60、学习关系概率FO - PCL知识库与连续t - 范数模糊逻辑SMT求解器

学习关系概率FO - PCL知识库与连续t - 范数模糊逻辑SMT求解器

学习FO - PCL知识库

在学习FO - PCL知识库时，我们首先会用一个FO - PCL签名Σ来描述感兴趣的领域。初始学习输入是Σ所诱导的世界上的一个概率分布。

学习输入

以三只猴子的关系为例，它们的关系可以用九个基础谓词来描述，如h(a)、h(b)、h(c)、al(a, b)、al(a, c)、al(b, a)、al(b, c)、al(c, a)、al(c, b)。每个观察由一个Herbrand解释给出，例如{h(b), h(c), al(a, b), al(a, c)}描述了b和c饥饿，a不饥饿，且a允许b和c吃它食物的情况。一组这样的解释会诱导出一个经验概率分布，如下表所示：
| h(a) | h(b) | h(c) | al(a, b) | al(a, c) | al(b, a) | al(b, c) | al(c, a) | al(c, b) | P(ω) |
|------|------|------|----------|----------|----------|----------|----------|----------|--------|
| 0 | 1 | 1 | 1 | 1 | 0 | 0 | 0 | 0 | 0.10 |
| 1 | 0 | 1 | 0 | 0 | 1 | 1 | 0 | 0 | 0.10 |
| 1 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0.06 |
| 1 | 1 | 0 | 0 | 0 | 0 | 0 | 1 | 1 | 0.01 |
|… |… |