因果 Kripke 模型
我对无确定性的非确定性结构方程模型进行了泛化,并论证它对反事实提供了改进的语义。我通过允许多值函数在结构方程中的使用来放弃了哈尔彭(Halpern)的标准确定性语义,并调整语义以确保在任何反事实世界中都保留了实际世界中获得的方程解。最后,我将这些模型扩展到概率情况,并展示了它们在因果贝叶斯网络中识别反事实的方式。
May, 2024
本文提出了一种多值扩展的逻辑程序,基于可靠模型语义,其中模型中的每个真实原子都与一组证明关联,在一个证明树的集合中类似,我们将证明捕捉到一个真值的代数中,该代数具有三个内部操作:加号表示公式的替代证明,可交换乘积表示导致的联合交互以及非交换积表示证明构造器。使用这种多值语义,我们得到了标准(非因果)逻辑程序的语法证明树与模型中每个真实原子的解释之间的一一对应关系,并且由于这种代数特征,我们可以检测到获得的证明的冗余性和相关性。我们还确定了此代数的基于格的特征,定义了直接后果算子,证明了其连续性,并证明其最小修复点可以在有限次迭代后计算。最后,我们通过引入类似于 Gelfond 和 Lifschitz 的程序削减的变换来定义因果稳定模型的概念。
Dec, 2013
对 Halpern 和 Pearl 提出的实际因果关系进行定义,并且针对计算是否为一个因果关系提出复杂性问题,进行定义修正,并探究其对复杂度的影响,引入了新的复杂度类 D_k^P,并且对计算因果关系的复杂度进行了全面分类和探究,还介绍了责任和指责的概念
Dec, 2014
该研究考察了递归模型与因果模型框架之间的确切关系,递归模型被证明是 (Possible-world) 反事实结构的一种子类,而普遍性递归模型则不能与反事实结构比较,这个研究指出了 Galles 和 Pearl 论证的问题。
Jun, 2011
本文使用范畴论方法对因果模型进行了分类处理,从 “纯因果” 的角度定义了因果独立 / 分离、因果条件等重要概念,并产生了一个核心部分的语法版本的 syntactic do-calculus 在所有因果模型中继承。
Apr, 2022
本研究将 3 层因果关系层次结构分为概率逻辑语言模型,第一层表达定量概率推断,第二层编码用于因果效应的 do-calculus 推理,第三层捕捉任意反事实查询。相关的公理化表达完全考虑了因果模型和概率编程,并证明了每种语言的可满足性和有效性都可以在多项式空间内可判定。
Jan, 2020
通过干预模拟程序的概念分析条件推理,我们将其扩展到概率仿真模型的情况,定义了条件语言中的概率并证明了其基本结果。同时,我们在该设置中发现了关于概率的线性不等式推理的公理化方法。我们证明了该逻辑的可满足性问题的正确性、完备性和 NP - 完全性。
Jul, 2018