条件逻辑起源于哲学逻辑。Lewis [ 21 , 23 ] 首次对它们进行了研究,以形式化假设和反事实推理(如果 A 是事实,则 B ),而这些推理无法通过经典逻辑的实质含义来捕捉。从 80 年代开始,它们开始被计算机科学和人工智能所考虑,并为非单调和常识推理提供了公理基础 [ 8 , 19 ]。特别是,常识推理的优先方法 [ 19 , 20 ] 最近已扩展到描述逻辑,以处理本体中的继承异常,允许非严格形式的包含,称为典型性或可废止包含(即条件),具有不同的优先语义 [ 10 , 4 ] 和闭包构造 [6,5,13,24]。在本文中,我们考虑了最近为 EL ⊥ 系列的轻量级描述逻辑引入的“概念感知”多偏好语义 [ 15 ],它考虑了对不同概念的偏好,并将它们集成到优先语义中。为了支持这种语义的合理性,我们表明它可以用于提供自组织映射的逻辑语义 [ 18 ]。自组织映射 (SOM) 已被提议作为解释类别泛化背后的心理机制的可能候选者。它们是心理学和生物学上合理的神经网络模型,可以在有限接触正面类别示例后进行学习,而无需任何对比信息。我们表明,自组织映射中的类别泛化过程会产生一个多偏好模型,其中偏好关系与每个概念(每个学习类别)相关联,并将偏好组合成一个全局
主要关键词