https://jbhs7014.tistory.com/entry/ML-Knowledge-Representation
위와 같이 t1에서 t4로의 사건이 있었다라고 할때의 과정을 이야기 한다.
정확한 시간을 이야기 할 수도 있지만 언어적인 일정시간이 존재할 수도 있다.
예시로 위와 같이 2001년 1월에서 발생한 사건에 대해서도 이야기 할 수 있다.
Fluent : 계속되는 관게를 나타낼때 사용된다.
T(Equals(President(USA), GeorgeWashington), AD1790) .
예시로 위와 같이 존재할때 Equals를 ==으로 표현해도 되지만 Function Simbol을 사용하여 True이다라고 표현한 것이다.
위의 event가 physical한 것을 다룬 것이라면 여기에서는 시각적으로 볼 수 없는 사건들에 대해서 다룰 것이다.
그래서 여기에서 사용하는 Logic이 Modal logic이 존재한다. 이는 양상 논리라고 부른다. Modal logic은 특별한 기술을 사용한다기 보다는 2 + 2 = 4 and 4 < 5와 같이 정신적으로 당연한 것들을 referential transparency 라고 부른다. 참고하는 기준에서 뚜렷하다. 분명하다라는 의미이다.
또다른 예시를 통해 이해해보자
위와 같은 superman이 Lois를 알고 있다라는 Logic이 존재한다. superman=clark라는 것이 사실이고 Superman이 Lois를 알고 있다는 것이 절대적인 사실인지를 알 수 없다. 그렇기 때문에 이를 표현하기 위한 Knows라는 표현을 mental적으로 묘사하였다.
그렇기에 Modal Logic이라는 것이 완전 새로운 Logic을 이야기 하는 것이 아닌 당연한 것들을 이야기 한다는 것을 어느정도 이해할 수 있다. 그렇기에 이런것을 referential Opacity라고 부른다.
카테고리에 관련된 추론시스템
Semantic networks(의미망) :
∀x x∈Persons ∧x != John ⇒ Legs(x, 2)
어떤 상황에서 공통적인 것을 수식할때 카테고리를 위한 Default values을 표현하는 방법으로 Default value를 일반적으로 공통된 value들을 표현한다.
예르 들어 위와 같이 Default한 설정들을 만들 수 있을 것이다. 하지만 위와 같은 Semantic Network의 문제점은 이렇게 하나씩 다루었을 때 경우의 수가 무한히 많아진다는 것이다.
multiple inheritance : 하위의 속성이 상위에서부터 전달되는데 이게 다른 카테고리의 sub 카테고리일 수도 있다. 이때 상위의 모든 카테고리들이 상속되면서 공통된 속성들이 함께 상속되는 것을 이야기 한다.
circumscription은 조건에 대해서 한정을 짓는 것을 말한다. 이 때 특별한 말이 없으면 변화가 없고 다르지 않다는 뜻임을 가정한다.
not abnormal(x)로 별도의 언급이 없으면 normal이라고 한정짓는다. 또한 abnormal인 set에 대해서 속성을 한정하거나 다른 속성을 추가할 수 있다.
Default Logic은 전제 조건으로부터 결론을 도출해내는 과정에서 consistent conditions의 영향을 받는 것을 말한다. 만약 consistent conditions에서 하나라도 false라는 것을 증명할 수 있다면 전제 조건으로부터 결론을 낼 수 없다.
deault theory는 (D, W)의 페어로 나타나는데 D는 default rule을 의미하고, W는 first-order logic을 의미한다. 여기서 나올 수 있는 결론의 최대 집합을 extension이라고 한다.
위와 같은 것을 이야기 한다.
frames : sementic nets을 위한 자료구조로 표현하기 애매한 경우들까지 모두 나타낼 수 있다.
각 node에서 이 자료구조를 사용하면 모든 경우를 나타낼 수 있다.
Qualitative physics
Quantifying Uncertainty : 정량 불확실성이라는 뜻으로 할 수 있는 대상으로 Quantifying 한다는 의미를 가지고 있다.
belief state :