中国离散数学2008年会动态判断与非单调推理的属性重心坐标表示模型.ppt

中国离散数学2008年会 判断是形式逻辑的重要内容 判断是对思维对象有所断定的思维形式，是形式逻辑研究的重要内容，主要包括： 模态和非模态判断， 必然性和可能性判断、 简单和复杂判断、 性质判断和关系判断、 全称、特称、肯定、否定、直言、假言和选言判断等。 “判断”或“推理”？ 一方面， 肯定性判断的真值=1 否定性判断的真值=0 使人们可真值代替（肯定和否定）判断， 另一方面，有些判断可用“If…,then…”形式的产生式语句表达，例如命题： “（张三考试）90分是优秀成绩”，可表示为： “If 张三考试得90分, then 他的成绩是优秀的。” 人们忽略判断研究，并将“推理和推理规则” 的研究，成为数理逻辑的主要内容。 数理逻辑的一个基本假定 命题（判断）的真值是一成不变的。 然而，现实生活中，这个假定是有问题的。 命题真值并非是不变的 例1 命题A为“（考试）90分是优秀成绩” 按100分制，命题A的真值为“真”。 按150分制，命题A的真值将为“假”。 例2 命题B为“29岁是年青人”。 若采用（共青团中央的）[14，28]为标准，则B的真值为“假”。 按世界卫生组织的定义：[0，44]， 则命题B的真值为“真”。 在命题A中，因“评分制”仅有满分分别为100分和150分的2种，所以，不仅命题的真值只有两种，而且，只要将评分制从第一种转化为第二种，即可确定其真值。 对命题B，若设{[?i,?i]},i=0,…, n,…，是年青人的无穷个判断基准，因任一个[?i,?i]都可作为判断操作的规则，使人们认为这类命题的判断基准是模糊的，L.A.Zadeh提出了用模糊隶属度函数表达模糊命题判断操作的模糊逻辑理论和方法[1]。 命题A和B是表达量质转化的特称判断 因命题A和B是两个典型的特称判断， 它们的主项P是事物某属性a(u)的一个量特征x； 而谓词S是属性a(u)的某个（定性的）质特征p(u)。 将主项x作为输入，谓词p(u)作为输出， 特称判断表达的是事物属性的量——质特征转化过程。 定义1 设a(u)是对象u的某个属性，x?X?R，为a(u)的某个量特征值， pi(u)?Pu是属性a(u)的某个质特征或性质，?={[?i,?i]|[?i,?i]是性质pi(u)的定性基准}，?：X??→{0,1}? Pu 是从X??到{0,1}?Pu的映射，如果对任意x?X，存在性质pi(u)?Pu,及其定性基准[?i,?i]??，使得 为“x是否属于[?j,?j]?”的问题算子，又称量—质特征转化算子， 为性质命题pj(x,o)的真值。 量——质特征转化的定性映射模型 例3 医生检测血脂病的三个指标是胆固醇(TC)、甘油三脂(TG)和高密度脂蛋白胆固醇(HDL-C)，它们构成3维向量: (TC,TG,HDL-C)?[?TC,?TC]?[?TG,?TG]? [?HDL-C?HDL-C] ?DTC?DTG?DHDL-C,因每个 指标i=TC,TG,HDL-C，又都有j=Low, Normal,High 3种情况,所以,血脂并诊断的定性基准区间构成一个网格[?,?]=([?ji,?ji])或[?,?]=(N(?ij,?ij)): 定性基准的边界是一个将空间 X分为2部分的超平面,故可定义或诱导出一个人工神经元. 过定性基准[?i,?i]边界点?i的(n-1)维超平面方程: 诱导出一个将空间X分为两部分的人工神经元: 定义3 一个人工神经元是平凡的,当且仅当,它的权重wij 为delta函数?ij 4.定性映射与人工神经元网络的关系 5.定性映射与人工神经网络的关系 定理1 设n维超长方体[?,?]是n维定性映射?(x,[?,?])的定性基准，{xi=?i}和{xi=?i}，i=1,…n，是[?,?]的2n个超平面，则由它们诱导的2n个平凡人工神经元构成的平凡人工神经元网络与定性映射?(x,[?,?])等价。 例3 医生检测血脂病的三个指标是胆固醇(TC)、甘油三脂(TG)和高密度脂蛋白胆固醇(HDL-C)，它们构成3维向量: (TC,TG,HDL-C)?[?TC,?TC]?[?TG,?TG]? [?HDL-C?HDL-C] ?DTC?DTG?DHDL-C,因每个 指标i=TC,TG,HDL-C，又都有j=Low, Normal,High 3种情况,所以,血脂并诊断的定性基准区间构成一个网格[?,?]=([?ji,?ji])或[?,?]=(N(?ij,?ij)): 由此可见,定性映射将空间 X分为3n 个部分,而人工神经元却只能将空间分为两部分.