语义后承(semantic consequence),句法后承(syntactic consequence),实质蕴含(material implication / material conditional)

作者:罗心澄
链接:https://www.zhihu.com/question/21191299/answer/17469774
来源:知乎
著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。

在数理逻辑系统中没有使用过,仅在数学证明中使用过。这个符号不是一个标准命题形式语言中的符号。而是一个日常语言中的符号,它的意义是模糊的。

在命题逻辑中,有三个有推出含义的符号容易混淆:

  • 语义后承(semantic consequence),符号是(\models)。语义后承在一般情况下是连接一个命题集合和一个命题。如果,在任何一种语义赋值下,只要命题集合中的每一个命题都为真,那么就一定为真,那么,我们就说的语义后承,记作
  • 句法后承(syntactic consequence),符号是(\vdash)。句法后承的用法和语义后承类似,也是连接一个命题集合和一个命题,如,表示的是可以通过句法证明的方式从命题集中得出。即,存在一个证明,使得每个前提要么是公理,要么是中的命题,而证明的结论是。具体来说,一个证明是一个命题序列,其中每个命题要么是公理,要么是前提,要么是由前面的命题通过证明规则得到的。其中最后一个称为结论。
  • 实质蕴含(material implication / material conditional),符号是(\rightarrow) 。实质蕴含是一个命题逻辑中的二元算子,连接的是两个命题。在句法系统中,由 Hilbert 的前两条公理完全刻画,由第三条公理刻画它和否定的关系。[1] 在语义系统中, 我们说当且仅当或者。就是说,如果一个实质蕴含条件句成立,就是说,前件(上面的 p)为真的情况下,后件(上面的 q)不可能为假。[2]

除此之外没有别的常用的,并且经过形式定义的符号。至于,其实就是单纯表示推出,这种推出是没有严格定义的,一般情况下在简单的数学系统中,由于系统的强完全性和强可靠性[3],句法后承和语义后承等价,那么这时推出就同时都是两种推出。但是,据我看到 wiki 中的说法,
只表示逻辑后承,但是没有具体区分是语义后承还是句法后承,所以对于完全性和可靠性不成立的系统,这个符号就是模糊的。

当然,前面的语义后承和句法后承也不是数理逻辑系统中的符号,这是元语言符号。并且,在句法系统中不谈论真假,在语义系统中不谈论证明。

当然,在不同的符号系统中,逻辑学家可能会采用来替代(实质蕴涵),用替代(或者),用替代(且),用替代(非,否定)。但是我不太清楚到底哪些人是用来表示什么。

[1]
Hilbert 的公理系统可以写作三个公理模式加一个规则:



为什么说是公理模式呢?因为这里的都是元语言中用来代表合式公式的符号。换而言之,这个系统中有无穷多条公理。
至于推理规则,就只有一个 MP 规则:,中间的表示证明系统中的推出,并且,这里的也都是元语言中代表合式公式的符号。

这种情况下,如果我们要证明(从空集出发能够推出,即表示在系统内可证),那么我们要写出如下命题序列:

  1. (公理 1)
  2. (公理 2)
  3. (1、2,MP 规则)
  4. (公理 1)
  5. (4、3,MP 规则)

[2] 但是在语义系统中,如果我们要说明(即,是空集的语义后承,或者说,是永真的)。那么我们只需要说明,由于在 p 为真和 p 为假的情况下,根据实质蕴含算子的语义规则,当且仅当或者,我们都能得到为真。因此,我们会说这个公式是空集的语义后承。

[3] 强完全性:对于任意的公式集合,对于任意的公式,如果,那么 。强可靠性:
对于任意的公式集合,对于任意的公式,如果,那么。而弱完全性是,方式为真的公式都是可证的;弱可靠性是,凡是可证的公式都是为真的。 在有完全性和可靠性的基础上,没有必要在实际运用中区分两种推出。
-

编辑于 2013-06-12

作者:王晓宇
链接:https://www.zhihu.com/question/21191299/answer/30108436
来源:知乎
著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。

“语义后承”的后面是可以接一个命题集合的。只要后面集合中一个命题被满足就行。

下面我说下“=>”的意义。在数理逻辑中,它定义了Sequence这个概念,比如就是一个Sequence,其中前后都是有限命题集合。不过它表示一个推理过程,这个过程可能是真,可能是假,要验证一个Sequence的真伪就要用Sequence Calculus进行推导,直到推出的每一个原子命题都为真。具体的推到规则在 https://logic.rwth-aachen.de/files/MaLo-SS14/script.pdf 中的第一章(命题逻辑)和第四章(谓词逻辑),当然谓词逻辑的推导过程要复杂一些。

另外需要注意的是,这是一个语义上的推倒,只不过在谓词逻辑和命题逻辑中,语义和语法是等价的(在我发的课件中Satz 4.6中描述的完整性)。相应的,要验证一个Sequence Calculus的正确性,只能通过找对应的Interpretation。

还有一个需要强调的是在谓词逻辑上因为可能存在多中推倒可能,所以只要有一个推导出的全是原子Sequence,那么这个Sequence就是正确的。

最后总结一下,是语义上的满足(一定正确的),是语法上的满足(正确的),只是一个推导过程,正确性需要验证。

有两个世界,一个是语义世界,一个是语形世界。

前者是语义世界的推倒,后者是语形世界的推导。

举例:将语义世界理解为我们所生活的现实世界,语形世界则可以是一门描述这个现实世界的语言,例如英语,它是一个由字母和语法规则构成的形式系统,两者在个体上的对应体现为现实的苹果和单词“Apple”。

一些重要的定理正是证明这两个世界的对应性,例如,按照英语的字母和语法规则推出单词Dog,则现实世界能够推出有一个实物与其对应,这应该是完全性(记不清楚了)。

作者:杨建
链接:https://www.zhihu.com/question/21191299/answer/29954947
来源:知乎
著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。

时间: 2024-08-29 23:22:51

语义后承(semantic consequence),句法后承(syntactic consequence),实质蕴含(material implication / material conditional)的相关文章

语义分割(semantic segmentation) 常用神经网络介绍对比-FCN SegNet U-net DeconvNet,语义分割,简单来说就是给定一张图片,对图片中的每一个像素点进行分类;目标检测只有两类,目标和非目标,就是在一张图片中找到并用box标注出所有的目标.

from:https://blog.csdn.net/u012931582/article/details/70314859 2017年04月21日 14:54:10 阅读数:4369 前言 在这里,先介绍几个概念,也是图像处理当中的最常见任务. 语义分割(semantic segmentation) 目标检测(object detection) 目标识别(object recognition) 实例分割(instance segmentation) 语义分割 首先需要了解一下什么是语义分割(s

HTML5语义化

什么是HTML语义化? 语义化(semantic)就是你看到某个标签就知道它是干什么的.语义化让"显示"与"语义"分离,HTML代码负责页面干什么,而显示效果则由CSS完成.让正确的标签做正确的事情. 比如:当我们看到下面的<h1>标签时,就知道它的功能就是在页面中显示一个顶级标题. <h1>this is a top level heading</h1> 为什么要语义化? 在HTML5出来之前,我们习惯用<div>表

微信开放平台开发(1) 语义理解

关键字:微信公众平台 微信开放平台 语义理解 semantic 作者:方倍工作室 原文:http://www.cnblogs.com/txw1958/p/weixin-semantic-analysis.html 微信开放平台语义理解接口调用(http请求)简单方便,用户无需掌握语义理解及相关技术,只需根据自己的产品特点,选择相应的服务即可搭建一套智能语义服务. 第一步:创建应用 请到“管理中心”创建应用,点击“创建移动应用”或者“创建网站应用”,填写相关资料,然后将该应用提交审核,只有审核通过

论文:利用深度强化学习模型定位新物体(VISUAL SEMANTIC NAVIGATION USING SCENE PRIORS)

这是一篇被ICLR 2019 接收的论文.论文讨论了如何利用场景先验知识 (scene priors)来定位一个新场景(novel scene)中未曾见过的物体(unseen objects).举例来说,在「厨房」这一场景中,有一张图片显示「苹果」在冰箱的储物架上,同为水果的物体,如「橙子」,会出现在场景的哪个位置呢?论文提出了用基于强化学习的方法来定位「橙子」. 论文:VISUAL SEMANTIC NAVIGATION USING SCENE PRIORS 论文作者:Wei Yang , X

图像分割:Semantic/Instance/Panoramic Segmentation

一. 背景介绍 语义分割(Semantic Segmentation):对一张图片上的所有像素点进行分类,同一物体的不同实例不需要单独分割出来. 实例分割(Instance Segmentation):目标检测(比b-box更精确到边缘)和语义分割(标出同类不同个体)的结合. 全景分割(Panoramic Segmentation):语义分割和实例分割的结合,背景也要检测和分割. 图像分割是图像理解的重要基石,在自动驾驶.无人机.工业质检等应用中都有着举足轻重的地位.缺陷检测论文现在好多都是借助

为什么你的代码如此难以理解

“我到底在想什么?!?” 凌晨1:30分,我正盯着不到一个月前我写的一段代码.当时它看起来像是件艺术品,全部是可理解的,优雅.简单.让人叹为观止.这一切都不再了,明天是我的最后期限,数小时前我发现了一个bug.当时看起来的简单和逻辑再也说不通了.可以肯定的是,如果我写代码,我应该足以聪明到理解代码? 经过了多次这种经历以后,我开始认真思考,为什么我的代码在我编写的时候很清楚.而当我数周或数月后回头看的时候,它们却那么费解. 问题1,过度复杂的心智模型 为了理解当你间隔一段时间返回到你的代码.却发

为什么我看不懂你的代码

“我到底在想什么?!?” 凌晨1:30分,我正盯着不到一个月前我写的一段代码.当时它看起来像是件艺术品,全部是可理解的,优雅.简单.让人叹为观止.这一切都不再了,明天是我的最后期限,数小时前我发现了一个bug.当时看起来的简单和逻辑再也说不通了.可以肯定的是,如果我写代码,我应该足以聪明到理解代码? 经过了多次这种经历以后,我开始认真思考,为什么我的代码在我编写的时候很清楚.而当我数周或数月后回头看的时候,它们却那么费解. 问题1,过度复杂的逻辑模型 为了理解当你间隔一段时间返回到你的代码.却发

为什么你的代码如此难以理解(转)

英文原文:Why your code is so hard to understand “我到底在想什么?!?” 凌晨1:30 分,我正盯着不到一个月前我写的一段代码.当时它看起来像是件艺术品,全部是可理解的,优雅.简单.让人叹为观止.这一切都不再了,明天是我的最后期限,数小时前我发现了一个 bug.当时看起来的简单和逻辑再也说不通了.可以肯定的是,如果我写代码,我应该足以聪明到理解代码? 经过了多次这种经历以后,我开始认真思考,为什么我的代码在我编写的时候很清楚.而当我数周或数月后回头看的时候

图像处理分析与机器视觉【第一章】

第一章是引言部分,简单的做一下笔记,记录一些学习的心得体会,日后回头在复习的话也会有一些新的体会. 计算机视觉目的是是一种电子化的感知和理解图像.我们都知道人的视觉系统是十分复杂的,可以根据光照强弱,明暗颜色等各种特征对我们周围的物体加以识别和区分,但是电脑却不可以.因为图像一般是以数字矩阵的形式存在的,下图就是电脑眼中的世界和我们眼中的世界有着明显的不同.              而学习计算机视觉的目的就是帮助电脑去理解图像,全局性地去提取图像中的信息.计算机视觉技术可以分为低级和高级两种,