概要 古典的な二値 論理は、1つ(単項)または2つ(二項)の変数に依存する少数の数学的関数 によって表現されます。二値集合では、値1は真 、値0は偽 に対応します。2値ベクトル論理では、真 (t)と偽 (f)の真理値と、2つのq 次元正規化実 数値列ベクトル s とn との間の対応関係が必要となります。したがって、次のようになります。
t ↦ s {\displaystyle t\mapsto s} そして f ↦ n {\displaystyle f\mapsto n} (どこq ≥ 2 {\displaystyle q\geq 2} は任意の自然数 であり、「正規化」とはベクトルの長さが1 であることを意味します (通常、 s とn は直交ベクトルです)。この対応関係により、ベクトルの真理値の空間V 2 = { s , n } が生成されます。このベクトルの集合を使用して定義される基本的な論理演算は、行列演算子につながります。
ベクトル論理の演算は、q 次元列ベクトル間のスカラー積に基づいています。 u T v = ⟨ u 、 v ⟩ {\displaystyle u^{T}v=\langle u,v\rangle } ベクトルs とn の間の正規直交性は、⟨ u 、 v ⟩ = 1 {\displaystyle \langle u,v\rangle =1} もしu = v {\displaystyle u=v} 、 そして⟨ u 、 v ⟩ = 0 {\displaystyle \langle u,v\rangle =0} もしu ≠ v {\displaystyle u\neq v} 、 どこu 、 v ∈ { s 、 n } {\displaystyle u,v\in \{s,n\}} 。
数値例 以下に、 s とn の2つの異なる2次元直交ベクトルセットに対して行列として実装されたいくつかの基本的な論理ゲートの数値例を示します。
セット1 :s = [ 1 0 ] n = [ 0 1 ] {\displaystyle s={\begin{bmatrix}1\\0\end{bmatrix}}\quad n={\begin{bmatrix}0\\1\end{bmatrix}}}
この場合、恒等演算子と否定演算子は、恒等行列と反対角単位行列です。
私 = [ 1 0 0 1 ] 、 N = [ 0 1 1 0 ] {\displaystyle I={\begin{bmatrix}1&0\\0&1\end{bmatrix}},\quad N={\begin{bmatrix}0&1\\1&0\end{bmatrix}}}
論理積、論理和、含意の行列は次のようになる。
C = [ 1 0 0 0 0 1 1 1 ] 、 D = [ 1 1 1 0 0 0 0 1 ] 、 L = [ 1 0 1 1 0 1 0 0 ] {\displaystyle C={\begin{bmatrix}1&0&0&0\\0&1&1&1\end{bmatrix}},\quad D={\begin{bmatrix}1&1&1&0\\0&0&0&1\end{bmatrix}},\quad L={\begin{bmatrix}1&0&1&1\\0&1&0&0\end{bmatrix}}} それぞれ。
セット2 :s = 1 2 [ 1 1 ] n = 1 2 [ 1 − 1 ] {\displaystyle s={\frac {1}{\sqrt {2}}}{\begin{bmatrix}1\\1\end{bmatrix}}\quad n={\frac {1}{\sqrt {2}}}{\begin{bmatrix}1\\-1\end{bmatrix}}}
ここで恒等演算子は単位行列ですが、否定演算子はもはや反対角単位行列ではありません 。
私 = [ 1 0 0 1 ] 、 N = [ 1 0 0 − 1 ] {\displaystyle I={\begin{bmatrix}1&0\\0&1\end{bmatrix}},\quad N={\begin{bmatrix}1&0\\0&-1\end{bmatrix}}}
論理積、論理和、含意の行列は以下のとおりです。
C = 1 2 [ 2 0 0 0 − 1 1 1 1 ] 、 D = 1 2 [ 2 0 0 0 1 1 1 − 1 ] 、 L = [ 2 0 0 0 1 1 − 1 1 ] {\displaystyle C={\frac {1}{\sqrt {2}}}{\begin{bmatrix}2&0&0&0\\-1&1&1&1\end{bmatrix}},\quad D={\frac {1}{\sqrt {2}}}{\begin{bmatrix}2&0&0&0\\1&1&1&-1\end{bmatrix}},\quad L={\begin{bmatrix}2&0&0&0\\1&1&-1&1\end{bmatrix}}} それぞれ。
ド・モルガンの法則2値論理では、論理積と論理和の演算はド・モルガンの法則を満たします。p ∧ q ≡¬ ( ¬ p ∨¬ q ) 、およびその双対であるp ∨ q ≡¬(¬ p ∧¬ q ))。2値ベクトル論理でもこの法則が成り立ちます。
C ( u ⊗ v ) = N D ( N u ⊗ N v ) {\displaystyle C(u\otimes v)=ND(Nu\otimes Nv)} ここで、u とv は2つの論理ベクトルである。クロネッカー積は、以下の因数分解を意味する。
C ( u ⊗ v ) = N D ( N ⊗ N ) ( u ⊗ v ) 。 {\displaystyle C(u\otimes v)=ND(N\otimes N)(u\otimes v).} すると、2次元ベクトル論理ではド・モルガンの法則は演算子に関する法則であるだけでなく、演算子に関する法則でもあることが証明できる。[ 6 ]
C = N D ( N ⊗ N ) {\displaystyle C=ND(N\otimes N)}
対偶の法則 古典的な命題論理では、対偶法則 p → q ≡ ¬ q → ¬ pは、 p とq の真理値のすべての可能な組み合わせに対して同値性が成り立つため証明されます。[ 7 ] 一方、ベクトル論理では、対偶法則は、以下に示すように、行列代数とクロネッカー積の規則内の等式の連鎖から生じます。
L ( u ⊗ v ) = D ( N ⊗ 私 ) ( u ⊗ v ) = D ( N u ⊗ v ) = D ( N u ⊗ N N v ) = {\displaystyle L(u\otimes v)=D(N\otimes I)(u\otimes v)=D(Nu\otimes v)=D(Nu\otimes NNv)=} D ( N N v ⊗ N u ) = D ( N ⊗ 私 ) ( N v ⊗ N u ) = L ( N v ⊗ N u ) {\displaystyle D(NNv\otimes Nu)=D(N\otimes I)(Nv\otimes Nu)=L(Nv\otimes Nu)} この結果は、選言行列D が可換演算を表すという事実に基づいている。
多値二次元論理 多値論理は、特に ヤン・ルカシェヴィチ をはじめとする多くの研究者によって開発され、不確実性を含む真理値への論理演算の拡張を可能にする。[ 8 ] 2値ベクトル論理の場合、真理値の不確実性は、確率で重み付けされたs とn を持つベクトルを使用して導入することができる。
させてf = ϵ s + δ n {\displaystyle f=\epsilon s+\delta n} 、 とϵ 、 δ ∈ [ 0 、 1 ] 、 ϵ + δ = 1 {\displaystyle \epsilon ,\delta \in [0,1],\epsilon +\delta =1} このような「確率的」ベクトルである。ここで、論理の多値性は、入力に導入される不確実性を介して事後的に導入される。 [ 1 ]
ベクトル出力のスカラー射影 この多値論理の出力はスカラー関数に射影することができ、ライヘンバッハの多値論理と類似した特定のクラスの確率論理を生成する。 [ 9 ] [ 10 ] [ 11 ] 2つのベクトルが与えられた場合u = α s + β n {\displaystyle u=\alpha s+\beta n} そしてv = α ′ s + β ′ n {\displaystyle v=\alpha 's+\beta 'n} および二項論理行列G {\displaystyle G} スカラー確率論理は、ベクトルs への射影によって提供される。
V 1 l ( s c 1 l 1 r s ) = s T G ( v e c t o r s ) {\displaystyle Val(\mathrm {scalars} )=s^{T}G(\mathrm {vectors} )} これらの予測の主な結果は以下のとおりです。
N O T ( α ) = s T N u = 1 − α {\displaystyle NOT(\alpha )=s^{T}Nu=1-\alpha } O R ( α 、 α ′ ) = s T D ( u ⊗ v ) = α + α ′ − α α ′ {\displaystyle OR(\alpha ,\alpha ')=s^{T}D(u\otimes v)=\alpha +\alpha '-\alpha \alpha '} A N D ( α 、 α ′ ) = s T C ( u ⊗ v ) = α α ′ {\displaystyle AND(\alpha ,\alpha ')=s^{T}C(u\otimes v)=\alpha \alpha '} 私 M P L ( α 、 α ′ ) = s T L ( u ⊗ v ) = 1 − α ( 1 − α ′ ) {\displaystyle IMPL(\alpha ,\alpha ')=s^{T}L(u\otimes v)=1-\alpha (1-\alpha ')} X O R ( α 、 α ′ ) = s T X ( u ⊗ v ) = α + α ′ − 2 α α ′ {\displaystyle XOR(\alpha ,\alpha ')=s^{T}X(u\otimes v)=\alpha +\alpha '-2\alpha \alpha '} 関連する否定は次のとおりです。
N O R ( α 、 α ′ ) = 1 − O R ( α 、 α ′ ) {\displaystyle NOR(\alpha ,\alpha ')=1-OR(\alpha ,\alpha ')} N A N D ( α 、 α ′ ) = 1 − A N D ( α 、 α ′ ) {\displaystyle NAND(\alpha ,\alpha ')=1-AND(\alpha ,\alpha ')} E Q U 私 ( α 、 α ′ ) = 1 − X O R ( α 、 α ′ ) {\displaystyle EQUI(\alpha ,\alpha ')=1-XOR(\alpha ,\alpha ')} スカラー値が集合 {0, 1 / 2 , 1} に属する場合、この多値スカラー論理は、多くの演算子に関して、Łukasiewicz の 3 値論理とほぼ同一です。また、単項演算子または二項演算子がこの集合に属する確率ベクトルに作用する場合、出力もこの集合の要素であることが証明されています。[ 6 ]
ブール多項式 ジョージ・ブールは、 論理演算を多項式として展開することを確立した。[ 18 ] 単項演算子(同一性 や 否定 など)の場合、ブール多項式は次のようになる。
f ( x ) = f ( 1 ) x + f ( 0 ) ( 1 − x ) {\displaystyle f(x)=f(1)x+f(0)(1-x)} 係数の異なる二進値によって、4つの異なる単項演算が生じます。恒等演算はf (1) = 1 かつf (0) = 0 で行われ、否定はf (1) = 0 かつf (0) = 1 で行われます。16個の二項演算子の場合、ブール多項式は次の形式になります。
f ( x 、 y ) = f ( 1 、 1 ) x y + f ( 1 、 0 ) x ( 1 − y ) + f ( 0 、 1 ) ( 1 − x ) y + f ( 0 、 0 ) ( 1 − x ) ( 1 − y ) {\displaystyle f(x,y)=f(1,1)xy+f(1,0)x(1-y)+f(0,1)(1-x)y+f(0,0)(1-x)(1-y)} 係数fがそれぞれの 真理値表 に示されている値をとる場合、二項演算はこの多項式形式に変換できます。例えば、NAND 演算では次の条件が必要です。
f ( 1 、 1 ) = 0 {\displaystyle f(1,1)=0} そして f ( 1 、 0 ) = f ( 0 、 1 ) = f ( 0 、 0 ) = 1 {\displaystyle f(1,0)=f(0,1)=f(0,0)=1} 。これらのブール多項式は、任意の数の変数に即座に拡張でき、多様な論理演算子を生み出すことができます。ベクトル論理では、論理演算子の行列ベクトル構造は、これらのブール多項式の線形代数の形式に正確に変換されたものであり、x と1 − xは それぞれベクトルs とnに対応します( y と1 − y についても同様です)。NANDの例では、f (1,1)= n 、f ( 1,0)= f (0,1)= f (0,0)= s となり、行列バージョンは次のようになります。
S = n ( s ⊗ s ) T + s [ ( s ⊗ n ) T + ( n ⊗ s ) T + ( n ⊗ n ) T ] {\displaystyle S=n(s\otimes s)^{T}+s[(s\otimes n)^{T}+(n\otimes s)^{T}+(n\otimes n)^{T}]}
参考文献 1 2 Mizraji, E. (1992). ベクトル論理: 論理計算の行列ベクトル表現. Fuzzy Sets and Systems, 50, 179–185 1 2 3 4 5 Mizraji, E. (2008)ベクトル論理: 基本的な論理ゲートの自然な代数的表現。Journal of Logic and Computation、18、97–121 ↑ Westphal, J. および Hardy, J. (2005) ベクトルシステムとしての論理。Journal of Logic and Computation、751-765 ↑ Westphal, J. Caulfield, HJ Hardy, J. および Qian, L.(2005) 光ベクトル論理定理証明。情報システム、フォトニクス、ネットワークおよびコンピューティング部門に関する合同会議の議事録。 ↑ Westphal, J (2010). The Application of Vector Theory to Syllogistic Logic. New Perspectives on the Square of Opposition, Bern, Peter Lang. 1 2 3 Mizraji, E. (1996) ベクトル論理の演算子. Mathematical Logic Quarterly, 42, 27–39 1 2 サップス、P. (1957) 論理学入門、ヴァン・ノストランド・ラインホールド、ニューヨーク。 ↑ Łukasiewicz, J. (1980) 厳選作品。 L. ボルコウスキー編、153 ~ 178 ページ。北オランダ、アムステルダム、1980 年 ↑ Rescher, N. (1969) 多値論理. McGraw–Hill, ニューヨーク ↑ Blanché, R. (1968) Introduction à la Logique Contemporaine、アルマン・コラン、パリ ↑ Klir, GJ 、Yuan, G. (1995) ファジィ集合とファジィ論理。Prentice–Hall、ニュージャージー↑ ヘイズ、B. (1995) NOT の平方根。アメリカン・サイエンティスト、83、304–308 ↑ Deutsch, D., Ekert, A. および Lupacchini, R. (2000) 機械、論理、および量子物理学。The Bulletin of Symbolic Logic、6、265-283。 ↑ Mizraji, E. (2020). ベクトル論理はNOTの平方根による反事実的仮想化を可能にする、Logic Journal of the IGPL。オンライン版( doi : 10.1093/jigpal/jzaa026) ↑ Copilowish, IM (1948) 関係計算の行列展開。Journal of Symbolic Logic、13、193–203 ↑ Kohonen, T. (1977) Associative Memory: A System-Theoretical Approach. Springer-Verlag, New York ↑ Mizraji, E. (1989)線形分散メモリにおける文脈依存的連想. Bulletin of Mathematical Biology, 50, 195–205 1 2 ブール、G. (1854) 『思考の法則の研究:論理学と確率論の基礎』 マクミラン、ロンドン、1854年;ドーバー、ニューヨーク、1958年再版 ↑ Dick, S. (2005) 複雑なファジー論理に向けて. IEEE Transactions on Fuzzy Systems, 15,405–414, 2005 ↑ Mittelstaedt, P. (1968) Philosophische Probleme der Modernen Physik、書誌研究所、マンハイム ↑ Stern, A. (1988) マトリックス論理:理論と応用。North-Holland、アムステルダム ↑ Jain, MK (2011) 証拠に基づく推論命題の論理、Current Science、1663–1672、100 ↑ Mizraji, E. (1994) Modalities in vector logic ( 2014年8月11日にWayback Machine に アーカイブ済み) . Notre Dame Journal of Formal Logic, 35, 272–283 ↑ Mizraji, E., Lin, J. (2002) 論理的決定のダイナミクス。Physica D、168–169、386–396 ↑ beim Graben, P., Potthast, R. (2009). Inverse problems in dynamic cognitive modeling. Chaos, 19, 015103 ↑ beim Graben, P., Pinotsis, D., Saddy, D., Potthast, R. (2008). Language processing with dynamic fields. Cogn. Neurodyn., 2, 79–88 ↑ beim Graben, P., Gerth, S., Vasishth, S.(2008) Towards dynamical system models of language-related brain potentials. Cogn. Neurodyn., 2, 229–255 ↑ beim Graben, P., Gerth, S. (2012) Geometric representations for minimalist grammars. Journal of Logic, Language and Information, 21, 393-432 . ↑ Binazzi, A.(2012)認知論理とモデル精神。 2014 年 8 月 11 日にWayback Machine に アーカイブされました。Studi sulla formazione、1 ~ 2012、ページ。 69–84 ↑ Mizraji, E. (2006) 部分と全体:単純なサブシステムの相互作用がどのように複雑性を生み出すかを考察する。International Journal of General Systems、35、pp. 395–415。 ↑ Arruti, C., Mizraji, E. (2006) 隠れた潜在能力。International Journal of General Systems, 35, 461–469. ↑ Mizraji, E. (2015)論理演算のための微分積分計算。行列ベクトルアプローチJournal of Logic and Computation 25, 613-638, 2015