Generative Logic with Time: Beyond Logical Consistency and Statistical Possibility

要約

この論文は、時間の経過に伴うデータから完全にシンボリックな知識を論理的に推論するための単純な推論理論を提供します。
データがどのように象徴的な知識を生み出すかをモデル化するために、ベイジアンアプローチを採用しています。
象徴的知識を用いた確率論的推論は、因果関係を前進および後退させるプロセスとしてモデル化されています。
順方向と逆方向のプロセスは、それぞれ形式論理の解釈と逆解釈に対応します。
この理論は位置特定の問題に適用され、壊れたセンサーやノイズの多いセンサーを備えたロボットが、完全にデータ駆動型の方法で問題を効率的に解決できることを示しています。

要約(オリジナル)

This paper gives a simple theory of inference to logically reason symbolic knowledge fully from data over time. We take a Bayesian approach to model how data causes symbolic knowledge. Probabilistic reasoning with symbolic knowledge is modelled as a process of going the causality forwards and backwards. The forward and backward processes correspond to an interpretation and inverse interpretation of formal logic, respectively. The theory is applied to a localisation problem to show a robot with broken or noisy sensors can efficiently solve the problem in a fully data-driven fashion.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google