通过归结证明 – 人工智能

我正在做一个练习,需要证明 KB |= ~D

我知道知识库是这样的:

 - (B v ¬C) => ¬A - (¬A v D) => B - A ∧ C

转换为CNF之后:

A ∧ C ∧ (¬A v ¬B) ∧ (¬A v C) ∧ (A v B) ∧ (B v ¬D)

现在我已经转换成了CNF,但接下来不知道该怎么做。希望能得到一些帮助。谢谢!


回答:

一般归结规则是,对于你的CNF中的任意两个子句(即文字的析取)

P_1 v ... v P_n

Q_1 v ... v Q_m

如果存在i和j使得P_i和Q_j互为否定,你可以添加一个新的子句

P_1 v ... v P_{i-1} v P_{i+1} ... v P_n v Q_1 v ... v Q_{j-1} v Q_{j+1} ... v Q_m

这只是一个严格的方式来说明你可以通过连接两个子句,减去一个在每个子句中具有相反“符号”的文字来形成一个新的子句。

例如

(A v ¬B)∧(B v ¬C)

等价于

(A v ¬B)∧(B v ¬C)∧(A v ¬C),

通过连接这两个子句并移除相反的B¬B,得到A v ¬C

另一个例子是

A∧(¬A v ¬C)

这等价于

A∧(¬A v ¬C) ∧ ¬C.

因为A算作一个只有一个文字的子句(即A本身)。所以这两个子句被连接,而A¬A被移除,产生一个新的子句¬C

将此应用到你的问题中,我们可以归结A¬A v ¬B,得到¬B。然后我们用这个新的子句¬BB v ¬D进行归结,得到¬D

因为CNF是一个合取,它成立的事实意味着其中的每一个子句都成立。也就是说,CNF暗示了它的所有子句。由于¬D是它的子句之一,CNF暗示了¬D。由于CNF等价于原始的KB,所以KB暗示了¬D

Related Posts

L1-L2正则化的不同系数

我想对网络的权重同时应用L1和L2正则化。然而,我找不…

使用scikit-learn的无监督方法将列表分类成不同组别,有没有办法?

我有一系列实例,每个实例都有一份列表,代表它所遵循的不…

f1_score metric in lightgbm

我想使用自定义指标f1_score来训练一个lgb模型…

通过相关系数矩阵进行特征选择

我在测试不同的算法时,如逻辑回归、高斯朴素贝叶斯、随机…

可以将机器学习库用于流式输入和输出吗?

已关闭。此问题需要更加聚焦。目前不接受回答。 想要改进…

在TensorFlow中,queue.dequeue_up_to()方法的用途是什么?

我对这个方法感到非常困惑,特别是当我发现这个令人费解的…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注