集S的神经网络结构;而后给出基于子句集的神经网络的归结算法;最后证明了该算法的完备性,并用实例进行了验证。

子句集Σ的极大Horn下界

自动推理是人工智能领域的重要研究课题。基于Horn子句的快速推理是一种重要的自动推理方法。研究了子句集的极小模型与子句集的极大Horn下界的关系,给出了一种获取极大Horn下界的方法,所得结论可用于基于Horn子句的快速推理。

命题逻辑的子句集中文字的分类

检测和消除命题逻辑公式中的冗余文字,是人工智能领域广泛研究的基本问题。针对命题逻辑的子句集中子句的划分,结合冗余子句和冗余文字的概念,将命题逻辑的子句集中的文字分为必需文字、有用文字和无用文字3类,并分别给出其定义。讨论3种文字与无冗余等价子集的性质,给出其等价子集的等价描述方法。得到题逻辑的子句集中必需文字、有用文字和无用文字的判定方法,借助子句集的可满足性得到3种文字与子句集的可满足性的等价条件。上述结果对命题逻辑中文字属性的判断提供了多种可选择方法,同时为命题逻辑公式的化简奠定了理论基础。

基于目标演绎距离的一阶逻辑子句集预处理方法

一阶逻辑定理证明是人工智能的核心基础,研究一阶逻辑自动定理证明器的相关理论和高效的算法实现具有重要的学术意义。当前一阶逻辑自动定理证明器首先通过子句集预处理约简子句集规模,然后通过演绎方法对定理进行判定。现有的应用于证明器中的子句集预处理方法普遍只从与目标子句项符号相关性角度出发,不能很好地从文字的互补对关系中体现子句间的演绎。为了在子句集预处理时从演绎的角度刻画子句间的关系,定义了目标演绎距离的概念并给出了计算方法,提出了一种基于目标演绎距离的一阶逻辑子句集预处理方法。首先对原始子句集进行包含冗余子句约简并应用纯文字删除规则,然后根据目标子句计算剩余子句集中的文字目标演绎距离、子句目标演绎距离,并最终通过设定子句演绎距离阈值来实现对子句集的进一步预处理。将该预处理方法应用于顶尖证明器Vampire,以2017年国际一阶逻辑自动定理证明器标准一阶逻辑问题组竞赛例为测试对象,在标准的300 s内,加入提出的子句集预处理方法的Vampire4.1相比原始的Vampire4.1多证明4个定理,能证明10个Vampire4.1未证明的定理,占其未证明定理总数的13.5%;在证明的定理中,提出的子句集预处理方法能对77.2%的子句集进行约简,最大子句集约简规模达到51.7%。实验结果表明,提出的一阶逻辑子句集预处理方法是一种有效的方法,能有效地约简一阶逻辑子句集的规模,提高一阶逻辑自动定理证明器的证明能力。

命题逻辑中三元子句集的冗余文字

自动推理是人工智能领域研究的核心问题之一。由于在基于归结的自动推理过程中会产生大量的冗余文字和冗余子句,进而影响归结自动推理的效率,因此消除子句集中的冗余文字和冗余子句具有重要的意义。在命题逻辑中,依据必需文字、有用文字、无用文字的相关概念和性质,针对部分三元子句集,分类给出这些三元子句集中冗余文字的判别方法,并通过具体实例对这些判别方法进行说明。

re-Horn子句集的Horn化及可满足性判定方法

在命题逻辑中给出将re-Horn子句转化成Horn子句的条件与方法,用同态的方法证明转化前后2个子句集的可满足性或不可满足性的一致性,给出re-Horn子句集的可满足性的判定方法。

基于支持集策略实现定理证明及问题的求解

人工智能原理中,基于一阶谓词逻辑下的归结推理方法可以在机器上实现"自动定理证明以及问题的求解",实际研究应用表明归结原理中的"支持集策略"是一种简单、高效、完备的实现定理证明和问题求解的好方法。

基于相邻子句规约的求差知识编译算法

利用规约规则可以约简EPCCL理论的规模,从而提高扩展规则知识编译算法的编译质量。为此,设计了约简EPCCL理论相邻子句的算法(reducing adjacent clauses in EPCCL,RACE),用于约简EPCCL理论中满足规约规则的相邻子句,进而降低了基于超扩展规则的求差知识编译算法(computing the difference set for knowledge compilation based on hyper extension rule,DKCHER)的中间结果EPCCL理论和最终结果EPCCL理论的规模。结合RACE算法和DKCHER算法,设计并实现了改进的DKCHER算法(improved DKCHER,imp-DKCHER)。实验结果表明:imp-DKCHER算法能够显著提高DKCHER算法的编译质量,平均可提高17.3%,并在大部分实例上能够提高DKCHER算法的编译效率。

基于路径搜索的格值命题逻辑自动推理方法

提出一种基于路径搜索的自动推理算法.除了采取预处理外,还采用了动态的删除策略,使对大部分路径的搜索变成对一条路径搜索.可快速地完成对一类格值命题逻辑中的任何一个子句集可满足性与不可满足性的判定.文中还讨论了该算法计算的复杂性.

并行单元归结

给出了基于神经网络的单元归结算法.首先将子句集S表示为δ形,并且用算子对(⊙, )引入两种类型的神经元,然后用这两种神经元构造子句集S的神经网络结构,而后给出基于Horn子句集的神经网络的归结算法,最后证明了该算法的完备性,并用实例进行了验证.

基于格值一阶逻辑LF(X)的自动推理算法

基于谓词逻辑的归结推理方法是目前理论上较为成熟、可以在计算机上实现的推理方法之一。针对格值一阶逻辑LF(X)中归结自动推理问题,以格值一阶逻辑LF(X)的α-归结原理为理论基础,通过对例子进行分析,提出了LF(X)中简单广义子句集的归结自动推理算法,并证明了该算法的可靠性和完备性。

HIGHER-ORDER PETRI NET MODELS BASED ON ARTIFICIAL NEURAL NETWORKS

提出了一种新型Ｐｅｔｒｉ网———高阶Ｐｅｔｒｉ网，这种网可以应用于一阶谓词逻辑中的多项式子句集问题；还研究了目标转移结点Ｔ－不变量之间的关系，最后给出了几个例子。

判断析取范式永真性的有效算法研究

P=?NP问题是计算复杂性中至今仍未解决的著名难题。这个问题的正面回答等价于有效算法判断析取范式的永真性。显然,寻找一个有效算法对解决这一问题是很有意义的。本文在文献[1]的基础上,就寻找判断析取范式快的算法作了若干初步研究．主要成果有定理1,2,3,4,5,6。此结果为寻找快的有效算法奠定了理论基础。最后巧妙地借助补关系图的概念,给出算法2．1及打破闭残的扩展树算法3.1。

可满足性问题的充分必要条件

可满足性问题是计算机和人工智能领域内的一个重要的问题,是第一个被证明是NPC的问题。本文主要把子句集进行分类,给出翻转定义、简单集定义,翻转同构定义,并且证明翻转同构不改变子句集的可满足性。论文证明了可满足子句集的三个充要条件。并且这些充要条件可以用于判断可满足问题的完全搜索和不完全搜索算法。

可满足性问题的充分必要条件

可满足性问题是计算机和人工智能领域内的一个重要的问题,是第一个被证明是NPC的问题.本文主要把子句集进行分类,给出翻转定义、简单集定义,翻转同构定义,并且证明翻转同构不改变子句集的可满足性.论文证明了可满足子句集的三个充要条件.并且这些充要条件可以用于判断可满足问题的完全搜索和不完全搜索算法.

知识库更新的一种可编程实现的方法

讨论了知识库是有限子句集时的更新过程,给出了这种情况下知识库更新的一种可编程实现的方法.首先讨论了求极大协调子集的基本思想和方法,然后给出了求极大协调子集的完全过程和非完全过程,证明了它们的正确性;讨论了知识库更新的实现方法;最后和相关工作进行了比较.