Loading [MathJax]/jax/output/CommonHTML/config.js
前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
MCP广场
社区首页 >专栏 >利用归结原理求解问题

利用归结原理求解问题

作者头像
yhlin
发布于 2023-02-27 09:02:40
发布于 2023-02-27 09:02:40
5350
举报
文章被收录于专栏:yhlin's blogyhlin's blog

求解问题的步骤

(1) 已知前提 F 用谓词公式表示并化为子句集 S (2) 把待求解的问题 Q 用谓词公式表示,并否定 Q, 在与 ANSWER 构成析取式 (\neg Q \vee ANSWER); (3) 把 (\neg Q \vee ANSWER) 化为子句,并入到子句集 S 中,得到子句集 S'; (4) 对子句集 S' 应用归结原理进行归结; (5) 若得到归结式 ANSWER, 则答案就在 ANSWER 中。

例子

(1) 已知: F_1: 王先生(Wang)是小李(Li)的老师 F_2: 小李与小张(Zhang)是同班同学 F_3: 如果 x 与 y 是同班同学,则 x 的老师也是 y 的老师。 求:小张的老师是谁?

析取:

\color{red}{\neg} \exists xT(x,Zhang) \vee ANSWER(x)

把上述公式化为子句集啊啊啊:

C_1:T(Wang,Li) C_2:C(Li,Zhang) C_3:\neg C(x,y)\vee \neg T(z,x)\vee T(z,y) C_4:\neg T(u,Zhang)\vee ANSWER(u)

应用归结原理进行归结:

C_13 :\neg C(Li,y) \vee T(Wang,y) C_134 :\neg C(Li,Zhang) \vee ANSWER(Wang) C_1234 :ANSWER(Wang)

故小张的老师是王老师。

本文参与 腾讯云自媒体同步曝光计划,分享自作者个人站点/博客。
原始发表:2023-01-19,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
暂无评论
推荐阅读
编辑精选文章
换一批
归结反演
(2) 将待证结论否定得:\neg P(C) (3) 将谓词公式集 {P(A) \vee P(B)\vee P(C),P(A) \wedge \neg P(B) \rightarrow P(C),P(B) \rightarrow P(C)} 化成子句集: S={P(A) \vee P(B)\vee P(C),\neg P(A) \vee P(B) \vee P(C),\neg P(B) \vee P(C),\neg P(C)} (4) 应用归结原理进行归结 C_1=P(A) \vee P(B)\vee P(C), C_2=\neg P(A) \vee P(B) \vee P(C), C_3=\neg P(B) \vee P(C), C_4=\neg P(C) 归结: C_1 \otimes C_2 = C_12=P(B)\vee P(C) C_3 \otimes C_12 = C_123 = P(C) C_4 \otimes C_123 = C_1234 = NIL 空子句 结论得证。
yhlin
2023/02/27
6670
归结反演
命题逻辑的推理规则
def: 设 A 和 B 是两个命题公式,当且仅当 A\rightarrow B 是 重言式 时称由 A 可推出 B , 或 B 是前提 A 的结论,记为:A\Rightarrow B, 读作如果 A 为真那么 B 为真。
yhlin
2023/02/27
1.4K0
命题逻辑的推理规则
人工智能之经典逻辑推理
人工智能课程复习笔记专题  人工智能绪论   人工智能之知识表示   人工智能之搜索方法  人工智能之经典逻辑推理  人工智能之专家系统  人工智能之不确定推理方法   人工智能之机器学习
用户7886150
2021/01/29
2.2K0
谓词逻辑归结原理
归结法的基本原理是采用反证法(也称反演推理法)将待证明的表达式(定理)转换成为逻辑公式(谓词公式),然后再进行归结,归结能够顺利完成,证明原公式(定理)是正确的。
yhlin
2023/02/27
2.2K0
谓词逻辑归结原理
用Python实现命题逻辑归结推理系统--人工智能
考察 命题逻辑归结推理代码没写GUI,因为不喜欢这玩意,直接在终端中进行人机交互。使用代码之前,请根据自身情况对字符编码、文件路径进行修改代码没有使用什么算法进行优化,姑且这样吧
用户7886150
2021/01/29
2.2K0
谓词演算的推理理论
步骤 | 公式 | 理由 :-|:-:|:- 1 | \forall x(F(x)\rightarrow G(x)) | 前提引入 2 | F(c)\rightarrow G(c) | 1,UI 3 | \forall xF(x) | 前提引入 4 | F(c) | 3,UI 5 | G(c) | 2,4,假言推理 6 | \forall xG(x) | 5,UG
yhlin
2023/02/27
4910
人工智能:第二章 知识表示方法
教学内容:本章讨论知识表示的各种方法,是人工智能课程三大内容(知识表示、知识推理、知识应用)之一,也是学习人工智能其他内容的基础。
用户7886150
2021/01/31
2.6K0
【人工智能 | 知识表示】问题规约法 & 谓词/符号逻辑,良好的知识表示是解题的关键!(笔记总结系列)
摘要: 本系列旨在普及那些深度学习路上必经的核心概念,文章内容都是博主用心学习收集所写,欢迎大家三联支持!本系列会一直更新,核心概念系列会一直更新!欢迎大家订阅
计算机魔术师
2025/03/15
1630
【人工智能 | 知识表示】问题规约法 & 谓词/符号逻辑,良好的知识表示是解题的关键!(笔记总结系列)
AI技术押人工智能考试题
利用状态变量和操作符号,表示系统问题或问题的有关知识的符号体系,状态空间是一个四元组,(S,O, S_0 S0​,G)
风骨散人Chiam
2021/09/06
8230
离散数学与组合数学-数理逻辑-01命题与联结词
命题:我们对确定对象做出的陈述句称为命题(propositions and statements 命题或陈述)。当判断为真时,该命题为真,否则为假。
用户2225445
2023/10/16
3290
离散数学与组合数学-数理逻辑-01命题与联结词
谓词逻辑
如: 小明是个小学生 其中,小明 就是个体词, 是个小学生 就是谓词, 说明了客体的性质。 再如: 6 大于 5 其中 6 与 5 为个体词,大于 为谓词,说明了客体间的关系。
yhlin
2023/02/27
1.1K0
Python时空图神经网络ST-GNNs-PCA嵌入交通数据预测可视化及KPCA核主成分分析汽油精制应用实例
本研究横跨交通预测与汽油精制两大领域,PCA 嵌入在其中均扮演着核心角色,我们旨在通过深入探索与研究,全面展示 PCA 嵌入在不同复杂系统中的卓越性能与广泛应用潜力(点击文末“阅读原文”获取完整代码数据)。
拓端
2024/11/29
1600
Python时空图神经网络ST-GNNs-PCA嵌入交通数据预测可视化及KPCA核主成分分析汽油精制应用实例
离散数学-考纲版-01-命题逻辑
离散数学知识点总结(5):蕴含式;命题的推理理论;逻辑推演的方法;推理的有效性证明
用户2225445
2023/10/16
5160
离散数学-考纲版-01-命题逻辑
中科院深圳先进院:全新知识增强图神经网络实现可解释性推荐|TKDE 2022
---- 新智元报道   作者:吴悦 连肇瑞 审核:吕子钰 编辑:LRS 【新智元导读】近日,来自中科院深圳先进院的团队提出了知识增强图神经网络(KEGNN)实现可解释性推荐。定量和定性的结果表明,KEGNN优于现有的方法,在提供精准推荐结果的同时生成人类可读的推荐解释。 近年来,以大数据和深度学习为基础的人工智能展示了卓越的计算能力和学习能力。但深度学习模型通常包含深度嵌套的非线性结构,很难确定具体哪些因素使它做出这样的决定,缺乏决策的可解释性和透明度。 与此同时,由于可解释的建议不仅提高了推荐系统
新智元
2022/06/06
7270
中科院深圳先进院:全新知识增强图神经网络实现可解释性推荐|TKDE 2022
计算机中使用的数理逻辑学习笔记
BDD在计算机中的存储时,每个节点对应一个三元组:(变量名称,指针1,指针2) 其中,变量名称指定变量,指针1,指针2分别指定,当前变量取值分别为0或1时,应该指向的节点。
范中豪
2020/02/11
2.2K0
深度学习500问——Chapter10:迁移学习(4)
流行学习自从2000年在Science上被提出来以后,就成为了机器学习和数据挖掘领域的热门问题。它的基本假设是,现有的数据是从一个高维空间中采样出来的,所以,它具有高维空间中的低维流形结构。流形就是一种几何对象(就是我们能想象能观测到的)。通俗点说就是,我们无法从原始的数据表达形式明显看出数据所具有的结构特征,那我把它想象成是处在一个高维空间,在这个高维空间里它是有个形状的。一个很好的例子就是星座。满天星星怎么描述?我们想象它们在一个更高维的宇宙空间里是有形状的,这就有了各自星座,比如织女座、猎户座。流形学习的经典方法有lsomap、locally linear embedding、laplacian eigenmap等。
JOYCE_Leo16
2024/06/15
1270
深度学习500问——Chapter10:迁移学习(4)
人工智能:第三章 搜索推理技术
教学内容:本章在上一章知识表示的基础上研究问题求解的方法,是人工智能研究的又一核心问题。内容包括早期搜索推理技术,如图搜索策略和消解原理;以及高级搜索推理技术,如规则演绎系统、产生式系统、系统组织技术、不确定性推理和非单调推理。
用户7886150
2021/01/29
1.8K0
多标签学习的新趋势(2020 Survey)
随着Deep learning领域的不断发展,我们面对的问题也越发的复杂,也需要考虑高度结构化的输出空间,本文总共分为了六个部分,整理了近年多标签学习在各大会议的工作,对多标签学习的发展领域和方向提供了一些思考。
小白学视觉
2020/12/07
1.5K0
多标签学习的新趋势(2020 Survey)
【知识图谱】知识推理[通俗易懂]
示例:检测实例 Allen 是否在 Woman中? 即:检测 W o m a n ( A l l e n ) \mathrm{Woman(Allen)} Woman(Allen) ?
全栈程序员站长
2022/06/29
3.5K0
【知识图谱】知识推理[通俗易懂]
如何利用「深度上下文兴趣网络」提升点击率?
美团到店广告平台在用户行为序列建模算法的迭代落地中,基于对业务实际场景中用户决策心智的观察,创新性地提出了深度上下文兴趣网络,精确建模了用户的兴趣,提升了CTR等线上业务指标。本文介绍了相应算法背后的动机、建模方法以及工程优化,希望能为从事相关工作的同学带来一些启发或帮助。
美团技术团队
2023/11/13
5350
如何利用「深度上下文兴趣网络」提升点击率?
相关推荐
归结反演
更多 >
领券
💥开发者 MCP广场重磅上线!
精选全网热门MCP server,让你的AI更好用 🚀
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档