Как вычислять интересные следствия

Бесплатный доступ

В современном дедуктивном анализе к основным задачам относятся следующие: поиск доказательства заданного утверждения с помощью аксиом и правил вывода; проверка корректности заданного следствия из определённых посылок. О задачах вывода следствий с заранее заданными свойствам (задачи с интересными следствиями) в настоящее время известно немного, и нет чётких ответов на вопросы: какие свойства присущи интересному следствию и как вычислить интересное следствие? Ответы можно получить, если для моделирования рассуждений воспользоваться математическим аппаратом алгебры кортежей на основе свойств декартова произведения множеств. Объектами алгебры кортежей являются произвольные многоместные отношения. Эти отношения можно рассматривать как интерпретации формул математической логики. Они представляют собой матрицеподобные структуры, у которых ячейки содержат не элементы, а подмножества соответствующих атрибутов. Операции (дополнение, обобщённое пересечение и обобщённое объединение) в алгебре кортежей соответствуют логическим связкам математической логики (отрицание, конъюнкция, дизъюнкция), а отношение обобщённое включение - отношению выводимости. Вычисление кванторных операций выполняется с помощью операций с атрибутами (добавление фиктивного атрибута, что соответствует правилу обобщения в исчислении предикатов, и элиминация атрибута). Для двух из четырёх типов структур алгебры кортежей элиминация атрибутов соответствует вычислению проекции отношения. Для вывода интересных следствий в алгебре кортежей используется структура, названная минимальным следствием, которая равна обобщённому пересечению посылок, выраженных структурами алгебры кортежей. Интересные следствия вычисляются как проекции минимального следствия. В результате вычислений и проверок получаются следствия с сокращённым или заданным составом переменных, а также с сокращённым объёмом записи

Еще

Интерпретация, алгебра кортежей, декартово произведение множеств, кванторные операции, правило обобщения, минимальное следствие, проекция, элиминация атрибутов

Короткий адрес: https://sciup.org/170199741

IDR: 170199741   |   УДК: 510.662   |   DOI: 10.18287/2223-9537-2023-13-2-160-174

Methods to compute interesting consequences

In modern deductive analysis, the main tasks include the following: finding proof of a given statement using axioms and rules of inference and checking the correctness of a given consequence from certain premises. Little is currently known about inference problems with predetermined properties (problems with interesting consequences). There are no clear answers to the following questions: what properties are inherent in an interesting consequence and how to calculate an interesting consequence? To solve these problems, it is proposed to use the methods of n-tuple algebra (NTA) based on properties of the Cartesian product of sets. The objects of NTA are arbitrary n-ary relations, which can be interpreted as the formulas of mathematical logic. They are matrix-like structures which cells do not contain elements, but subsets of the corresponding attributes. In NTA, operations (addition, generalized intersection and generalized union) in the tuple algebra correspond to logical connectives of mathematical logic (negation, conjunction, disjunction), and the generalized inclusion relation corresponds to the derivability relation. The calculation of quantifier operations is performed using operations on attributes (adding a dummy attribute, which corresponds to the generalization rule in predicate calculus, and eliminating an attribute). For two of the four types of NTA structures, the elimination of attributes corresponds to computing the projection of a relation. To derive interesting consequences in NTA, a structure called the minimal consequence is proposed, which is equal to the generalized intersection of premises. Interesting consequences are calculated as projections of the minimal consequence. As a result of calculations and checks, consequences are obtained with a reduced or a given composition of variables, as well as with a reduced amount of notation.

Еще

Список литературы Как вычислять интересные следствия

  • Шалак В.И. Анализ vs дедукция // Логические исследования. 2018. Т. 24, № 1. С.26-45.
  • Вагин В.Н., Головина Е.Ю., Загорянская А.А., Фомина М.В. Достоверный и правдоподобный вывод в интеллектуальных системах. М.: ООО Издательская фирма "Физико-математическая литература". 2008. 712 с.
  • Охотников О.А. О поиске натурального классического логического вывода с использованием частичной скулемизации // Интеллектуальные системы. Теория и приложения. 2019. Т. 23. Вып. 4. С.39-90.
  • Симонов А.И., Страбыкин Д.А. Вывод следствий с построением схемы вывода из новых фактов при не полностью определённой базе знаний // Современные наукоёмкие технологии. 2018. № 10. С.120-125.
  • Bardovskaya A., Chistyakov G., Dolzhenkova M., Strabykin D. The method of deductive inference of consequences with the scheme construction // Advances in Intelligent Systems and Computing. 2019. Vol. 985. P.1-10.
  • Васильев С.Н. Интерактивное порождение новых знаний на основе автоматических средств логического вывода // Онтология проектирования. 2023. Т.13, №1(47). С.10-28. DOI: 10.18287/2223-9537-2023-13-1-1028.
  • Quine W.V. The problem of simplifying of truth functions // Amer. Math. Monthly. 1952, Vol. 59. P.521-531.
  • Михеева Е.А., Еникеева А. Ф. Минимизация булевых функций геометрическим методом // Учёные записки УлГУ. Сер. Математика и информационные технологии. Электрон. журн. 2018. № 1, С.72-82. https ://www. mathnet.ru/rus/ulsu/y2018/i1/p72.
  • Кулик Б.А. Логика и математика: просто о сложных методах логического анализа (под общ. ред. А.Я. Фридмана). СПб.: Политехника. 2020. 144 с.
  • Mendelson E. Introduction to Mathematical Logic (6th ed.). Boca Raton, London, New York: Taylor & Francis Group, 2015. 499 p.
  • Плоткин Б.И. Универсальная алгебра, алгебраическая логика и базы данных. М.: Наука. 1991. 448 с.
  • Бурбаки Н. Теория множеств. М.: Мир. 1965. 455 с.
  • Мелихов А.Н. Ориентированные графы и конечные автоматы. М.: Наука. 1971. 416 с.
  • Курант Р., Роббинс Г. Что такое математика? 3-е изд., испр. и доп. М.: МЦНМО. 2001. 568 с.
  • Chang С.-L., LeeR^.-T. Symbolic Logic and Mechanical Theorem Proving. New York: Academic Press. 1973. 331 p.
  • Порецкий П.С. Решение общей задачи теории вероятностей при помощи математической логики // Собрание протоколов заседаний секции физико-математических наук общества естествоиспытателей при Казанском университете. Казань: 1887. Т.5. С.83-116.
  • Мерекин Ю.В. Решение задач вероятностного расчёта однотактных схем методом ортогонализации // Вычислительные системы. Сборник трудов Института математики СО АН СССР. 1963. Вып.4. С.10-21.
  • Рябинин И.А. Надёжность и безопасность структурно-сложных систем. СПб.: Политехника. 2000. 248 с.
  • Цициашвили Г.Ш. Логико-вероятностное моделирование по модульному принципу // Дальневосточный математический журнал. 2019. Т. 19. № 1. С.114-118.
  • Кулик Б.А., Зуенко А.А., Фридман А.Я. Алгебраический подход к интеллектуальной обработке данных и знаний. СПб.: Изд-во Политехн. ун-та. 2010. 235 с.
  • Кулик Б.А. Новые классы КНФ с полиномиально распознаваемым свойством выполнимости // Автоматика и телемеханика. 1995. № 2. С.111-124.
  • Pelletier F.J. Seventy-Five Problems for Testing Automatic Theorem Provers // Journal of Automated Reasoning. 1986. Vol. 2. P.191-216.
Еще