迭代信念变化的计算方法
通过基于信念状态的 KM 经典公设修改以及将经典迭代信念修订的若干公设移植到迭代信念更新中,本文提出了解决 Rodrigues 方法不满足迭代信念更新基本要求的方法,并根据偏序关系提供了每个提出的公设的确切语义特征。最后,本文分析了上述迭代公设与信念更新中的 KM 公设之间的兼容性。
Oct, 2023
研究 AGM 信念修正,通过构造优先量图实现对 iterated 信念修正理论的很好的特征化,并提出在动态认识逻辑中的信念变化运算符的一种新的句法表示。
Feb, 2019
本研究提出了一种基于知识度量和信息论的量化信念变化框架,其中引入了最小惊讶原则以减少变化信念所携带的信息量。研究主要贡献包括对知识度量的通用信息论方法,满足 AGM 公理的基于知识度量的信念变化运算符,以及将满足 AGM 公理的任何信念变化运算符编码为基于知识度量的信念变化运算符的表征。同时介绍了描述收缩的信息损失、扩展的信息增益和修订的信息变化的量化度量方法。此外,对于在该框架中应用修订操作序列的迭代修订问题进行了简要探讨,并通过严格撤回模型给出了一个基于知识度量的收缩运算符,该运算符不满足恢复公理。
Mar, 2024
本文从收缩原则出发,旨在找到符合条件信念的收缩特性。我们考虑四组不同的迭代原则来描述条件信念的动态变化,并提供了其语义特征定理和公式化表述,以约束信念与条件信念的变化。
Feb, 2022
通过三种认知偏差(证实偏见,框架偏见和锚定偏见)的形式化,我们研究了它们对三种常见信念修订方法(条件化,词典修订和最小修订)的影响,并评估了其在随机场景中的表现和对真相跟踪的可靠性。
Jul, 2023
我们证明了 Evans,Kenyon,Peres 和 Schulman(2000)的猜想,该猜想表明有限内存的消息传递算法在重构问题上在统计上比置信传播要弱得多,并且通过将递归重构、信息论和最优输送的工具结合起来,还建立了 BP 和其他消息传递算法临界阈值附近的渐近正常性结果。
May, 2019
信息获取方式可能变得无关紧要,而相同信息的多次确认可能会导致特定修订变得多余,本文给出了一系列词典修订的冗余的必要和充分条件,词典修订不仅在自身上是相关的,还因为它们的序列是表示迭代修订过程状态的最紧凑机制之一。
Feb, 2024
本文提出一种名为 IBBT 算法的运动规划算法,该算法利用启发式算法,将随机运动规划问题划分为确定性运动规划问题和图搜索问题,并交替进行批量状态采样、路径规划和启发式搜索,以找到满足信念空间运动规划的最优解。实验表明,IBBT 算法在不同规划环境中具有更快的运行速度和更好的性能。
Apr, 2023
本文提出了一个概率的信念模型,并探讨了它对于信念动态的影响,比 AGM 理论约弱但比 Lockean 理论强,考虑一类特定模型并提出其自然的原则,最终相较于 Leitgeb 和 Lin 以及 Kelly 的竞争性概率信念模型而言本框架比较优越。
Jul, 2023