非Pascalian概率的逻辑解释与决策分析——兼评G.Shackle的潜在惊奇理论

G.Shackle分析了非空决策(即不明情况下的大胆决策),指出存在一类无法用Pasca-lian概率描述的非分布式(即非随机性)不确定性,并构造潜在惊奇理论试图对上述不确定性进行度量。本文的研究表明:非分布式不确定性的根源是(i)知识的不完全性,(ii)知识的不协调性。Shackle没有能够对上述不确定性的抽象结构进行描述,也没有能够对知识的不协调性进行度量。因此,Shackle虽然已揭示了非分布式不确定性的主要性质,却无法从定性和定量两方面对它作完整的描述。本文在Shackle工作的基础上提出了非Pascalian概率定义,阐明了上述不确定性的数字结构,并且运用内容分析的逻辑方法,对知识的不协调性进行度量;构造了非Pascalian概率的逻辑解释,为克服Shackle理论的困难、进一步发展非Pascalian概率理论,提供一种可能的方案。

概率解释理论的合理性

概率解释的合理性问题是现代归纳逻辑的基础问题，也是长期争论的焦点问题。本文试图以理论在技术上的完备性，理论与科学验证、评价的实际过程的一致性为标准，具体分析几种主要的概率解释理论的合理性，并对它们作出局部性辩护。

一类基于归纳逻辑的归纳学习系统

在机器学习中对归纳的模拟是特别重要的。归纳是多种学科的共同研究对象。为了归纳机器学习的研究进展,一类基于归纳逻辑的机器学习系统不仅是可能的,而且是必要的。

科恩否定原理的局限及其尝试性修正

科恩的否定原理是他的归纳概率逻辑体系区别于数学概率逻辑体系的重要标志。它的实质是,如果假说H基于证据E得到了大于零级的支持,那么基于同样的证据就不能对它进行否定,同时基于同样证据的其他假说相对于H不具有竞争地位。但它在理论内部和应用上都存在一定的局限,其根源在于科恩采取了过强的否定策略,弱化这种强否定可在一定程度上修正否定原理的局限。