複合質量化条件ネットワークの満足不可能性の決定

AIの様々な形式の理由の中で研究されていることや、情報が不完全な状態であり数値も付与されていないような状況下でも知識を新たな知識として新しい情報を推論するように設計された質量化 reasonedは、数値的な情報ではあるけれども完全でも不確定でもない情報を基に新たな知識を推論することができる。この研究では、複数の形式の拡大と組み合わせにより、状態が多重なスケールであるときや連続された時系列にまたしても松弛められた組織などを含むいくつかの形式を統合できる質量化 formalismの形式的な枠組みを提案します。これらの組み合わせと拡張について推論することも可能です。ただし、私たちがこの枠組みを使用することで、それぞれにおける満足不可能性の決定やその複雑さを見るための一貫した方法を開発することもできます。特に、この枠組みは二つの補完的な定理を導き出しており、これを用いて既知の結果に関するサイズと拓扑の組み合わせから新たな定理が復元できることが言えます。また主な質量化形式の定義に加えて、 literatureで定義されていないにも関わらず重要な役割を果たす複数の質量化形式もこの定義の中に含まれるように拡張しました。

arXiv:2602.08848v1 Announce Type: new Abstract: Among the various forms of reasoning studied in the context of artificial intelligence, qualitative reasoning makes it possible to infer new knowledge in the context of imprecise, incomplete information without numerical values. In this paper, we propose a formal framework unifying several forms of extensions and combinations of qualitative formalisms, including multi-scale reasoning, temporal sequences, and loose integrations. This framework makes it possible to reason in the context of each of these combinations and extensions, but also to study in a unified way the satisfiability decision and its complexity. In particular, we establish two complementary theorems guaranteeing that the satisfiability decision is polynomial, and we use them to recover the known results of the size-topology combination. We also generalize the main definition of qualitative formalism to include qualitative formalisms excluded from the definitions of the literature, important in the context of combinations.