Borel型概率计量逻辑

视全体赋值之集为通常乘积拓扑空间,利用该空间上的Borel概率测度在二值命题逻辑中引入了公式的概率真度概念.该方法既克服了计量逻辑学要求赋值集上的概率测度必须为均匀概率测度的无穷可数乘积的局限,又弥补了概率逻辑学只讲局部而缺乏整体性的不足;证明了计量逻辑学中公式的真度、随机真度以及概率逻辑学中公式的概率等概念都可作为本文提出的概率真度的特例而纳入到统一的框架中,从而实现了计量逻辑学与概率逻辑学的融合与统一;证明了逻辑闭理论与赋值空间中的拓扑闭集是一一对应的以及概率真度函数与赋值空间上的Borel概率测度是一样多的等若干结论;本文的第4节给出了公式的概率真度的公理化定义,证明了公式集上满足Kolmogorov公理的任一[0,1]值函数均可由赋值空间上的某Borel概率测度按本文的方法所表出,从而建立了二值命题逻辑框架下的概率计量逻辑的理论体系.

基于n-值ukasiewicz命题逻辑的概率计量化推理系统

通过把n-值ukasiewicz命题逻辑中公式的概率真度函数抽象为模态词,把概率真度函数的基本恒等式抽象为关于模态词的公理,建立一个模态化的形式推理系统,构建其语构理论及语义理论,证明该系统关于概率真度函数的完备性定理,从而为概率计量逻辑奠定逻辑基础.

因素表示的信息空间与广义概率逻辑

国内外近年来所提出的广义概率逻辑对于人工智能的发展有重要意义。能否反映变换演化的实际场景,使逻辑判断能够灵活变通,这是广义概率逻辑发展的关键。为了解决这一问题,本文的目是以信息空间作为逻辑与实际场景的接口。有了这个接口,逻辑判断就能反映变幻莫测的实际场景。本文的方法是用因素空间来定义表现论域以形成新的信息空间,将谓词中的变元取为因素,在已有的逻辑系统中加上本文所提出的背景公理,所有的推理都是在一定背景之下的推理,不同的背景会推出不同的结论。结果是新的逻辑既能维系Stone表示定理的表现要求,又能变得更加灵活有效。结论能使广义概率逻辑更有效地服务于人工智能。为了配合机制主义人工智能的需要,本文还特别提出了语法-语用对接的方法和目标驱动的逆向推理设想,最后为泛逻辑的3种连续算子对进行了数学证明。

Lukasiewicz命题逻辑中命题的Choquet积分真度理论

将已有的不确定性测度概念引入到了Lukasiewicz命题逻辑中的全体赋值之集上,然后利用McNaughton函数关于该不确定性测度的Choquet积分定义了命题的Choquet积分真度概念.证明了当赋值空间上的不确定性测度满足有限可加性时Choquet积分真度函数就具有良好性质,由此可诱导出命题集上的一个伪距离,进而可建立逻辑度量空间并展开程度化推理,特别是证明了当赋值空间上的不确定性测度取为Borel概率测度时Choquet积分真度函数就退化为概率计量逻辑中的Borel概率真度函数.本文是已有命题逻辑概率计量化工作的继续与深入,为表示逻辑命题间不确定性的非线性关系提供了一种推理框架.

NMG-代数中同态核的结构刻画

逻辑代数上的Bosbach态与Rie?an态是经典概率论中Kolmogorov公理的两种不同方式的多值化推广,也是概率计量逻辑中语义计量化方法的代数公理化,是非经典数理逻辑领域中的重要研究分支.现已证明具有Glivenko性质的逻辑代数上的Bosbach态与Rie?an态等价,并且逻辑代数的Glivenko性质是研究态算子的构造和存在性的重要工具,因而是态理论中的研究热点之一.研究了NMG-代数基于核算子的Glivenko性质,证明NMG-代数具有核基Glivenko性质的充要条件是该核算子是从此NMG-代数到其像集代数的同态,并给出NMG-代数中同态核的结构刻画.这里,NMG-代数是刻画序和三角模([0,1 2],T_(NM)),([1 2,1],T_M)的逻辑系统NMG的语义逻辑代数.