[論文レビュー] An Inequality Paradigm for Probabilistic Knowledge

Benjamin N. Grosof|arXiv (Cornell University)|Mar 27, 2013

Bayesian Modeling and Causal Inference参考文献 1被引用数 6

ひとこと要約

本稿は、条件付き確率の上限と下限に基づく不等式的枠組みを用いて確率的知識を扱うものであり、ニルソンの研究を一般化し、ベイジアンおよび証拠理論的推論を統合する。Dempster-Shafer理論がこのフレームワークの特別な場合であることが示され、整合性、完全性、収束性の性質を通じて、確率論的論理の整合的統合が可能になる。

ABSTRACT

We propose an inequality paradigm for probabilistic reasoning based on a logic of upper and lower bounds on conditional probabilities. We investigate a family of probabilistic logics, generalizing the work of Nilsson [14]. We develop a variety of logical notions for probabilistic reasoning, including soundness, completeness justification; and convergence: reduction of a theory to a simpler logical class. We argue that a bound view is especially useful for describing the semantics of probabilistic knowledge representation and for describing intermediate states of probabilistic inference and updating. We show that the Dempster-Shafer theory of evidence is formally identical to a special case of our generalized probabilistic logic. Our paradigm thus incorporates both Bayesian "rule-based" approaches and avowedly non-Bayesian "evidential" approaches such as MYCIN and DempsterShafer. We suggest how to integrate the two "schools", and explore some possibilities for novel synthesis of a variety of ideas in probabilistic reasoning.

研究の動機と目的

• 条件付き確率の上限と下限に基づく形式的論理枠組みを確率的知識のためのものとして構築すること。
• 不確実性の伝播を扱えるように、ニルソンの確率的論理を不確実確率に一般化すること。
• ベイジアンの「規則ベース」推論と、MYCIN や Dempster-Shafer などの非ベイジアン「証拠理論的」アプローチを、一つの論理的枠組みで統合すること。
• 整合性、完全性、収束性といった論理的性質を通じて、確率的推論の論理的根拠を提供すること。
• 確率的更新および知識表現における中間状態のモデル化を可能にすること。

提案手法

• 条件付き確率に制約を課す不等式に基づく確率的論理の族を形式化すること。
• 複雑な理論を単純な論理的クラスに還元するために、整合性、完全性、収束性といった論理的概念を導入すること。
• 境界に基づく意味論を用いて不確実性を表現し、不確実確率の区間を許容すること。
• Dempster-Shafer理論がこのフレームワークの特別な場合として分析・統合可能であることを応用すること。
• 推論プロセスの簡略化と計算複雑性の管理のため、論理的還元技術を用いること。
• 確率的推論、信念関数、規則ベースシステムの間の正式な関係を確立すること。

実験結果

リサーチクエスチョン

• RQ1 条件付き確率の上限と下限を用いて、どのように確率的推論を形式化できるか？
• RQ2 この不等式ベースの枠組みは、どのようにニルソンの確率的論理を一般化するか？
• RQ3 ベイジアンと非ベイジアンの不確実性の扱い方を、一つの論理的枠組みでどのように統合できるか？
• RQ4 境界ベースの論理において、整合性、完全性、収束性といった論理的性質はどのように確立できるか？
• RQ5 このフレームワークは、確率的推論や信念更新の過程における中間状態をどのようにモデル化するか？

主な発見

• Dempster-Shafer理論の証拠理論は、提案された一般化された確率的論理の特別な場合として正式に同一視される。
• 不等式の枠組みは、一つの整合的フレームワーク内でベイジアンおよび非ベイジアンの推論を両方サポートする。
• 境界付き不確実性下での確率的推論に対して、この論理的枠組みは整合性と完全性を達成する。
• 収束メカニズムにより、複雑な確率的理論がより単純で扱いやすい論理的クラスに還元可能である。
• 境界ベースの意味論は、確率的信念更新および知識表現における中間状態を効果的にモデル化する。
• このアプローチにより、規則ベース、信念関数、確率的推論のパラダイムの間で、新たな統合的視点が得られる。