誤差逆伝搬法による命題論理の学習

概要

論文の詳細を見る
非記号情報処理を実現するために、人工知能の分野を中心に様々な研究が行なわれてきた。その中で古典論理には自然言語が有する命題間の距離や命題の情報量といった曖昧さを表現するための概念が存在しないという観点から、それに代わる論理として非単調論理や様相論理、ファジー論理といった非古典論理の研究が盛んに行なわれている。非古典論理を統一的に扱えるモデルとして、文献[1]では命題論理の幾何学的モデルを提案している。そこでは、ブール代数の原子とユークリッド空間の単位ベクトルとの間の類似性に着目することで、古典論理をベクトル表現に置き換えたり、また、特殊な関数γを定義することで、論理演算を我々が慣れ親しんでいる演算に置き換えるといった考え方に基づいて、命題間の論理演算や距離、情報量といったものを定義づけている。これにより、自然言語の曖昧性を表現するモデルとして非古典論理をより扱い易い存在とした。本研究では文献[1]の幾何学的解釈をもとにベクトル化された命題論理の2項演算をニューラルネットワークで実現させることを目的とする。命題論理を人間の思考を表現するためのモデルであるとするならば、ニューラルネットワークに命題論理の基本構造を誤差逆伝搬法を用いて学習させることにより、拡張性の高いモデルを扱うことが可能であると考える。
1996-03-06

誤差逆伝搬法による命題論理の学習

スポンサーリンク

概要

著者

関連論文

スポンサーリンク