[论文解读] Fuzzy Logic and Probability

Petr Hájek, Lluı́s Godo+1 more|arXiv (Cornell University)|Feb 20, 2013

Logic, Reasoning, and Knowledge参考文献 14被引用 90

一句话总结

本文提出了一种概率模糊逻辑，将概率值作为模糊逻辑框架内的真值，实现在多值语境下的概率推理。该研究在概率意义上建立了完备性结果，并展示了如何将清晰命题的概率解释为相关模糊命题的真值，从而提供了一种统一的不确定性处理方法。

ABSTRACT

In this paper we deal with a new approach to probabilistic reasoning in a logical framework. Nearly almost all logics of probability that have been proposed in the literature are based on classical two-valued logic. After making clear the differences between fuzzy logic and probability theory, here we propose a {em fuzzy} logic of probability for which completeness results (in a probabilistic sense) are provided. The main idea behind this approach is that probability values of crisp propositions can be understood as truth-values of some suitable fuzzy propositions associated to the crisp ones. Moreover, suggestions and examples of how to extend the formalism to cope with conditional probabilities and with other uncertainty formalisms are also provided.

研究动机与目标

• 开发一种统一模糊逻辑与概率论的逻辑框架，以实现不确定性推理。
• 通过将概率值嵌入多值模糊逻辑系统，解决经典二值逻辑在概率推理中的局限性。
• 提供一个形式系统，其中清晰命题的概率被视作对应模糊命题的真值。
• 将该框架扩展至处理条件概率及其他不确定性形式化。
• 在概率意义上建立所提出模糊概率逻辑的完备性结果。

提出的方法

• 提出一种真值取值于单位区间 [0,1] 的模糊逻辑系统，与概率值保持一致。
• 将清晰命题映射到其关联的模糊命题，其真值代表原命题的概率。
• 使用 t-范数与 t-余范数定义模糊逻辑中的逻辑联结词（如合取、析取、否定），以保持概率一致性。
• 基于概率空间建立语义，使得模糊命题的真值对应于其关联清晰命题的概率。
• 通过证明系统中所有逻辑有效公式在给定语义下均可被证明，建立完备性定理。
• 通过定义真值对应于条件概率的条件模糊命题，将框架扩展至包含条件概率。

实验结果

研究问题

• RQ1 概率值如何自然地嵌入多值逻辑框架？
• RQ2 需要何种逻辑结构，以确保概率推理在模糊逻辑系统中得以保持？
• RQ3 能否构建一种模糊概率逻辑，使其完备性在概率意义上成立？
• RQ4 如何在该模糊逻辑框架中正式表示并推理条件概率？
• RQ5 在模糊逻辑系统中将概率视为真值，对不确定性建模有何影响？

主要发现

• 所提出的模糊概率逻辑在概率意义上实现了完备性，即所有在该系统中逻辑有效的公式均可在给定语义下被证明。
• 清晰命题的概率被成功解释为相关模糊命题的真值，实现了不确定性的统一处理。
• 该框架通过恰当定义的模糊条件命题支持条件概率的表示，其真值与条件概率值相匹配。
• t-范数与t-余范数的使用确保了逻辑运算与概率独立性及一致性保持一致。
• 通过调整真值赋值机制，该形式化可扩展至其他不确定性形式化，如可能性理论。
• 该系统为逻辑推理与概率不确定性提供了连贯的基础，避免了经典二值逻辑在概率情境下的局限性。