Subiektywna logika - Subjective logic
Logika subiektywna to rodzaj logiki probabilistycznej, która wyraźnie bierze pod uwagę epistemiczną niepewność i zaufanie do źródeł. Ogólnie rzecz biorąc, logika subiektywna jest odpowiednia do modelowania i analizowania sytuacji związanych z niepewnością i względnie zawodnymi źródłami. Na przykład może być używany do modelowania i analizowania sieci zaufania i sieci bayesowskich .
Argumenty w logice subiektywnej to subiektywne opinie na temat zmiennych stanu, które mogą przyjmować wartości z dziedziny (zwanej również przestrzenią stanów), gdzie wartość stanu można traktować jako twierdzenie, które może być prawdziwe lub fałszywe. Opinia dwumianowa dotyczy binarnej zmiennej stanu i może być reprezentowana jako plik PDF Beta (funkcja gęstości prawdopodobieństwa). Opinia wielomianowa dotyczy zmiennej stanu o wielu możliwych wartościach i może być przedstawiona jako plik PDF Dirichleta (funkcja gęstości prawdopodobieństwa). Poprzez korespondencję między opiniami a rozkładami Beta / Dirichleta, logika subiektywna zapewnia algebrę dla tych funkcji. Opinie są również związane z reprezentacją przekonań w teorii przekonań Dempstera-Shafera .
Podstawowym aspektem kondycji ludzkiej jest to, że nikt nigdy nie jest w stanie określić z absolutną pewnością, czy zdanie dotyczące świata jest prawdziwe, czy fałszywe. Ponadto, ilekroć prawda zdania jest wyrażana, zawsze czyni to jednostka i nigdy nie może być uważane za reprezentujące ogólne i obiektywne przekonanie. Te idee filozoficzne znajdują bezpośrednie odzwierciedlenie w formalizmie matematycznym logiki subiektywnej.
Subiektywne opinie
Opinie subiektywne wyrażają subiektywne przekonania na temat prawdziwości wartości / twierdzeń państwowych ze stopniem epistemicznej niepewności i mogą wyraźnie wskazywać źródło przekonań, gdy jest to wymagane. Opinia jest zazwyczaj oznaczona jako gdzie jest źródłem opinii, a jest zmienną stanu, którego dotyczy opinia. Zmienna może przyjmować wartości z domeny (zwanej również przestrzenią stanów), np. Oznaczona jako . Zakłada się, że wartości domeny są wyczerpujące i wzajemnie rozłączne, a źródła mają wspólną semantyczną interpretację domeny. Źródło i zmienna to atrybuty opinii. Wskazanie źródła można pominąć, gdy nie ma to znaczenia.
Opinie dwumianowe
Niech będzie wartością stanu w domenie binarnej. Dwumianowa opinia o prawdziwości wartości stanu jest czterokrotnie uporządkowaną, gdzie:
: masa wiary | to przekonanie, które jest prawdziwe. |
: masa niedowierzania | to przekonanie, które jest fałszywe. |
: masa niepewności | to ilość niezaangażowanych przekonań, również interpretowanych jako epistemiczna niepewność . |
: Stopa bazowa | jest wcześniejszym prawdopodobieństwem w przypadku braku wiary lub niewiary. |
Te składniki spełniają i . Poniżej przedstawiono cechy różnych klas opinii.
Opinia | gdzie | jest opinią absolutną, która jest równoważna logicznej PRAWDA, |
gdzie | jest opinią absolutną, która jest równoważna wartości logicznej FAŁSZ, | |
gdzie | jest opinią dogmatyczną, która jest odpowiednikiem tradycyjnego prawdopodobieństwa, | |
gdzie | to niepewna opinia, która wyraża stopnie epistemicznej niepewności , i | |
gdzie | jest pustą opinią, która wyraża całkowitą epistemiczną niepewność lub całkowitą pustkę wiary. |
Prognozowane prawdopodobieństwo wyrażenia opinii dwumianowej określa się jako .
Opinie dwumianowe można przedstawić w trójkącie równobocznym, jak pokazano poniżej. Punkt wewnątrz trójkąta reprezentuje trójkę. B , d , u -axes biegnie od jednej krawędzi do przeciwnej wierzchołka wskazanym przekonaniu, Disbelief lub etykiecie niepewności. Na przykład silna pozytywna opinia jest reprezentowana przez punkt w prawym dolnym rogu wierzchołka przekonania. Stawka podstawowa, zwana również prawdopodobieństwem wstępnym, jest pokazana jako czerwony wskaźnik wzdłuż linii bazowej, a przewidywane prawdopodobieństwo jest tworzone przez rzutowanie opinii na podstawę, równolegle do linii projektora stawki podstawowej. Opinie o trzech wartościach / propozycjach X, Y i Z są wizualizowane na trójkącie po lewej stronie, a ich odpowiedniki w formacie Beta PDF (funkcje gęstości prawdopodobieństwa) są wizualizowane na wykresach po prawej stronie. Przedstawiono również wartości liczbowe i słowne opisy jakościowe każdej opinii.
Beta PDF jest zwykle oznaczany jako gdzie i są jej dwa parametry wytrzymałościowe. Beta PDF opinii dwumianowej to funkcja, w której poprzednia waga nie zawierająca informacji, zwana również jednostką dowodu, jest zwykle ustawiona na .
Opinie wielomianowe
Niech będzie zmienną stanu, która może przyjmować wartości stanu . Wielomianowa opinia na temat jest krotką złożoną , w której jest rozkład masy przekonań nad możliwymi wartościami stanu , jest masą niepewności i jest wcześniejszym (stopą bazową) rozkładem prawdopodobieństwa na możliwych wartościach stanu . Te parametry spełniają i jak również .
Opinie trójmianowe można po prostu wizualizować jako punkty wewnątrz czworościanu , ale opinie o wymiarach większych niż trójmian nie nadają się do prostej wizualizacji.
Pliki PDF Dirichlet są zwykle oznaczane jako gdzie jest rozkład prawdopodobieństwa względem wartości stanu i są parametrami wytrzymałości. PDF Dirichleta opinii wielomianowej jest funkcją, w której parametry wytrzymałości są podane przez , gdzie jest nieinformacyjną wcześniejszą wagą, zwaną również jednostką dowodu, zwykle ustawioną na .
Operatorzy
Większość operatorów w poniższej tabeli to uogólnienia logiki binarnej i operatorów prawdopodobieństwa. Na przykład dodawanie jest po prostu uogólnieniem dodawania prawdopodobieństw. Niektóre operatory mają znaczenie tylko przy łączeniu opinii dwumianowych, a niektóre mają również zastosowanie do opinii wielomianowych. Większość operatorów jest binarnych, ale dopełnienie jest jednoargumentowe, a porwanie jest trójskładnikowe. Szczegóły matematyczne każdego operatora można znaleźć w przywoływanych publikacjach.
Operator logiki subiektywnej | Notacja operatora | Operator logiczny zdaniowy / binarny |
---|---|---|
Dodanie | Unia | |
Odejmowanie | Różnica | |
Mnożenie | Koniunkcja / AND | |
Podział | Niepołączenie / UN-AND | |
Powielanie | Disjunction / OR | |
Codivision | Nierozłączność / UN-OR | |
Komplement | NIE | |
Odliczenie | Modus ponens | |
Subiektywne twierdzenie Bayesa | Antyteza | |
Uprowadzenie | Modus tollens | |
Przechodniość / dyskontowanie | na | |
Skumulowana fuzja | na | |
Fuzja ograniczeń | na |
Kombinację źródeł przechodnich można oznaczyć w postaci zwartej lub rozszerzonej. Na przykład przechodnia ścieżka zaufania od analityka / źródła przez źródło do zmiennej może być oznaczona jako w formie zwartej lub rozszerzonej. Tutaj wyraża zaufanie / nieufność do źródła , natomiast wyraża opinię na temat stanu zmiennej, która jest podana jako rada . Rozszerzona forma jest najbardziej ogólna i bezpośrednio odpowiada sposobowi, w jaki subiektywne wyrażenia logiczne są tworzone za pomocą operatorów.
Nieruchomości
W przypadku, gdy opinie argumentów są równoważne logicznej PRAWDA lub FAŁSZ, wynik dowolnego subiektywnego operatora logicznego jest zawsze równy wynikowi odpowiedniego operatora logicznego zdaniowego / binarnego. Podobnie, gdy opinie argumentów są równoważne tradycyjnym prawdopodobieństwom, wynik dowolnego subiektywnego operatora logicznego jest zawsze równy wynikowi odpowiadającego mu operatora prawdopodobieństwa (jeśli istnieje).
W przypadku, gdy argumenty opinii zawierają stopnie niepewności, operatory mnożenia i dzielenia (w tym dedukcja, uprowadzenie i twierdzenie Bayesa) dadzą pochodne opinie, które zawsze mają poprawne przewidywane prawdopodobieństwo, ale prawdopodobnie z przybliżoną wariancją, gdy są postrzegane jako pliki PDF Beta / Dirichleta. Wszyscy inni operatorzy tworzą opinie, w których przewidywane prawdopodobieństwa i wariancja są zawsze poprawne analitycznie.
Różne formuły logiczne, które tradycyjnie są równoważne w logice zdań, niekoniecznie mają równe opinie. Na przykład ogólnie, chociaż dystrybucja koniunkcji nad dysjunkcją, wyrażona jako , zachodzi w binarnej logice zdań. Nie jest to zaskakujące, ponieważ odpowiednie operatory prawdopodobieństwa również nie są rozdzielcze. Jednak mnożenie jest rozdzielne względem dodawania, co jest wyrażone przez . Prawa De Morgana są również spełnione, jak np. Wyrażone przez .
Logika subiektywna umożliwia bardzo wydajne obliczanie modeli matematycznie złożonych. Jest to możliwe dzięki aproksymacji poprawnych analitycznie funkcji. Chociaż analityczne pomnożenie dwóch plików Beta PDF w postaci wspólnego pliku Beta PDF jest stosunkowo proste , wszystko bardziej złożone niż to szybko staje się trudne do wykonania. Po połączeniu dwóch plików PDF w wersji Beta z pewnym operatorem / łącznikiem, wynik analityczny nie zawsze jest plikiem PDF w wersji Beta i może obejmować serie hipergeometryczne . W takich przypadkach subiektywna logika zawsze przybliża wynik jako opinię, która jest równoważna z wersją Beta PDF.
Aplikacje
Logika subiektywna ma zastosowanie, gdy analizowana sytuacja charakteryzuje się dużą epistemiczną niepewnością wynikającą z niepełnej wiedzy. W ten sposób logika subiektywna staje się logiką probabilistyczną dla prawdopodobieństw epistemicznych niepewnych. Zaletą jest to, że niepewność jest zachowana w trakcie analizy i jest wyrażona w wynikach, dzięki czemu można odróżnić pewne od niepewnych wniosków.
Modelowanie sieci zaufania i sieci bayesowskich to typowe zastosowania logiki subiektywnej.
Subiektywne sieci zaufania
Subiektywne sieci zaufania można modelować za pomocą kombinacji operatorów przechodniości i fuzji. Pozwól wyrazić przewagę zaufania od do , a przewagę przekonań od do . Subiektywną sieć zaufania można na przykład wyrazić w sposób przedstawiony na poniższym rysunku.
Wskaźniki 1, 2 i 3 wskazują porządek chronologiczny, w którym tworzone są krawędzie zaufania i porady. Tak więc, biorąc pod uwagę zestaw krawędzi zaufania z indeksem 1, powiernik pochodzenia otrzymuje porady od i , dzięki czemu jest w stanie wyprowadzić wiarę w zmienną . Wyrażając każdą krawędź zaufania i przewagę przekonania jako opinię, można wyprowadzić przekonanie wyrażone jako .
Sieci zaufania mogą wyrażać wiarygodność źródeł informacji i mogą być wykorzystywane do określania subiektywnych opinii na temat zmiennych, o których informacje dostarczają źródła.
Oparta na faktach logika subiektywna ( EBSL ) opisuje alternatywne obliczenia oparte na sieci zaufania, w których przechodniość opinii (dyskontowanie) jest obsługiwana przez zastosowanie wag do dowodów leżących u podstaw opinii.
Subiektywne sieci bayesowskie
W sieci Bayesa poniżej, i są zmiennymi macierzyste i jest zmienna dziecko. Analityk musi poznać zestaw wspólnych opinii warunkowych , aby zastosować operator dedukcji i uzyskać marginalną opinię o zmiennej . Opinie warunkowe wyrażają zależność warunkową między zmiennymi nadrzędnymi a zmiennymi podrzędnymi.
Wyprowadzona opinia jest obliczana jako . Wspólną opinię dowodową można obliczyć jako produkt niezależnych opinii dowodowych na temat i lub jako wspólny produkt częściowo zależnych opinii dowodowych.
Sieci subiektywne
Połączenie subiektywnej sieci zaufania i subiektywnej sieci bayesowskiej jest siecią subiektywną. Subiektywna sieć zaufania może być wykorzystana do uzyskania z różnych źródeł opinii, które mają być wykorzystane jako opinie wejściowe do subiektywnej sieci bayesowskiej, jak pokazano na poniższym rysunku.
Tradycyjne sieci bayesowskie zazwyczaj nie uwzględniają wiarygodności źródeł. W sieciach subiektywnych wyraźnie brane jest pod uwagę zaufanie do źródeł.
Bibliografia
Linki zewnętrzne
- Subiektywna logika Auduna Jøsanga
- Subiektywne ramy eksperymentów logicznych oparte na subiektywnych operatorach logicznych w ocenie zaufania: badanie empiryczne F. Cerutti, LM Kaplan, TJ Norman, N. Oren i A. Toniolo