[논문 리뷰] Reasoning about Expectation

Joseph Y. Halpern, Riccardo Pucella|arXiv (Cornell University)|2014. 07. 27.

Bayesian Modeling and Causal Inference참고 문헌 12인용 수 12

한 줄 요약

이 논문은 확률, 확률 측도 집합, 신뢰 함수, 가능성 측도 등 다양한 불확실성 표현 방식에 걸쳐 기대값에 대한 추론을 위한 문법적 논리를 제안하며, 각각에 대해 타당하고 완전한 공리계를 제공한다. 이 논리의 만족 가능성 검증은 NP-완전이며, 측도 집합의 경우 기대값 기반 논리보다 더 표현력이 뛰어나지만, 다른 경우는 동등한 표현력을 가진다.

ABSTRACT

Expectation is a central notion in probability theory. The notion of expectation also makes sense for other notions of uncertainty. We introduce a propositional logic for reasoning about expectation, where the semantics depends on the underlying representation of uncertainty. We give sound and complete axiomatizations for the logic in the case that the underlying representation is (a) probability, (b) sets of probability measures, (c) belief functions, and (d) possibility measures. We show that this logic is more expressive than the corresponding logic for reasoning about likelihood in the case of sets of probability measures, but equi-expressive in the case of probability, belief, and possibility. Finally, we show that satisfiability for these logics is NP-complete, no harder than satisfiability for propositional logic.

연구 동기 및 목표

• 다양한 불확실성 표현 방식에서 기대값에 대한 추론을 위한 통합된 논리적 프레임워크를 개발하기 위해.
• 확률, 측도 집합, 신뢰 함수, 가능성 측도의 네 가지 불확실성 모델 하에서 기대값 논리에 대한 타당하고 완전한 공리계를 제공하기 위해.
• 새로운 논리의 표현력이 기존의 가능성 기반 논리와 비교하여 어떻게 되는지 분석하고, 특히 불확실한 확률의 경우에 중점을 두기 위해.
• 제안된 논리에서 만족 가능성의 계산 복잡도를 분석하기 위해.

제안 방법

• 다양한 불확실성 모델 하에서 기대값에 대한 모달 유사 연산자를 포함한 명제 논리를 사용하여 기대값을 형식화하기 위해.
• 기본적인 불확실성 표현 방식—확률 측도, 측도 집합의 볼록 집합, 신뢰 함수, 가능성 측도—기반으로 기대값의 의미를 정의하기 위해.
• 네 가지 불확실성 모델 각각에 대해 타당하고 완전한 공리 체계를 구성하기 위해.
• 기대값 논리의 만족 가능성 검증이 NP-완전함을 증명하기 위해, 명제 논리의 만족 가능성 문제를 기대값 논리의 경우로 감소시키기 위해.
• 쌍대성 및 변환 기법을 사용하여 가능성 기반 논리와의 표현력 비교를 위해.
• 확률, 신뢰 함수, 가능성 측도의 경우에서 가능성 논리와 동등한 표현력을 가지는 것으로 확인하기 위해.

실험 결과

연구 질문

• RQ1 기대값이 다양한 불확실성 모델에 적용 가능한 논리에서 어떻게 형식화될 수 있는가?
• RQ2 측도 집합, 신뢰 함수, 가능성 측도의 맥락에서 기대값 논리에 대한 타당하고 완전한 공리계는 무엇인가?
• RQ3 기대값 논리의 표현력은 불확실한 확률의 경우를 포함해 기존 가능성 기반 논리와 비교하여 어떻게 되는가?
• RQ4 제안된 논리에서 만족 가능성 검증의 계산 복잡도는 무엇인가?
• RQ5 일부 불확실성 모델 하에서 기존 가능성 기반 형식 체계와 동등한 표현력을 가지는 것으로 논리가 입증될 수 있는가?

주요 결과

• 이 논리는 네 가지 불확실성 모델—확률, 측도 집합, 신뢰 함수, 가능성 측도—모두에 대해 타당하고 완전한 공리계를 제공한다.
• 이 논리의 만족 가능성 검증은 NP-완전이며, 명제 논리와 동일한 복잡도를 가진다.
• 기저 모델이 측도 집합인 경우, 이 논리는 가능성 기반 논리보다 엄밀히 더 표현력이 뛰어나다.
• 확률, 신뢰 함수, 가능성 측도의 경우에서 이 논리는 가능성 기반 논리와 동등한 표현력을 가진다.
• 이 프레임워크는 다양한 불확실성 표현 방식 간 기대값에 대한 통일된 처리를 가능하게 하여, 인공지능 및 의사결정 이론에서 기대값에 대한 형식적 추론을 가능하게 한다.