[论文解读] A Temporal Logic for Uncertain Events and An Outline of A Possible Implementation in An Extension of PROLOG

Soumitra Dutta|arXiv (Cornell University)|Mar 27, 2013

Constraint Satisfaction and Optimization参考文献 9被引用 4

一句话总结

本文提出一种时序逻辑，利用模糊集表示事件在时间区间内发生的可能性，以实现对不确定事件的推理。该逻辑与扩展的PROLOG系统集成，通过基于模糊时序逻辑和逻辑编程的统一、计算上可行的框架，实现对不确定事件之间时序关系的有效推理。

ABSTRACT

There is uncertainty associated with the occurrence of many events in real life. In this paper we develop a temporal logic to deal with such uncertain events and outline a possible implementation in an extension of PROLOG. Events are represented as fuzzy sets with the membership function giving the possibility of occurrence of the event in a given interval of time. The developed temporal logic is simple but powerful. It can determine effectively the various temporal relations between uncertain events or their combinations. PROLOG provides a uniform substrate on which to effectively implement such a temporal logic for uncertain events

研究动机与目标

• 开发一个形式化框架，用于建模和推理事件在时间上发生的不确定性。
• 使用模糊集表示时间区间内事件发生的可能性，其中隶属函数编码事件在时间点上发生的可能性程度。
• 设计一个计算高效的逻辑系统，能够确定不确定事件之间或其组合的时序关系。
• 概述该逻辑在扩展PROLOG环境中的实际实现，用于知识表示和推理。
• 提供一个统一的、基于规则的底层架构，用于处理人工智能应用中的不确定时序推理。

提出的方法

• 事件被建模为时间区间上的模糊集，隶属函数表示在每个时间点事件发生的可能性。
• 通过隶属函数上的模糊逻辑运算推导不确定事件之间的时序关系。
• 该逻辑扩展了经典时序逻辑，以处理事件时间上的真值程度和不确定性。
• 提出一种PROLOG扩展，以支持模糊时序推理，使用模糊统一和模糊推理规则。
• 系统通过基于规则的框架支持对不确定事件组合的查询和推理。
• 实现利用PROLOG的模式匹配和回溯机制，高效计算不确定性下的时序关系。

实验结果

研究问题

• RQ1 如何扩展时序逻辑，以有效推理事件发生具有不确定性的场景？
• RQ2 何种形式化表示适合编码事件在时间区间内发生的可能性？
• RQ3 如何将模糊集集成到类似PROLOG的逻辑编程框架中，以建模不确定的时序事件？
• RQ4 如何利用模糊逻辑有效计算不确定事件之间的时序关系？
• RQ5 PROLOG扩展能否提供一种高效且统一的底层架构，用于推理不确定的时序事件？

主要发现

• 所提出的时序逻辑通过模糊隶属函数有效捕捉并推理事件时间上的不确定性。
• 该逻辑通过模糊集运算能够计算不确定事件之间的时序关系（例如：之前、之后、重叠等）。
• 与扩展的PROLOG系统集成，为不确定时序数据的推理提供了实用且高效的机制。
• 该框架支持对不确定事件组合的推理，允许评估复杂的时序查询。
• 该方法展示了在人工智能应用中，将模糊时序逻辑集成到逻辑编程环境的可行性。
• 实现表明其计算上是可行的，利用PROLOG现有的推理架构实现高效推理。