语义交流、证伪、确认和贝叶斯推理的P-T概率框架
摘要：统一统计学和逻辑学，以便同时使用统计概率和逻辑概率。本文提出了P-T概率框架，该框架使用Shannon的统计概率框架、Kolmogorov的概率公理和Zadeh的隶属函数作为真值函数。通过扩展贝叶斯定理，将两种概率联系在一起，从而可以在逻辑和统计之间转换似然函数和真值函数。这个概率框架已经在作者长期研究的语义信息、统计学习和色彩视觉中得到发展。本文首次提出了P-T概率框架，并通过应用于语义信息理论来解释其中的不同概率。然后，将该框架和语义信息方法应用于统计学习、统计力学、假设评估（包括证伪）、确认和贝叶斯推理。理论应用说明了这个框架的合理性和实用性。这个框架对于可解释的人工智能有帮助。要解释神经网络，我们需要进一步研究。
作者：Chenguang Lu
论文ID：2011.00992
分类：Other Statistics
分类简称：stat.OT
提交时间：2020-11-03