命題信念集的非修正處理方法研究.pdf

1、知識的表示和推理被認為是人工智能符號主義流派最重要的研究內容之一，而在這些研究中，邏輯則充當著重要的角色。邏輯推理是認知智能行為的典型特征，但是在推理過程中，由于不同原因產(chǎn)生了一些不一致信念，而這些不一致信念使知識庫出現(xiàn)了矛盾。能夠有效地對人工智能中出現(xiàn)的各種不同類型的知識庫進行協(xié)調性維護，對于推動人工智能特別是基于知識推理的研究具有重要的意義。
　　 非單調邏輯主要的思想就是在知識不完全的情況下進行推理。它修正了由加入新知識而

2、引起的矛盾。然而對已有的知識進行修正，常常會出現(xiàn)這樣的情況，即系統(tǒng)丟失了能夠推導出來的某些原本希望得到的信息。針對以上問題，鄧安生教授提出的信念非修正理論主要克服以上信念修正存在的缺點。這種方法的優(yōu)勢在于，不僅可以得到唯一的結果集，并且將這種方法應用在經(jīng)典邏輯中時，它表現(xiàn)出了良好的數(shù)學性質如:一致性，封閉性，封閉性等。本文是將這種方法的應用范圍進一步擴展，使得它更一般性化。
　　 (1)將假說的語法形式限制為命題邏輯下的與或句型

3、集;蘊涵語義采用廣義歸法對假說的擴充進行定義;并證明了假說的擴充具有良好的數(shù)學性質，如一致性，封閉性和外延性等。
　　 (2)對命題邏輯下的與或句型假說的認識進程進行了研究。首先，對與或句型假說的認識進程進行了定義;其次，給出了判斷與或句型假說的認識進程是否收斂的條件;最后，證明了與或句假說的認識進程具有收斂性。
　　 (3)實現(xiàn)自動推理算法。首先，根據(jù)對與或句型假說使用廣義歸結方法進行演繹推理過程完成了歸結集算法。其次