Kapitel 6 Wahrheitsfunktionale Fuzzy-Logik. 10. Juni 2005

Ähnliche Dokumente
Kapitel 6 Wahrheitsfunktionale Fuzzy-Logik. 2. Juni 2005

Kapitel 8 Probabilistische und Possibilistische Logik. 23. Juni 2005

Einführung in die Logik

Kapitel 3 Fuzzy-Mengen und Relationen. 12. Mai 2005

Grundbegriffe der mathematischen Logik

Probeklausur Mathematische Logik

Ein und derselbe Satz kann in Bezug auf unterschiedliche Situationen s 1. und s 2 unterschiedliche Wahrheitswerte haben.

Logik erster Stufe FO

Was ist Logik? Was ist Logik? Aussagenlogik. Wahrheitstabellen. Geschichte der Logik eng verknüpft mit Philosophie

1 Aussagenlogik. 1.1 Aussagen. 15 ist eine Primzahl. 3 < 8 x < 15 (hängt von x ab, keine Aussage) Aussage = Behauptung Beispiele: Es regnet.

Probeklausur Mathematische Logik

Jeder Aussage p kann ein Wahrheitswert W(p) {0, 1} zugeordnet werden. Beispiele: W(Es regnet.) =? (je nach Lage der Dinge) W(Die Straße ist naß.) =?

1 Aussagenlogik. 1.1 Aussagen. 15 ist eine Primzahl. 3 < 8 x < 15 (hängt von x ab, keine Aussage) Aussage = Behauptung Beispiele: Es regnet.

Grundbegriffe für dreiwertige Logik

1 0, x C X (A). = 1 χ A(x).

Musterlösung 11.Übung Mathematische Logik

Logik (Prof. Dr. Wagner FB AI)

Die Prädikatenlogik erster Stufe: Syntax und Semantik

2.3 Deduktiver Aufbau der Aussagenlogik

8 Der Kompaktheitssatz und der Satz von Löwenheim und Skolem

Vergleich und Erzeugung von Topologien und topologischen

Berechenbarkeitstheorie 19. Vorlesung

Einführung in die lineare Algebra und GeometrieWS 2018/19 October 30, 2018

1.1 Motivation. Theorie der Informatik. Theorie der Informatik. 1.1 Motivation. 1.2 Syntax. 1.3 Semantik. 1.4 Formeleigenschaften. 1.

D-MATH Topologie FS 15 Theo Bühler. Musterlösung 11. d(x, y) := n 0. 2 n d n (x n, y n ),

a) Sei [G : B] = n und [B : A] = m. Seien weiter X G,B = {g 1,..., g n } vollständiges Repräsentantensystem der Linksnebenklassen von A in G.

Klauselmengen. Definition Sei

Logik. Logik. Vorkurs Informatik Theoretischer Teil WS 2013/ September Vorkurs Informatik - Theorie - WS2013/14

Schlussregeln aus anderen Kalkülen

Übungen zur Diskreten Mathematik I Blatt 6

Universität Heidelberg 12. April 2018 Institut für Informatik Klaus Ambos-Spies Nadine Losert. 2. Klausur zur Vorlesung Mathematische Logik

Logik und Beweisbarkeit

Finite Elemente Methode für elliptische Differentialgleichungen

Aufgaben zur Verbandstheorie

Satz 1.18 (Kompaktheitssatz der Aussagenlogik)

Prädikatenlogiken. Mathematische Logik. Vorlesung 6. Alexander Bors. 30. März & 6. April A. Bors Logik

Was bisher geschah: klassische Aussagenlogik

Was bisher geschah. wahr 0 t 1 falsch 0 f 0 Konjunktion 2 min Disjunktion 2 max Negation 1 x 1 x Implikation 2 Äquivalenz 2 =

f(1, 1) = 1, f(x, y) = 0 sonst üblicherweise Konjunktion, manchmal auch

Normalform. 2.1 Äquivalenz und Folgerung. 2.2 Die pränexe Normalform

Was bisher geschah Modellierung in Logiken: klassische Prädikatenlogik FOL(Σ, X) Spezialfall klassische Aussagenlogik AL(P)

Weitere Beweistechniken und aussagenlogische Modellierung

4.2 Quotientenvektorräume

2.1 Lineare Temporallogiken: LTL

Wiederholungsklausur zur Analysis I

Logik für Informatiker

Einführung in die Logik (Vorkurs)

Einführung in die mathematische Logik

Fundamentale Sätze. versuche folgendes: gib eine Formelmenge Φ an, so dass Mod(Φ) = {(N, +, )}

Formale Grundlagen der Informatik 1 Kapitel 19. Syntax & Semantik

Logik Vorlesung 4: Horn-Logik und Kompaktheit

Syntax der Aussagenlogik

Grundlagen: 1. Logik. Aussagen und Aussagenformen Wahrheitstabellen; Tautologien und Kontradiktionen Logische Äquivalenz. Prädikate und Quantoren

Erfüllbarkeit von Formelmengen

Aussagenlogischer Kalkül, Vollständigkeitssatz

Was bisher geschah: klassische Aussagenlogik

Theorie der Informatik

Tensorprodukte. Isabel Semm. 21. Dezember 2004

Logik Vorlesung 8: Modelle und Äquivalenz

TU7 Aussagenlogik II und Prädikatenlogik

Schwartz-Raum (Teil 1)

α i e i. v = α i σ(e i )+µ

Übungen zur Diskreten Mathematik I Blatt 1

- Theorie der uninterpretierten

Theorie der Informatik. Theorie der Informatik. 6.1 Einführung. 6.2 Alphabete und formale Sprachen. 6.3 Grammatiken. 6.4 Chomsky-Hierarchie

Kapitel 1.5. Ein adäquater Kalkül der Aussagenlogik. Teil 1: Kalküle und Beweisbarkeit und die Korrektheit des Shoenfield-Kalküls

10. Unbeschränkte selbstadjungierte. Operatoren

Theorie der Informatik. Theorie der Informatik. 2.1 Äquivalenzen. 2.2 Vereinfachte Schreibweise. 2.3 Normalformen. 2.

Einführung in die Semantik, 5. Sitzung Aussagenlogik

Notengebung. Teilnote Kreuzerlliste: 60% 69% 4; 70% 79% 3; 80% 89% 2; 90% 100% 1. Falls Sie weitere Fragen haben, bitte melden Sie sich bei mir.

6.1 Zerlegungen Ober- und Unterintegrale Existenz des Integrals

Theoretische Informatik und Logik Übungsblatt 4 (SS 2017) Lösungen

1.1 Grundbegriffe. Logik und Diskrete Strukturen (Sommer 2018) Prof. Dr. Ulrich Hertrampf

Diskrete Strukturen. Vorlesung 3: Naive Mengenlehre. 30. Oktober 2018

Abschnitt 3.2: Der Satz von Ehrenfeucht

Mengen, Theorien, Modelle

Klausur TheGI Februar 2006 Version A

Kapitel 3 Fuzzy-Mengen und Relationen. 29. April 2005

Prädikatenlogiken. Mathematische Logik. Vorlesung 7. Alexander Bors. 6. & 27. April A. Bors Logik

Semantic Web Technologies I

5.2 Logische Gültigkeit, Folgerung, Äquivalenz

Kapitel 1.2. Aussagenlogik: Semantik. Mathematische Logik (WS 2011/12) Kapitel 1.2: Aussagenlogik: Semantik 1 / 57

Der Kern des Dirac-Operators

Die komplexe Halbebene faktorisiert nach einer Fuchsschen Gruppe

Motivation. Formale Grundlagen der Informatik 1 Kapitel 14 Aussagenlogik Syntax & Semantik. Motivation. Motivation

Normalformen. Wie bei der Aussagenlogik lassen sich Formeln wieder in dazu äquivalente umwandeln, die eine bestimmte Form haben.

Seminar Kommutative Algebra und Varietäten Vortrag 1: Ideale kommutativer Ringe

SS Juli Übungen zur Vorlesung Logik Blatt 11

Kurseinheit 1 Einführung und mathematische Grundlagen Aussagenlogik

Mathematisches Argumentieren und Beweisen Beweisarten Besipiele. Hagen Knaf, WS 2014/15

10 Formale Grundlagen

Kapitel 2: Multiplikative Funktionen. 3 Multiplikative Funktionen. Definition 2.1 (arithmetische Funktion, (vollständig) multiplikative Funktion)

Vorlesung Diskrete Strukturen Abbildungen

Fuzzy Logic & Control

Theorie der reell abgeschlossenen Körper (RCF)

Kompakte Operatoren in Hilberträumen

Aussagenlogik. Übersicht: 1 Teil 1: Syntax und Semantik. 2 Teil 2: Modellierung und Beweise. Aussagenlogik H. Kleine Büning 1/37

Vorlesung Diskrete Strukturen Abbildungen

Transkript:

Kapitel 6 Wahrheitsfunktionale Fuzzy-Logik 10. Juni 2005

Zusammenfassung Wahrheitsfunktionale Fuzzy-Semantik besteht aus Mengen aller wahrheitsfunktionalen Belegungen von Formeln, jedem Modell in M entspricht genau eine Belegung aller Variablen mit Werten aus [0, 1], spezielle Fuzzy-Logik: Lukasiewicz-Fuzzy-Logik, Darstellung aller möglichen Wahrheitswertfunktionen McNaughton Theorem: Wahrheitswertfunktionen sind stetig und stückweise linear mit ganzzahligen Koeffizienten, Modelle von Fuzzymengen lassen sich durch einfache geometrische Figuren darstellen, effiziente Berechnungsmethode für JM.

Plan für heute jede stetige wahrheitsfunktionale Fuzzy-Semantik ist axiomatisierbar, nichtstetige wahrheitsfunktionale Fuzzy-Semantik, Kapitel 7: Stratifizierte Operatoren, - Erweiterungen zweiwertiger Operatoren - von Fuzzy- zu zweiwertigen Operatoren, - stratifizierte Operatoren sind nicht wahrheitsfunktional.

Logische Kompaktheit, Kompaktheit und Stetigkeit Definition Ein Fuzzy-Deduktionsoperator D heißt logisch kompakt, wenn die Menge der D-konsistenten Fuzzy-Mengen induktiv ist, d.h. für jede gerichtete Menge von D-konsistenten Fuzzy-Mengen {u i } gilt, daß D( {u i }) u. Sei (F(F L ), D, M) eine abstrakte Fuzzy-Logik, D sei stetig. Falls contr(m), dann ist D = J M logisch kompakt.

Existenz maximalkonsistenter Theorien Sei D ein logisch kompakter Fuzzy-Deduktionsoperator. Dann ist jede D-konsistente Information in einer maximalen Theorie enthalten. Sei M eine logisch kompakte Semantik. Dann hat jede erfüllbare Information ein maximales Modell, oder äquivalent dazu, jedes Modell ist in einem maximalen Modell enthalten.

Kriterium für logische Kompaktheit Sei M F(F L ). Falls eine abgeschlossene Relation R [0, 1] k und partielle Operationen p 0,..., p k mit p i : (F L ) n F L existiert, so daß für alle m M dann gilt: R(m(p 0 (ϕ 1,..., ϕ n )),..., m(p k (ϕ 1,..., ϕ n ))), 1. M ist logisch kompakt. 2. Für eine Anfangsbelegung u und für jede Formel ψ F L gibt es ein Modell m M, m u mit J M (u)(ψ) = m(ψ).

Stetige Fuzzy-Semantik Sei M eine stetige wahrheitsfunktionale Fuzzy-Semantik. Dann gilt: 1. M ist logisch kompakt, 2. Jedes Modell m M ist enthalten in einem maximalen Modell. Beweis über Konstruktion einer geeigneten Relation R...

Fuzzy-Hilbert-Operatoren sind stetig Bedingung für Fuzzy-Inferenzregeln: r (a 1,..., a j = sup i I b i,..., a k ) = sup r (a 1,..., b i,..., a k ) i I Sei S = (LAX, R): Fuzzy-Beweissystem im Hilbert-Stil. Der Fuzzy- Deduktionsoperator Operator D S mit ist stetig. D S (u)(ψ) = sup{val(π, u) π ist ein Beweis für ψ}

Stetige Fuzzy-Deduktionsoperatoren sind axiomatisierbar Sei D S : F(F L ) F(F L ) ein stetiger Fuzzy-Deduktionsoperator. Dann existiert ein Fuzzy-Beweissystem S = (LAX, R) im Hilbert-Stil, so daß D = D S. Frage Ist eine wahrheitsfunktionale Semantik M axiomatisierbar? Gibt es ein Fuzzy-Beweissystem S mit J M = D S?

Zweierlei Stetigkeit Sei M eine stetige wahrheitsfunktionale Fuzzy-Semantik, dann ist J M ist stetig und logisch kompakt. Sei M eine logisch kompakte, wahrheitsfunktionale Fuzzy-Semantik, und sei M axiomatisierbar ist. Falls injektiv und für jede Formel ψ gilt, daß f ψ in jeder Variablen entweder ordnungserhaltend, oder ordnungsumkehrend ist, dann ist f ψ stetig, d.h. M ist stetig.

Nichtstetige Semantik M 1 Unser Alphabet enthalte nur die Junktoren {,, }. Bewertungsstruktur: U 1 = ([0, 1], min, max, 1 ), wobei 1 definiert wird durch: { 1 falls a = 0 1 (a) = 0 sonst. Die zugehörige wahrheitsfunktionale Semantik M 1 ist nicht stetig. Es gelten die folgenden Aussagen:

Nichtstetige Semantik M 1 (i) für jedes m M 1 ist die Fuzzy-Menge m definiert durch: { m 0 falls m(ϕ) = 0 (ϕ) = 1 sonst. ein maximales scharfes Modell für m. (ii) Die maximalen Modelle von M 1 stimmen mit der Menge der Modelle der klassischen Logik überein. (iii) Für jede klassische Kontradiktion ψ gilt in contr(m 1 )(ψ) = 1. (iv) Für jede klassische Kontradiktion ψ gilt taut(m 1 )( 1 (ψ)) = 1.

Klassische Tautologien sind keine M 1 -Tautologien Nicht jede klassische Tautologie ist zum Grad 1 in taut(m 1 ) enthalten. Gegenbeispiel: x x taut(m 1 )(x x) = inf {max{a, 1 (a)} a [0, 1]} inf {max{a, 0} a (0, 1]} inf {a (0, 1]} = 0.

Nichtstetige Semantik M 2 Sei U 2 = ([0, 1], min, max, 2 ), mit 2 (a) = { 0 falls a = 1 1 sonst. (i) M 2 ist nicht stetig. { (ii) m 1 falls m(ϕ) = 1 (ϕ) = ist ein minimales Modell in 0 sonst. M 2 und m m. (iii) Die minimalen Modelle von M 2 sind Modelle der klassischen Logik. (iv) Für ψ Cn( ) gilt taut(m 2 )(ψ) = 1 und contr(m 2 )( 2 (ψ)) = 1.

Klassische Kontradiktionen sind keine M 2 -Kontradiktionen Nicht jede klassische Kontradiktion ist zum Grad 1 in contr(m 2 ) enthalten. Gegenbeispiel: x x contr(m 2 )(x x) = 1 sup{min{a, 2 (a)} a [0, 1]} 1 sup{min{a, 2 (a)} a [0, 1)} 1 sup{a [0, 1)} = 0.

Kapitel 7 Stratifizierte Operatoren

Motivation Kapitel 6: Aufbau von Fuzzy-Logik durch wahrheitsfunktionalen Semantik: Welten sind fuzzy Fuzzy-Logik durch Graduierung des Ableitbarkeit- Begriffs: - Extensionsprinzip, - Stratifizierte Fuzzy-Operatoren, - Zerlegung von Fuzzy-Deduktionsoperatoren in Familien von zweiwertigen Deduktionsoperatoren, - Fuzzy-Konsequenzrelationen.

Beispiel - gegeben: Σ = {(ϕ i /a i )} mit ϕ F L, a i [0, 1], - Bewertung der Aussagen erfolgt nach ihrer Zuverlässigkeit, - Was ist ableitbar aus Σ und zu welchem Grad? - Σ i = {ϕ j (ϕ j, a j ) Σ, a j a i } für jedes i [0, 1], - Zuverlässigkeitsgrad von ψ Cn(Σ i ) ist mind. a i, - intuitive Begründung: eine Aussage ist so zuverlässig, wie die schwächste ihrer Begründungen.

Kanonische Extensionen Definition D : P(F L ) P(F L ). Für u F(F L ), ϕ F L ist die kanonische Erweiterung D von D definiert durch: D (u)(ϕ) = sup{a [0, 1] ϕ D(C(u, a)), wobei bzw. D (u) = a [0,1] {a D(C(u, a))}. 1. D : F(F L ) F(F L ) ist eine Erweiterung von D. 2. D : F(F L ) F(F L ) ist ein Abschlußoperator, genau dann wenn D ein Abschlußoperator ist.

Andere Erweiterungen Beispiel 1: Sei C [0, 1] ein Abschlußsystem, mit 0, 1, a C. Sei Co(C) der zugehörige Operator mit: [Co(C)](u)(ϕ) = inf{a C a u(ϕ)}. -Co(C) ist nicht die identische Abbildung -Co(C) eingeschränkt auf P(F L ) ist die identische Abbildung -also ist Co(C) nicht durch kanonische Erweiterung entstanden. Beispiel 2: Sei J(u)(ϕ) = u(ϕ) a für ein beliebiges a [0, 1], J(u) ist keine Erweiterung eines zweiwertigen Operators.

Charakterisierung kanonischer Erweiterungen Sei (F(F L ), D ) eine Erweiterung eines zweiwertigen Deduktionssystems, d.h. D (χ X )(ϕ) {0, 1} für jedes X F L. Sei D die Einschränkung von D auf P(F L ). Dann sind die folgenden Aussagen äquivalent: 1. (F(F ), D ) ist die kanonische Erweiterung eines zweiwertigen Deduktionssystems, 2. O(D (u), a) = b>a {D(C(u, b)} für alle a [0, 1], 3. C(D (u), a) = b>a {D(O(u, b)} für alle a [0, 1].

Charakterisierung kanonischer Erweiterungen II (F(F ), D ) ist die kanonische Erweiterung eines Systems (P(F L ), D) genau dann, wenn: 1. jeder abgeschlossene a-schnitt einer D -Theorie eine D-Theorie ist, 2. für jede D-Theorie τ und jedes a [0, 1] gilt τ a ist eine D -Theorie.

Schichtweises Ableiten kanonische Erweiterung erlaubt Verarbeitung von Fuzzy-Information, d.h. Information die stratifiziert oder in Gültigkeitsniveaus geschichtet ist, stratifizierter Deduktionsapparat kann aber auch auf scharfe Information angewendet werden, es gibt verschiedene scharfe Deduktionsoperatoren, je nach Grad der Gültigkeit, für jedes a [0, 1] wird ein scharfer Deduktionsoperator Da definiert, Da (X ) ist die Menge der Formeln, die man aus X ableiten kann mit Hilfe von Argumenten, die zum Grad a plausibel sind, es kann sowohl die verfügbare Information als auch der Deduktionsoperator stratifiziert sein, in diesem Fall: D(u)(ϕ) = sup{a [0, 1] ϕ D a (C(u, a)).}

Stratifizierte Operatoren Definition 1. Sei {D a } a [0,1] eine Familie von zweiwertigen Operatoren. Sei für u F(F L ) und ϕ F L : D(u)(ϕ) = sup{a [0, 1] ϕ D a (C(u, a)).} D heißt der zur Familie {D a } a [0,1] gehörende Fuzzy-Operator. 2. Die Familie {D a } a [0,1] heißt Kette, wenn für jedes X F L die Menge {D a (X )} a [0,1] eine Kette ist, d.h. (i) D 0 (X ) = X, (ii) {D a } a [0,1] ist ordnungsumkehrend.

Stetige Ketten Für welche Familien {D a } a [0,1] ist D ein Abschlußoperator? Sei {D a } a [0,1] eine Familie von Abschlußoperatoren, dann ist D ein Fast-Abschlußoperator. Wenn die Familie {D a } a [0,1] eine stetige Kette ist, dann ist D ein Fuzzy-Abschlußoperator. {D a } a [0,1] heißt stetige Kette, wenn {D a } a [0,1] eine Kette ist und für alle X F L, b [0, 1] gilt:. D b (X ) = a<b{d a (X )}

Erzeugung stetiger Ketten Definition Sei {D a } a [0,1] eine Familie von Abschlußoperatoren auf P(F L ), dann heißt der von D erzeugte Fuzzy-Abschlußoperator D stratifizierter Fuzzy-Abschlußoperator. Falls {D a } a [0,1] eine stetige Kette ist, und daher D = D, dann heißt D wohl-stratifiziert. 1. Sei {D a } a [0,1] eine Kette, dann ist {D a} a [0,1] mit D a(x ) = b<a D b (X ) für jedes X F L und jedes a [0, 1], eine stetige Kette. 2. Der von D erzeugte Fuzzy-Abschlußoperator Co(Cs(D)) stimmt mit D überein.

Kanonische Erweiterungen als stratifizierte Operatoren Sei J ein Abschlußoperator auf P(F L ), sei {D a } a [0,1] die Familie von Abschlußoperatoren mit D a = J für alle a. Dann ist 1. die Familie {D a } a [0,1] eine stetige Kette, 2. die kanonische Extension von J stimmt mit dem zu {D a } a [0,1] gehörenden Fuzzy-Abschlußoperator D überein.

Beispiel Definition Eine Fuzzy-Relation Imp : F L F L [0, 1] heißt Fuzzy-Implikation, wenn für alle ϕ, ψ, ϑ F L gilt: 1. Imp(ϕ, ϕ) = 1 (Reflexivität) 2. Imp(ϕ, ψ) Imp(ψ, ϑ) Im(ϕ, ϑ) (Transitivität) J : F(F L ) F(F L ) wird definiert durch: J(u)(ϕ) = sup{u(ψ) Imp(ψ, ϕ) ψ F L }. J a (X ) = {ϕ F L ψ X mit Imp(ψ, ϕ) a} J ist wohlstratifiziert, aber falls Imp keine scharfe Relation ist, dann ist J keine kanonische Erweiterung eines zweiwertigen Operators.

Zerlegung von Fuzzy-Operatoren Läßt sich jeder Fuzzy-Abschlußoperator als stratifizierten Operator betrachten? Definition Sei D ein Fuzzy-Deduktionsoperator. Wir definieren {D a } a [0,1] durch: D a (X ) := C(D(a X ), a) für jede Menge X F L. Der zu {D a } a [0,1] gehörende Fuzzy-Operator D heißt stratifizierter Operator zu D. Die Bezeichnung D ist korrekt.

Zerlegung von Fuzzy-Operatoren Sei J ein klassischer Abschlußoperator, J T mit J T (u) = χ J(supp(u)) dessen triviale Erweiterung und J der zu {J T a } a [0,1] gehörende stratifizierte Operator. Dann gilt für alle u F L : J(u) = J (u). Beweis: J(u)(ϕ) = sup{a [0, 1] ϕ J T a (C(u, a)).}(nach Definition) J (u)(ϕ) = sup{a [0, 1] ϕ J(C(u, a))} = sup{a [0, 1] ϕ J(supp(a C(u, a), a))} = sup{a [0, 1] J T (a C(u, a))(ϕ) a} J ist kanonischen Extension von J, daher Abschlußoperator.

Mehrwertige wahrheitsfunktionale Logik Sei M wahrheitsfunktional, für X F L, a [0, 1], ϕ, ψ F L, : - m = a ϕ wenn m(ϕ) a, - m = a X wenn m(ϕ) a für alle ϕ X, - X = a ϕ wenn m = a ϕ für jedes m = a X. zu jedem Grad a [0, 1] wird ein zweiwertiger scharfen Operator festgelegt: Lc a (X ) = {ϕ F L X = a ϕ. Definition Sei M eine wahrheitsfunktionale Semantik, dann heißt der zur Familie {Lc a } a [0,1] gehörende Operator Lc mit Lc(u)(ϕ) = sup{a [0, 1] ϕ Lc a (C(u, a)).} der zu M gehörende stratifizierte Fuzzy-Deduktionsoperator.

Fuzzy-Logik ist keine mehrwertige Logik Sei M eine wahrheitsfunktionale Semantik mit dem induzierten logischen Konsequenzoperator J M und Lc der zu M gehörende stratifizierte Fuzzy-Deduktionsoperator. Dann ist J M Lc.