(《机器学习》完整版系列)第15章 规则学习——15.6 一阶逻辑公式及“分拆”
一阶逻辑公式 A A A与子句集 S S S(命题规则)可相互转换。
一阶逻辑公式及“分拆”
本书讨论常用的两类规则:
(1)命题规则:由“原子命题”加“逻辑连词”构成;前述的式(15.5)即为命题规则,表现为“如果 ⋯ \cdots ⋯,那么 ⋯ \cdots ⋯。 ”的陈述句。 前面我们进行了讨论。
(2)一阶规则:由“原子公式”加“逻辑连词”构成;也叫一阶逻辑公式。
由于引入了“变量”故称为“公式”,它与平时所说的“公式”不同:它不是基于等号;也不一定成立(即不一定为真)。 当它在论域内总为真时,称为普遍有效;当它在论域内总为假时,称为不可满足的;当它在论域内的某个子集上为真时,称为可满足的。
我们看一些常见“原子公式”示例:
- 自然数 ( X ) (\mathit{X}) (X):表示“ X \mathit{X} X是自然数”(一元关系谓词:谓词处于语法中的谓语地位。 );
- 父亲 ( X , Y ) (\mathit{X},\mathit{Y}) (X,Y):表示“ X \mathit{X} X是 Y \mathit{Y} Y的父亲”(二元关系谓词);
- σ ( X ) = X + 3 \sigma (\mathit{X})=\mathit{X}+3 σ(X)=X+3(运算公式,即函数表达式可作为原子公式);
- ∀ X \forall \mathit{X} ∀X:表示任意 X \mathit{X} X(即对所有 X \mathit{X} X,要求“全部”)(量词 ∀ \forall ∀:All);
- ∃ X \exists \mathit{X} ∃X:表示存在 X \mathit{X} X(即至少有一个 X \mathit{X} X)(量词 ∃ \exists ∃:Exist)。
有了“原子公式”,则可以构成更一般的“一阶规则”(以小写字母代表谓词、函数和常量;以大写字母代表变量和一阶逻辑公式;全称量词通常省去),如
∀
X
(
自然数
(
σ
(
X
)
)
←
自然数
(
X
)
)
\begin{align} \forall \mathit{X}(\text{自然数$(\sigma (\mathit{X}))$} \leftarrow \text{自然数$(\mathit{X})$}) \tag{15.16} \end{align}
∀X(自然数(σ(X))←自然数(X))(15.16)
其意思是:对于任意的
X
\mathit{X}
X,括号中的规则成立,括号中的规则为: (若
X
\mathit{X}
X是自然数,则
(
X
+
3
)
(\mathit{X}+3)
(X+3)是自然数)。 由于一阶规则有变量,故它的表达比命题规则更丰富。
将“原子公式”称为正文字(其否定为负文字),文字用“或”字连接(析取)构成子句,子句用“且”字连接(合取)构成句子,但通常不去谈论由子句构成句子,而是讨论子句集(多个子句组成的集合)。
若子句集中有矛盾子句(它俩归结为空子句),则该子句集为空集(此时用“且”拼出的句子不能形成任何概念),即空子句是不可满足的、含有空子句的子句集是不可满足的。
若能把一阶逻辑公式 A A A“分拆”成子句集 S S S,则有定理: A A A是不可满足的当且仅当 S S S是不可满足的。
“分拆”的技巧:
- 将公式调整成前束形范式:即对量词进行调整,使得量词均为非否定、出现在公式的最前面、辖域为整个公式体。
- 消去全部“存在量词”:因“ ∃ X ( A ( X ) ) \exists \mathit{X}(A(\mathit{X})) ∃X(A(X))”等价于“ ∀ X ( ¬ A ( X ) ) \forall\mathit{X}(\lnot A(\mathit{X})) ∀X(¬A(X))”。
- 变形得到(合取型),称为司寇伦标准型。
若能将一阶逻辑公式 A A A变为司寇伦标准型,则将其“全称量词”省去,用逗号代替合取符号,这便得到了一阶逻辑公式 A A A的子句集 S S S。这时,子句集 S S S中的所有子句用“且”字连接形成句子,即为一阶逻辑公式 A A A,故显然有二者的等价性:逗号代替合取符,则一阶逻辑公式“打破”成子句集;反之,将逗号改为合取符,则子句集“粘接”成一阶逻辑公式。
这样,就可以将“证明 A A A是不可满足的”转化为“证明 S S S是不可满足的”。
本文为原创,您可以:
- 点赞(支持博主)
- 收藏(待以后看)
- 转发(他考研或学习,正需要)
- 评论(或讨论)
- 引用(支持原创)
- 不侵权
上一篇:15.5 剪枝优化(预剪枝(阻止生长)和后剪枝(“由长变短”))
下一篇:15.7 FOIL算法(找出含逻辑变量的公式)
相关文章
- (《机器学习》完整版系列)第2章 模型评估与选择 ——2.3 恭喜:高考你被录取了!
- (《机器学习》完整版系列)1-4 机器学习中的三个空间
- [GitHub寻宝]机器学习实战python3代码分享
- [吴恩达机器学习笔记]12支持向量机1从逻辑回归到SVM/SVM的损失函数
- Stanford大学机器学习公开课(二):监督学习应用与梯度下降
- 机器学习笔记之受限玻尔兹曼机(五)基于含隐变量能量模型的对数似然梯度
- 机器学习笔记之核方法(二)正定核函数的充要性证明
- 机器学习笔记之条件随机场(三)MEMM的标注偏置问题
- 机器学习笔记之降维(五)从奇异值分解角度观察主成分分析
- 大数据与机器学习:实践方法与行业案例.3.5 本章小结
- 周志华 机器学习 笔记
- 《Python机器学习实践指南》——导读
- 机器学习算法: 基于逻辑回归的分类预测Python实现
- 机器学习中对超大数据集进行训练时的一种加速机制——数据预读
- 图像处理与机器视觉网络资源收罗——倾心大放送
- 谷歌用机器学习为Gmail增添安全功能