[논문 리뷰] Corollaries on the fixpoint completion: studying the stable semantics by means of the Clark completion

Pascal Hitzler|ArXiv.org|2004. 02. 09.

Logic, Reasoning, and Knowledge참고 문헌 43인용 수 4

한 줄 요약

이 논문은 안정 모델 의미 이론의 Gelfond-Lifschitz 연산자와 논리 프로그램의 고정점 완성의 즉각적 결과 연산자 사이에 깊은 대응 관계를 수립한다. 이 연산자 수준의 동치를 활용하여, 고정점 및 거리 기반 의미 이론에 대한 새로운 결과를 도출하고, Gelfond-Lifschitz 연산자가 시그모이드 활성화 함수를 갖는 세 층의 피드포워드 신경망에 의해 균일하게 근사될 수 있음을 보여, 일阶 논리 프로그램을 위한 신경-기호 통합을 가능하게 한다.

ABSTRACT

The fixpoint completion fix(P) of a normal logic program P is a program transformation such that the stable models of P are exactly the models of the Clark completion of fix(P). This is well-known and was studied by Dung and Kanchanasut (1989). The correspondence, however, goes much further: The Gelfond-Lifschitz operator of P coincides with the immediate consequence operator of fix(P), as shown by Wendt (2002), and even carries over to standard operators used for characterizing the well-founded and the Kripke-Kleene semantics. We will apply this knowledge to the study of the stable semantics, and this will allow us to almost effortlessly derive new results concerning fixed-point and metric-based semantics, and neural-symbolic integration.

연구 동기 및 목표

• 안정 모델 의미 이론의 Gelfond-Lifschitz 연산자와 고정점 완성의 즉각적 결과 연산자 사이의 공식적 대응 관계 수립.
• 클라크 완성에 기반한 지지 모델 의미 이론에서의 알려진 결과를 연산자 수준의 대응 관계를 통해 안정 모델 및 잘 정의된 의미 이론으로 확장.
• Gelfond-Lifschitz 연산자가 인공 신경망에 의해 근사될 수 있음을 보여, 신경-기호 통합을 가능하게 함.
• 칸토어 집합 위에서 비단조화 의미 연산자를 연속 함수로 근사하는 이론적 프레임워크 제공.
• 칸토어 위상에서 Gelfond-Lifschitz 연산자의 연속성이 균일 근사 가능성을 보장함을 보여줌.

제안 방법

• 정규 논리 프로그램 P의 고정점 완성(fix(P))을 정의하여, 양성 리터럴의 완전한 전개 및 잔류 양성 리터럴을 포함하는 문장을 제거하는 변환으로 간주한다.
• P의 Gelfond-Lifschitz 연산자 GLP가 그 고정점 완성 fix(P)의 즉각적 결과 연산자 T_fix(P)와 정확히 일치함을 보인다.
• C(칸토어 집합)로의 호메오모르피즘 ι: IP → C를 사용하여 해석을 실 단위 구간에 통합하고, 위상 및 연속성 성질을 전이한다.
• Funahashi [19]의 근사 정리에 기반하여, 칸토어 집합 위의 연속 함수는 시그모이드 활성화 함수를 갖는 세 층의 피드포워드 신경망에 의해 균일하게 근사될 수 있음을 보인다.
• GLP가 칸토어 위상에서 연속이라면, 이러한 네트워크를 통해 전체 칸토어 집합에서 균일한 근사가 가능함을 증명한다.
• 연산자 대응 관계를 적용하여, Hölldobler 등에서 제시한 단일 스텝 연산자에 대한 신경망 인코딩 결과를 Gelfond-Lifschitz 연산자로 확장한다.

실험 결과

연구 질문

• RQ1 안정 모델 의미 이론의 Gelfond-Lifschitz 연산자는 고정점 완성의 즉각적 결과 연산자로 특성화될 수 있는가?
• RQ2 Gelfond-Lifschitz 연산자가 신경망에 의해 근사 가능하기 위해 필요한 필수 및 충분한 위상 조건(예: 칸토어 위상에서의 연속성)은 무엇인가?
• RQ3 클라크 완성 기반의 지지 모델 의미 이론에서의 결과들이 연산자 대응 관계를 통해 안정 모델 의미 이론으로 얼마나 널리 이행될 수 있는가?
• RQ4 Gelfond-Lifschitz 연산자는 시그모이드 활성화 함수를 갖는 피드포워드 신경망에 의해 균일하게 근사될 수 있는가?
• RQ5 고정점 완성 프레임워크는 함수 기호를 포함한 일阶 논리 프로그램에 대해 신경-기호 통합을 어떻게 가능하게 하는가?

주요 결과

• 정규 논리 프로그램 P의 Gelfond-Lifschitz 연산자 GLP는 그 고정점 완성 fix(P)의 즉각적 결과 연산자 T_fix(P)와 정확히 일치한다.
• P의 안정 모델들은 정확히 fix(P)의 지지 모델들, 즉 fix(P)의 클라크 완성의 모델들이다.
• Gelfond-Lifschitz 연산자 GLP가 칸토어 위상에서 연속이라면, 시그모이드 활성화 함수를 갖는 세 층의 피드포워드 신경망에 의해 균일하게 근사될 수 있다.
• 연속성이 없더라도 이러한 신경망은 거의 모든 곳에서 임의로 작은 오차 범위 내에서 근사 가능하다.
• 연산자 대응 관계 덕분에 지지 모델 의미 이론의 결과들을 안정 모델 의미 이론으로 최소한의 노력으로 이행할 수 있다.
• 칸토어 집합에 의미 연산자를 통합하고 이를 신경망을 통해 근사함으로써, 함수 기호를 포함한 일阶 논리 프로그램에 대한 신경-기호 통합을 지원하는 프레임워크를 제공한다.