[论文解读] Method of Additional Structures on the Objects of a Monoidal Kleisli Category as a Background for Information Transformers Theory

P.V. Golubtsov, S. S. Moskaliuk|ArXiv.org|Nov 27, 2002

Rough Sets and Fuzzy Logic参考文献 21被引用 4

一句话总结

本文提出了一种范畴论框架，利用带有额外结构的张量Kleisli范畴，统一建模多种信息转换器（ITs），包括统计型、多值型和模糊型ITs。通过将ITs公理化为具有有限积的张量范畴中的态射（适用于确定性ITs），该方法实现了对组合、积以及不确定性的统一处理，并在贝叶斯推断和模糊逻辑系统中具有应用价值。

ABSTRACT

Category theory provides a compact method of encoding mathematical structures in a uniform way, thereby enabling the use of general theorems on, for example, equivalence and universal constructions. In this article we develop the method of additional structures on the objects of a monoidal Kleisli category. It is proposed to consider any uniform class of information transformers (ITs) as a family of morphisms of a category that satisfy certain set of axioms. This makes it possible to study in a uniform way different types of ITs, e.g., statistical, multivalued, and fuzzy ITs. Proposed axioms define a category of ITs as a monoidal category that contains a subcategory (of deterministic ITs) with finite products. Besides, it is shown that many categories of ITs can be constructed as Kleisli categories with additional structures.

研究动机与目标

• 开发一个统一的数学框架，用于建模包括统计型、多值型和模糊型ITs在内的多样化信息转换器（ITs）。
• 将ITs形式化为支持串行与并行组合的张量范畴中的态射。
• 证明ITs的范畴可作为带有附加结构的Kleisli范畴构造而成，从而实现对不确定性的系统化处理。
• 建立确定性ITs构成一个具有有限积的子范畴，保持关键范畴性质。
• 通过具体的范畴构造，证明该框架在贝叶斯推断和模糊逻辑中的适用性。

提出的方法

• 将信息转换器（ITs）定义为满足组合、单位元和结合律公理的范畴中的态射。
• 在ITs范畴上引入张量结构，以建模ITs的并行组合。
• 通过捕捉不确定性（如模糊或概率映射）的单子，将ITs范畴构造为Kleisli范畴。
• 使用范畴积定义态射的积，通过公式（2）确保其与组合的相容性。
• 利用最小t-范数和乘积t-范数，指定模糊ITs的组合与积运算，从而构造出范畴FMT与FPT。
• 通过一个自然映射将确定性ITs嵌入模糊ITs中，该映射对像点赋予隶属度1，其余位置赋予0。

实验结果

研究问题

• RQ1 如何在单一范畴论框架内统一建模不同类型的ITs——统计型、多值型和模糊型？
• RQ2 哪些范畴结构（如张量结构、积）是捕捉ITs在串行与并行组合下行为的必要且充分条件？
• RQ3 确定性ITs的子范畴能否自然地嵌入更一般的ITs范畴中，同时保持其范畴性质？
• RQ4 t-范数的选择（最小与乘积）如何影响模糊ITs范畴的结构与性质？
• RQ5 该范畴论框架在多大程度上可将贝叶斯推断与条件分布推广至非概率型ITs？

主要发现

• 信息转换器的范畴被形式化为一个张量范畴，其中包含一个具有有限积的确定性ITs子范畴。
• 模糊ITs可被建模为归一化模糊子集单子上的Kleisli范畴中的态射，其组合通过sup-min或sup-product运算定义。
• 证明了使用最小t-范数的范畴FMT与使用乘积t-范数的范畴FPT均满足具有积与张量结构的范畴公理。
• 通过一个自然构造，将确定性映射嵌入模糊ITs中，该构造对像点赋予隶属度1，其余位置赋予0，且保持组合性质。
• 在模糊ITs范畴中存在条件分布，使得贝叶斯原理可在非概率设定中应用。
• 该框架支持两种信息丰富度关系——强与弱——基于隶属函数的包含关系，类似于多值ITs中的准确性关系。