首页

> 学术论文知识库

首页 学术论文知识库 问题

基于模糊逻辑应用论文参考文献

发布时间:

基于模糊逻辑应用论文参考文献

测绘工程论文参考文献

参考文献的著录格式是否规范反映作者论文写作经验和治学态度,下同时也是论文的重要构成部分,也是学术研究过程之中对于所涉及到的所有文献资料的总结与概括。以下是我精心整理的测绘工程论文参考文献,欢迎大家借鉴与参考,希望对大家有所帮助。

[1]于武盛,王守杰,吕锦有等.辽宁省地表水资源分布及成因分析[J].农业科技与装.(2):25-29

[2]李智慧,姜延辉,郁凌峰.辽宁省水资源时空分布特点及对策[J].东北水利水电.2011(11):30-34

[3]赵秀风,弓丨水隧洞洞内消能问题的研究[D]:(硕士学位论文).郑州:华北水电学院,2006.

[4]袁丹青,陈向阳,白滨等.水力机械空化空蚀问题的研究进展[J]#灌机械,(27):269-272

[5]肖富仁,苏玮,消能工的发展及其在工程中旳应用[J].水电站设计,(1):63-69.

[6]李超,管道内部锥阀水流水力特性及消能研究[D]:(硕士学位论文).西安:西安理工大学,2008.

[7]王才欢,肖兴斌,底流消能设计研究与应用现状述评[J].四川水力发电,(1):79-85.

[8]张慧丽,王爱华,张力春,底流消能及其在工程上的应用[J].黑龙江水利科技.

[9]方神光,吴保生,南水北调中线干渠闸前变水位运行方式探讨[J].水动力学研究与进展,.

[10]李冰,变水头无压输水隧洞洞内消能和稳定输水研究[D]:(硕士学位论文).郑州.华北水电学院,.

[11]武汉水利电力学院水力学教研室.水力计算手册[M].水利出版社,1980.

[12]SL20~92.水工建筑物测流规范[S].中国:水利电力出版社,1992.

[13]赵昕,赵明登等,水力学[M],北京:中国电力出版社,2009.

[14]刘亚坤等.水力学[M],北京:中国水利水电出版社,2008.

[15]李桂芬.水工水力学研究进展与展望[J].中国水利水电科学研究院学报,(3):183-189

[16]左东启等.模型试验的理论和方法[M],北京:水利电力出版社,1988.

[17]SL155—95.水工(常规)模型试验规程[S].中国:水利水电出版社,1995.

[18]中国水利水电科学研究院,水工(专题)模型试验规范(SL156~165-95)[M],水利水电出版社.

[19]电力部水利部水利水电规划设计总院、华北水利水电学院北京研究生部陈肇和等人翻译,泄水建筑物水力计算手册[M],.

[20]刘士和.高速水流[M].北京:科学出版社,2005.

[21]水利水电科学研究院,南京水利科学研究院编,水工模型试验(第二版)[D],水利出版社,1985.

[1]黄杏元,马劲松,汤勤.地理信息系统概论[M].修订版.北京:高等教育出版社,1990:165-171.

[2]《第二次全国土地调查技术规程》,TD/T1014-2007.北京,中华人民共和国国土资源部,2007.

[3]陈泽民.中国矢量数据交换格式的应用研究[J].武汉大学学报信息科学版,2004,29(5):451-455.

[4]吴文新,史文中.地理信息系统原理与算法[M].北京:科学出版社,2003,28-29.

[5]Kang-tsungChang著,陈建飞等译.地理信息系统导论[M].北京:科学出版社,2003,43-44.

[6]唐原彬,张丰,刘仁义.一种维护线状地物基本单元属性逻辑一致性的平差方法[J].武汉大学学报信息科学版,2011,36(7):853-856.

[7]黄杏元,汤勤.地理信息系统概论[M].北京:高等教育出版社,1990:130-133.

[8]陈先伟,郭仁忠,闫浩文.土地利用数据库综合中图斑拓扑关系的创建和一致性维护[J].武汉大学报信息科学版,2005,30(4):370-373.

[9]毋河海.关于GIS中缓冲区的建立问题[J].武汉测绘科技大学学报[J].1997,22(4):358-364.

[10]张国辉,胡闻达,李慧智.基于GDI+的缓冲区建立及边界描述方法[J].测绘科学技术学报,2010,27(3):292-232.

[11]冯花平,连文娟,卢新明.求缓冲区算法[J].山东大学学报自然科学版,2005,24(3):57-59.

[12]张欣,陈国雄,钟耳顺.优化栅格细化算法的`线状地物提取[J].地球信息科学,2007,9(3):25-27.

[13]潘瑜春,钟耳顺,刘巧芹.土地资源数据库中线状地物面积扣除技术研究[J].资源科学,2001,24(6):12-17.

[14]唐原彬,张丰,刘仁义.一种维护线状地物基本单元属性逻辑一致性的平差方法[J].武汉大学学报·信息科学版,2011,36(7):853-856.

[15]尹为华,刘盛庆.ARCGIS在地类面积统计中的应用[J].科技资讯,2012:29.

[16]刘洪江,曹玉香.基于ArcGIS实现地类图斑净面积的计算[J].城市勘测,2012(10)114-116.

[17]边馥苓.地理信息系统原理和方法[M].北京:测绘出版社,1996.

[18]任娜,张道军.基于空间推理及语义的图斑扣除线状地物面积关键算法及其在土地调查建库中的应用[J].安徽农业科学,39(35):22013-22016.

[19]计长飞.土地利用现状图的矢量化方法研究[J].测绘与空间地理信息,2011,34(4):159-163.

[20]马欣,吴绍洪,康相武.线状地物的区域影响模型及其在综合评价中的应用[J].地理科学进展,2007,26(1):87-94.

[1]韩绍伟.GPS组合观测值理论及应用.测绘学报,1995,21(2):8-13.

[2]常青等.GPS载波相位组合观测值理论研究.航空学报,1998,5(19):614-616.

[3]王泽民,柳景斌.Galileo卫星定位系统相位组合观测值的模型研究[J].武汉大学学报(信息科学版),2003,28(6):723-727.

[4]申俊飞,何海波,郭海荣,王爱兵.三频观测量线性组合在北斗导航中的应用[J].全球定位系统,2012,37(6):690-695.

[5]中国卫星导航系统管理办公室.北斗卫星导航系统发展报告(版)[R].2013,12:3-6.

[6]邢喆,王泽明,伍岳.利用模糊聚类方法筛选GPS载波相位组合观测值[J].武汉大学学报(信息科学版),2006,31(1):23-26.

[7]黄令勇,宋力杰,刘先冬.基于自适应聚类算法的GPS三频载波相位组合观测值优化选取[J].大地测量与地球动力学,2011,31(4):99-102.

[8]高新波.模糊聚类分析及其应用[M].西安:西安电子科技大学出版社,2003.

[9]李征航,黄劲松.GPS测量与数据处理[M].武汉大学出版社,2008.

[10]熊伟,伍岳,孙振冰,王泽民.多频数据组合在周跳探测和修复上的应用[J].武汉大学学报(信息科学版),2007,32(4):319-322.

[11]伍岳.第二代导航卫星系统多频数据处理理论及应用[D].武汉大学,2005.

[12]楼晓俊,李隽颖,刘海涛.距离修正的模糊C均值聚类算法[J].计算机应用,2012,32(3):646-648.

[13]徐军,陶庭叶,高飞.GLONASS三种载波频率组合值研究[J].大地测量与地球动力学,2013,33(1):86-89.

[14]陶庭叶,高飞,李晓莉.一种高精度GPS卫星钟差预报方法[J].中国空间科学技术,2013-4:56-61.

[15]何伟,陶庭叶,王志平.基于改进FCM的北斗三频组合观测值选取[J].中国空间科学技术(已录用).

[16]何伟,李明,阚起源.抗差加权非等时距GM(1,1)模型在大型建筑物沉降预测中的应用[J].测绘工程,2014-3,34-37.

[17]徐军,陶庭叶,高飞,张京奎.基于GLONASS三频组合观测值的周跳探测与修复[J].大地测量与地球动力学,2013,33(6):45-49.

[18]罗腾,白征东,过静珺.两种周跳探测方法在北斗三频中的应用比较研究[J].测绘通报,2011(4):1-3.

[19]范建军,王飞雪,郭桂蓉.GPS三频非差观测数据周跳的自动探测与改正研究[J].测绘科学,2006,31(5):24-26.

[20]刘旭春,伍岳,黄学斌等.多频组合数据在原始载波观测值预处理中的应用[J].测绘通报,2007(2):14-17.

[21]梁开龙,张玉册.现代化GPS信号的宽巷组合及其求解模糊度研究.测绘通报,2002年第4期:l-3

[22]张成军,许其凤,李作虎.对伪距/相位组合量探测与修复周跳算法的改进[J].测绘学报,2009,38(4):402-407.

[23]刘旭春,伍岳,张正禄.GPS三频数据在周跳和粗差探测与修复中的应用[J].煤炭学报,2006,31(5):334-339.

[24]王帅,高井祥.利用三频组合观测值进行GPS周跳探测与修复[J].测绘科学,2012,37(5):40-42.

模糊逻辑可以用于控制家用电器比如洗衣机(它感知装载量和清洁剂浓度并据此调整它们的洗涤周期)和空调。基本的应用可以特征化为连续变量的子范围(subranges),形状常常是三角形或梯形。例如,防锁刹车的温度测量可以有正确控制刹车所需要的定义特定温度范围的多个独立的成员关系函数(归属函数 / Membership function)。每个函数映射相同的温度到在 0 至 1 范围内的一个真值且为非凹函数(non-concave functions)(否则可能在某部分温度越高却被归类为越冷)。接着这些真值可以用于确定应当怎样控制刹车。在右图中,冷、暖和热是映射温度范围的函数。在这个刻度上的一个点有三个真值 — 每个函数一个。对于展示的特定的温度,这三个真值可以被解释为把温度描述为,相当冷, 有些暖 和 不热。通常情况会采用梯形,但在作模糊回归分析时则会选用三角形的归属函数。模糊逻辑通常使用 IF/THEN 规则,或构造等价的东西比如模糊关联矩阵。规则通常表达为如下形式:IF 模糊变量 IS模糊集合THEN动作例如,一个非常简单的使用风扇的温度调节器:IF 温度 IS 非常冷 THEN 停止风扇IF 温度 IS 冷 THEN 减速风扇IF 温度 IS 正常 THEN 保持现有水平IF 温度 IS 热 THEN 加速风扇注意没有 ELSE。所有规则都被求值,因为温度在不同程度上可以同时是冷和正常。在模糊逻辑中存在着布尔逻辑的 AND、OR 和 NOT运算符,它们通常定义为最小、最大和求补;在以这种方式定义它们的时候,它们叫做Zadeh 运算符,因为它们是在 Zadeh 最初论文中首次定义的。对于模糊变量 x 和 y:NOT x = (1 - truth(x))x AND y = minimum(truth(x), truth(y))x OR y = maximum(truth(x), truth(y))还可以应用叫做hedges的更贴近自然语言其他的运算符。一般性的副词如非常或有点能使用数学公式修改集合的内涵。

人工智能与现今逻辑学的发展-.〔摘要〕 本文认为,计算机科学和人工智能将是21世纪逻辑学发展的主要动力源泉,并且在很大程度上将决定21世纪逻辑学的面貌。至少在21世纪早期,逻辑学将重点关注下列论题:(1)如何在逻辑中处理常识推理的弗协调、非单调和容错性因素?(2)如何使机器人具有人的创造性智能,如从经验证据中建立用于指导以后行动的可错的归纳判断?(3)如何进行知识表示和知识推理,特别是基于已有的知识库以及各认知主体相互之间的知识而进行的推理?(4)如何结合各种语境因素进行自然语言理解和推理,使智能机器人能够用人的自然语言与人进行成功的交际?等等。 〔关键词〕 人工智能,常识推理,归纳逻辑,广义内涵逻辑,认知逻辑,自然语言逻辑 现代逻辑创始于19世纪末叶和20世纪早期,其发展动力主要来自于数学中的公理化运动。当时的数学家们试图即从少数公理根据明确给出的演绎规则推导出其他的数学定理,从而把整个数学构造成为一个严格的演绎大厦,然后用某种程序和方法一劳永逸地证明数学体系的可靠性。为此需要发明和锻造严格、精确、适用的逻辑工具。这是现代逻辑诞生的主要动力。由此造成的后果就是20世纪逻辑研究的严重数学化,其表现在于:一是逻辑专注于在数学的形式化过程中提出的问题;二是逻辑采纳了数学的方法论,从事逻辑研究就意味着象数学那样用严格的形式证明去解决问题。由此发展出来的逻辑被恰当地称为“数理逻辑”,它增强了逻辑研究的深度,使逻辑学的发展继古希腊逻辑、欧洲中世纪逻辑之后进入第三个高峰期,并且对整个现代科学特别是数学、哲学、语言学和计算机科学产生了非常重要的影响。 本文所要探讨的问题是:21世纪逻辑发展的主要动力将来自何处?大致说来将如何发展?我个人的看法是:计算机科学和人工智能将至少是21世纪早期逻辑学发展的主要动力源泉,并将由此决定21世纪逻辑学的另一幅面貌。由于人工智能要模拟人的智能,它的难点不在于人脑所进行的各种必然性推理(这一点在20世纪基本上已经做到了,如用计算机去进行高难度和高强度的数学证明,“深蓝”通过高速、大量的计算去与世界冠军下棋),而是最能体现人的智能特征的能动性、创造性思维,这种思维活动中包括学习、抉择、尝试、修正、推理诸因素,例如选择性地搜集相关的经验证据,在不充分信息的基础上作出尝试性的判断或抉择,不断根据环境反馈调整、修正自己的行为,……由此达到实践的成功。于是,逻辑学将不得不比较全面地研究人的思维活动,并着重研究人的思维中最能体现其能动性特征的各种不确定性推理,由此发展出的逻辑理论也将具有更强的可应用性。 实际上,在20世纪中后期,就已经开始了现代逻辑与人工智能(记为AI)之间的相互融合和渗透。例如,哲学逻辑所研究的许多课题在理论计算机和人工智能中具有重要的应用价值。AI从认知心理学、社会科学以及决策科学中获得了许多资源,但逻辑(包括哲学逻辑)在AI中发挥了特别突出的作用。某些原因促使哲学逻辑家去发展关于非数学推理 的理论;基于几乎同样的理由,AI研究者也在进行类似的探索,这两方面的研究正在相互接近、相互借鉴,甚至在逐渐融合在一起。例如,AI特别关心下述课题: ·效率和资源有限的推理; ·感知; ·做计划和计划再认; ·关于他人的知识和信念的推理; ·各认知主体之间相互的知识; ·自然语言理解; ·知识表示; ·常识的精确处理; ·对不确定性的处理,容错推理; ·关于时间和因果性的推理; ·解释或说明; ·对归纳概括以及概念的学习。[①] 21世纪的逻辑学也应该关注这些问题,并对之进行研究。为了做到这一点,逻辑学家们有必要熟悉AI的要求及其相关进展,使其研究成果在AI中具有可应用性。 我认为,至少是21世纪早期,逻辑学将会重点关注下述几个领域,并且有可能在这些领域出现具有重大意义的成果:(1)如何在逻辑中处理常识推理中的弗协调、非单调和容错性因素?(2)如何使机器人具有人的创造性智能,如从经验证据中建立用于指导以后行动的归纳判断?(3)如何进行知识表示和知识推理,特别是基于已有的知识库以及各认知主体相互之间的知识而进行的推理?(4)如何结合各种语境因素进行自然语言理解和推理,使智能机器人能够用人的自然语言与人进行成功的交际?等等。 1.常识推理中的某些弗协调、非单调和容错性因素 AI研究的一个目标就是用机器智能模拟人的智能,它选择各种能反映人的智能特征的问题进行实践,希望能做出各种具有智能特征的软件系统。AI研究基于计算途径,因此要建立具有可操作性的符号模型。一般而言,AI关于智能系统的符号模型可描述为:由一个知识载体(称为知识库KB)和一组加载在KB上的足以产生智能行为的过程(称为问题求解器PS)构成。经过20世纪70年代包括专家系统的发展,AI研究者逐步取得共识,认识到知识在智能系统中力量,即一般的智能系统事实上是一种基于知识的系统,而知识包括专门性知识和常识性知识,前者亦可看做是某一领域内专家的常识。于是,常识问题就成为AI研究的一个核心问题,它包括两个方面:常识表示和常识推理,即如何在人工智能中清晰地表示人类的常识,并运用这些常识去进行符合人类行为的推理。显然,如此建立的常识知识库可能包含矛盾,是不协调的,但这种矛盾或不协调应不至于影响到进行合理的推理行为;常识推理还是一种非单调推理,即人们基于不完全的信息推出某些结论,当人们得到更完全的信息后,可以改变甚至收回原来的结论;常识推理也是一种可能出错的不精确的推理模式,是在容许有错误知识的情况下进行的推理,简称容错推理。而经典逻辑拒斥任何矛盾,容许从矛盾推出一切命题;并且它是单调的,即承认如下的推理模式:如果p?r,则pùq?r;或者说,任一理论的定理属于该理论之任一扩张的定理集。因此,在处理常识表示和常识推理时,经典逻辑应该受到限制和修正,并发展出某些非经典的逻辑,如次协调逻辑、非单调逻辑、容错推理等。有人指出,常识推理的逻辑是次协调逻辑和非单调逻辑的某种结合物,而后者又可看做是对容错推理的简单且基本的情形的一种形式化。[②] “次协调逻辑”(Paraconsistent Logic)是由普里斯特、达·科斯塔等人在对悖论的研究中发展出来的,其基本想法是:当在一个理论中发现难以克服的矛盾或悖论时,与其徒劳地想尽各种办法去排除 或防范它们,不如干脆让它们留在理论体系内,但把它们“圈禁”起来,不让它们任意扩散,以免使我们所创立或研究的理论成为“不足道”的。于是,在次协调逻辑中,能够容纳有意义、有价值的“真矛盾”,但这些矛盾并不能使系统推出一切,导致自毁。因此,这一新逻辑具有一种次于经典逻辑但又远远高于完全不协调系统的协调性。次协调逻辑家们认为,如果在一理论T中,一语句A及其否定?A都是定理,则T是不协调的;否则,称T是协调的。如果T所使用的逻辑含有从互相否定的两公式可推出一切公式的规则或推理,则不协调的T也是不足道的(trivial)。因此,通常以经典逻辑为基础的理论,如果它是不协调的,那它一定也是不足道的。这一现象表明,经典逻辑虽可用于研究协调的理论,但不适用于研究不协调但又足道的理论。达·科斯塔在20世纪60年代构造了一系列次协调逻辑系统Cn(1≤n≤w),以用作不协调而又足道的理论的逻辑工具。对次协调逻辑系统Cn的特征性描述包括下述命题:(i)矛盾律?(Aù?A)不普遍有效;(ii)从两个相互否定的公式A和?A推不出任意公式;即是说,矛盾不会在系统中任意扩散,矛盾不等于灾难。(iii)应当容纳与(i)和(ii)相容的大多数经典逻辑的推理模式和规则。这里,(i)和(ii)表明了对矛盾的一种相对宽容的态度,(iii)则表明次协调逻辑对于经典逻辑仍有一定的继承性。 在任一次协调逻辑系统Cn(1≤n≤w)中,下述经典逻辑的定理或推理模式都不成立: ?(Aù?A) Aù?A→B A→(?A→B) (AA)→B (AA)→?B A→A (?Aù(AúB))→B (A→B)→(?B→?A) 若以C0为经典逻辑,则系列C0, C1, C2,… Cn,… Cw使得对任正整数i有Ci弱于Ci-1,Cw是这系列中最弱的演算。已经为Cn设计出了合适的语义学,并已经证明Cn相对于此种语义是可靠的和完全的,并且次协调命题逻辑系统Cn还是可判定的。现在,已经有人把次协调逻辑扩展到模态逻辑、时态逻辑、道义逻辑、多值逻辑、集合论等领域的研究中,发展了这些领域内的次协调理论。显然,次协调逻辑将会得到更进一步的发展。[③] 非单调逻辑是关于非单调推理的逻辑,它的研究开始于20世纪80年代。1980年,D·麦克多莫特和J·多伊尔初步尝试着系统发展一种关于非单调推理的逻辑。他们在经典谓词演算中引入一个算子M,表示某种“一致性”断言,并将其看做是模态概念,通过一定程序把模态逻辑系统T、S4和S5翻译成非单调逻辑。B·摩尔的论文《非单调逻辑的语义思考》(1983)据认为在非单调逻辑方面作出了令人注目的贡献。他在“缺省推理”和“自动认知推理”之间做了区分,并把前者看作是在没有任何相反信息和缺少证据的条件下进行推理的过程,这种推理的特征是试探性的:根据新信息,它们很可能会被撤消。自动认知推理则不是这种类型,它是与人们自身的信念或知识相关的推理,可用它模拟一个理想的具有信念的有理性的代理人的推理。对于在计算机和人工智能中获得成功的应用而言,非单调逻辑尚需进一步发展。 2.归纳以及其他不确定性推理 人类智能的本质特征和最高表现是创造。在人类创造的过程中,具有必然性的演绎推理固然起重要作用,但更为重要的是具有某种不确定性的归纳、类比推理以及模糊推理等。因此,计算机要成功地模拟人的智能,真正体现出人的智能品质,就必须对各种具有不确定性的推理模式进行研究。 首先是对归纳推理和归纳逻辑的研究。这里所说的“归纳推理”是广义的,指一切扩展性推理,它们的结论所断定的超出了其前提所断定的范围,因而前提的真无法保证结论的真,整个推理因此缺乏必然性。具体说来,这种意义的“归纳”包括下述内容:简单枚举法;排除归纳法,指这样一些操作:预先通过观察或实验列出被研究现象的可能的原因,然后有选择地安排某些事例或实验,根据某些标准排除不相干假设,最后得到比较可靠的结论;统计概括:从关于有穷数目样本的构成的知识到关于未知总体分布构成的结论的推理;类比论证和假说演绎法,等等。尽管休谟提出着名的“归纳问题”,对归纳推理的合理性和归纳逻辑的可能性提出了深刻的质疑,但我认为,(1)归纳是在茫茫宇宙中生存的人类必须采取也只能采取的认知策略,对于人类来说具有实践的必然性。(2)人类有理由从经验的重复中建立某种确实性和规律性,其依据就是确信宇宙中存在某种类似于自然齐一律和客观因果律之类的东西。这一确信是合理的,而用纯逻辑的理由去怀疑一个关于世界的事实性断言则是不合理的,除非这个断言是逻辑矛盾。(3)人类有可能建立起局部合理的归纳逻辑和归纳方法论。并且,归纳逻辑的这种可能性正在计算机科学和人工智能的研究推动下慢慢地演变成现实。恩格斯早就指出,“社会一旦有技术上的需要,则这种需要比十所大学更能把科学推向前进。”[④] 有人通过指责现有的归纳逻辑不成熟,得出“归纳逻辑不可能”的结论,他们的推理本身与归纳推理一样,不具有演绎的必然性。(4)人类实践的成功在一定程度上证明了相应的经验知识的真理性,也就在一定程度上证明了归纳逻辑和归纳方法论的力量。毋庸否认,归纳逻辑目前还很不成熟。有的学者指出,为了在机器的智能模拟中克服对归纳模拟的困难而有所突破,应该将归纳逻辑等有关的基础理论研究与机器学习、不确定推理和神经网络学习模型与归纳学习中已有的成果结合起来。只有这样,才能在已有的归纳学习成果上,在机器归纳和机器发现上取得新的突破和进展。[⑤] 这是一个极有价值且极富挑战性的课题,无疑在21世纪将得到重视并取得进展。 再谈模糊逻辑。现实世界中充满了模糊现象,这些现象反映到人的思维中形成了模糊概念和模糊命题,如“矮个子”、“美人”、“甲地在乙地附近”、“他很年轻”等。研究模糊概念、模糊命题和模糊推理的逻辑理论叫做“模糊逻辑”。对它的研究始于20世纪20年代,其代表性人物是L·A·查德和P·N·马林诺斯。模糊逻辑为精确逻辑(二值逻辑)解决不了的问题提供了解决的可能,它目前在医疗诊断、故障检测、气象预报、自动控制以及人工智能研究中获得重要应用。显然,它在21世纪将继续得到更大的发展。 3.广义内涵逻辑 经典逻辑只是对命题联结词、个体词、谓词、量词和等词进行了研究,但在自然语言中,除了这些语言成分之外,显然还存在许多其他的语言成分,如各种各样的副词,包括模态词“必然”、“可能”和“不可能” 、时态词“过去”、“现在”和“未来”、道义词“应该”、“允许”、“禁止”等等,以及各种认知动词,如“思考”、“希望”、“相信”、“判断”、“猜测”、“考虑”、“怀疑”,这些认知动词在逻辑和哲学文献中被叫做“命题态度词”。对这些副词以及命题态度词的逻辑研究可以归类为“广义内涵逻辑”。 大多数副词以及几乎所有命题态度词都是内涵性的,造成内涵语境,后者与外延语境构成对照。外延语境又叫透明语境,是经典逻辑的组合性原则、等值置换规则、同一性替换规则在其中适用的语境;内涵语境又称晦暗语境,是上述规则在其中不适用的语境。相应于外延语境和内涵语境的区别,一切语言表达式(包括自然语言的名词、动词、形容词直至语句)都可以区分为外延性的和内涵性的,前者是提供外延语境的表达式,后者是提供内涵性语境的表达式。例如,杀死、见到、拥抱、吻、砍、踢、打、与…下棋等都是外延性表达式,而知道、相信、认识、必然、可能、允许、禁止、过去、现在、未来等都是内涵性表达式。 在内涵语境中会出现一些复杂的情况。首先,对于个体词项来说,关键性的东西是我们不仅必须考虑它们在现实世界中的外延,而且要考虑它们在其他可能世界中的外延。例如,由于“必然”是内涵性表达式,它提供内涵语境,因而下述推理是非有效的: 晨星必然是晨星, 晨星就是暮星, 所以,晨星必然是暮星。 这是因为:这个推理只考虑到“晨星”和“暮星”在现实世界中的外延,并没有考虑到它们在每一个可能世界中的外延,我们完全可以设想一个可能世界,在其中“晨星”的外延不同于“暮星”的外延。因此,我们就不能利用同一性替换规则,由该推理的前提得出它的结论:“晨星必然是暮星”。其次,在内涵语境中,语言表达式不再以通常是它们的外延的东西作为外延,而以通常是它们的内涵的东西作为外延。以“达尔文相信人是从猿猴进化而来的”这个语句为例。这里,达尔文所相信的是“人是从猿猴进化而来的”所表达的思想,而不是它所指称的真值,于是在这种情况下,“人是从猿猴进化而来的”所表达的思想(命题)就构成它的外延。再次,在内涵语境中,虽然适用于外延的函项性原则不再成立,但并不是非要抛弃不可,可以把它改述为新的形式:一复合表达式的外延是它出现于外延语境中的部分表达式的外延加上出现于内涵语境中的部分表达式的内涵的函项。这个新的组合性或函项性原则在内涵逻辑中成立。 一般而言,一个好的内涵逻辑至少应满足两个条件:(i)它必须能够处理外延逻辑所能处理的问题;(ii)它还必须能够处理外延逻辑所不能处理的难题。这就是说,它既不能与外延逻辑相矛盾,又要克服外延逻辑的局限。这样的内涵逻辑目前正在发展中,并且已有初步轮廓。从术语上说,内涵逻辑除需要真、假、语句真值的同一和不同、集合或类、谓词的同范围或不同范围等外延逻辑的术语之外,还需要同义、内涵的同一和差异、命题、属性或概念这样一些术语。广而言之,可以把内涵逻辑看作是关于象“必然”、“可能”、“知道”、“相信”,“允许”、“禁止”等提供内涵语境的语句算子的一般逻辑。在这种广义之下,模态逻辑、时态逻辑、道义逻辑、认知逻辑、问题逻辑等都是内涵逻辑。不过,还有一种狭义的内涵逻辑,它可以粗略定义一个内涵逻辑是一个形式语言,其中包括(1)谓词逻辑的算子、量词和变元,这里的谓词逻辑不必局限于一阶谓词逻辑,也可以是高阶谓词逻辑;(2)合式的λ—表达式,例如(λx)A,这里A是任一类型的表达式,x是任一类型的变元,(λx)A本身是一函项,它把变元x在其中取值的那种类型的对象映射到A所属的那种类型上;(3)其他需要的模态的或内涵的算子,例如�,ù、ú。而一个内涵逻辑的解释,则由下列要素组成:(1)一个可能世界的非空集W;(2)一个可能个体的非空集D;(3)一个赋值,它给系统内的表达式指派它们在每w∈W中的外延。对于任一的解释Q和任一的世界w∈W,判定内涵逻辑系统中的任一表达式X相对于解释Q在w∈W中的外延总是可能的。这样的内涵逻辑系统有丘奇的LSD系统,R·蒙塔古的IL系统,以及E·N·扎尔塔的FIL系统等。[⑥] 在各种内涵逻辑中,认识论逻辑(epistemic logic)具有重要意义。它有广义和狭义之分。广义的认识论逻辑研究与感知(perception)、知道、相信、断定、理解、怀疑、问题和回答等相关的逻辑问题,包括问题逻辑、知道逻辑、相信逻辑、断定逻辑等;狭义的认识论逻辑仅指知道和相信的逻辑,简称“认知逻辑”。冯·赖特在1951年提出了对“认知模态”的逻辑分析,这对建立认知逻辑具有极大的启发作用。J·麦金西首先给出了一个关于“知道”的模态逻辑。A·帕普于1957年建立了一个基于6条规则的相信逻辑系统。J·亨迪卡于60年代出版的《知识和信念》一书是认知逻辑史上的重要着作,其中提出了一些认知逻辑的系统,并为其建立了基于“模型集”的语义学,后者是可能世界语义学的先导之一。当今的认知逻辑纷繁复杂,既不成熟也面临许多难题。由于认知逻辑涉及认识论、心理学、语言学、计算机科学和人工智能等诸多领域,并且认知逻辑的应用技术,又称关于知识的推理技术,正在成为计算机科学和人工智能的重要分支之一,因此认知逻辑在20世纪中后期成为国际逻辑学界的一个热门研究方向。这一状况在21世纪将得到继续并进一步强化,在这方面有可能出现突破性的重要结果。 4.对自然语言的逻辑研究 对自然语言的逻辑研究有来自几个不同领域的推动力。首先是计算机和人工智能的研究,人机对话和通讯、计算机的自然语言理解、知识表示和知识推理等课题,都需要对自然语言进行精细的逻辑分析,并且这种分析不能仅停留在句法层面,而且要深入到语义层面。其次是哲学特别是语言哲学,在20世纪哲学家们对语言表达式的意义问题倾注了异乎寻常的精力,发展了各种各样的意义理论,如观念论、指称论、使用论、言语行为理论、真值条件论等等,以致有人说,关注意义成了20世纪哲学家的职业病。再次是语言学自身发展的需要,例如在研究自然语言的意义问题时,不能仅仅停留在脱离语境的抽象研究上面,而要结合使用语言的特定环境去研究,这导致了语义学、语用学、新修辞学等等发展。各个方面发展的成果可以总称为“自然语言逻辑”,它力图综合后期维特根斯坦提倡的使用论 ,J·L·奥斯汀、J·L·塞尔等人发展的言语行为理论,以及P·格赖斯所创立的会话含义学说等成果,透过自然语言的指谓性和交际性去研究自然语言中的推理。 自然语言具有表达和交际两种职能,其中交际职能是自然语言最重要的职能,是它的生命力之所在。而言语交际总是在一定的语言环境(简称语境)中进行的,语境有广义和狭义之分。狭义的语境仅指一个语词、一个句子出现的上下文。广义的语境除了上下文之外,还包括该语词或语句出现的整个社会历史条件,如该语词或语句出现的时间、地点、条件、讲话的人(作者)、听话的人(读者)以及交际双方所共同具有的背景知识,这里的背景知识包括交际双方共同的信念和心理习惯,以及共同的知识和假定等等。这些语境因素对于自然语言的表达式(语词、语句)的意义有着极其重要的影响,这具体表现在:(i)语境具有消除自然语言语词的多义性、歧义性和模糊性的能力,具有严格规定语言表达式意义的能力。(ii)自然语言的句子常常包含指示代词、人称代词、时间副词等,要弄清楚这些句子的意义和内容,就要弄清楚这句话是谁说的、对谁说的、什么时候说的、什么地点说的、针对什么说的,等等,这只有在一定的语境中才能进行。依赖语境的其他类型的语句还有:包含着象“有些”和“每一个”这类量化表达式的句子的意义取决于依语境而定的论域,包含着象“大的”、“冷的”这类形容词的句子的意义取决于依语境而定的相比较的对象类;模态语句和条件语句的意义取决于因语境而变化的语义决定因素,如此等等。(iii)语言表达式的意义在语境中会出现一些重要的变化,以至偏离它通常所具有的意义(抽象意义),而产生一种新的意义即语用涵义。有人认为,一个语言表达式在它的具体语境中的意义,才是它的完全的真正的意义,一旦脱离开语境,它就只具有抽象的意义。语言的抽象意义和它的具体意义的关系,正象解剖了的死人肢体与活人肢体的关系一样。逻辑应该去研究、理解、把握自然语言的具体意义,当然不是去研究某一个(或一组)特定的语句在某个特定语境中唯一无二的意义,而是专门研究确定自然语言具体意义的普遍原则。[⑦] 美国语言学家保罗·格赖斯把语言表达式在一定的交际语境中产生的一种不同于字面意义的特殊涵义,叫做“语用涵义”、“会话涵义”或“隐涵”(implicature),并于1975年提出了一组“交际合作原则”,包括一个总则和四组准则。总则的内容是:在你参与会话时,你要依据你所参与的谈话交流的公认目的或方向,使你的会话贡献符合这种需要。仿照康德把范畴区分为量、质、关系和方式四类,格赖斯提出了如下四组准则: (1)数量准则:在交际过程中给出的信息量要适中。 a.给出所要求的信息量; b.给出的信息量不要多于所要求的信息量。 (2)质量准则:力求讲真话。 a.不说你认为假的东西。 b.不说你缺少适当证据的东西。 (3)关联准则:说话要与已定的交际目的相关联。 (4)方式准则:说话要意思明确,表达清晰。 a.避免晦涩生僻的表达方式; b.避免有歧义的表达方式; c.说话要简洁; d.说话要有顺序性。[⑧] 后来对这些原则提出了不少修正和补充,例如有人还提出了交际过程中所要遵守的“礼貌原则”。只要把交际双方遵守交际合作原则之类的语用规则作为基本前提,这些原则就可以用来确定和把握自然语言的具体意义(语用涵义)。实际上,一个语句p的语用涵义,就是听话人在具体语境中根据语用规则由p得到的那个或那些语句。更具体地说,从说话人S说的话语p推出语用涵义q的一般过程是: (i)S说了p; (ii)没有理由认为S不遵守准则,或至少S会遵守总的合作原则; (iii)S说了p而又要遵守准则或总的合作原则,S必定想表达q; (iv)S必然知道,谈话双方都清楚:如果S是合作的,必须假设q; (v)S无法阻止听话人H考虑q; (vi)因此,S意图让H考虑q,并在说p时意味着q。 试举二例: (1)a站在熄火的汽车旁,b向a走来。a说:“我没有汽油了。”b说:“前面拐角处有一个修车铺。”这里a与b谈话的目的是:a想得到汽油。根据关系准则,b说这句话是与a想得到汽油相关的,由此可知:b说这句话时隐涵着:“前面的修车铺还在营业并且卖汽油。” (2)某教授写信推荐他的学生任某项哲学方面的工作,信中写到:“亲爱的先生:我的学生c的英语很好,并且准时上我的课。”根据量的准则,应该提供所需要的信息量;作为教授,他对自己的学生的情况显然十分熟悉,也可以提供所需要的信息量,但他有意违反量的准则,在信中只用一句话来介绍学生的情况,任用人一旦接到这封信,自然明白:教授认为c不宜从事这项哲学工作。 并且,语用涵义还具有如下5个特点:(i)可取消性:在给原话语附加上某些话语之后,它原有的语用涵义可被取消。在例(1)中,若b在说“前面拐角处有一个修车铺”之后又补上一句:“不过它这时已经关门了”,则原有的语用涵义“你可从那里得到汽油”就被取消了。(ii)不可分离性:如果某话语在特定的语境中产生了语用涵义,则无论采用什么样的同义结构,该含义始终存在,因为它所依附的是话语的内容,而不是话语的形式。(iii)可推导性,前面已说明这一点。(iv)非规约性:语用涵义不能单独从话语本身推出来,除要考虑交际合作原则之类的语用规则之外,也需要假定通常的逻辑推理规则,并需要把上文语句、交际双方所共有的背景知识作为附加前提考虑在内。(v)不确定性:同一句话语在不同的语境中可以产生不同的语用涵义。显然,确定某个话语的语用涵义是一个极其复杂的过程,需要综合和分析、归纳和演绎的统一应用,因此具有一定的或然性。研究如何迅速有效地把握自然语言表达式在具体语境中的语用涵义,这正是自然语言逻辑所要完成的任务之一,它将在21世纪取得进展。

应用心理学论文逻辑

自述主要包括选题的背景、选题的意义;该课题已经被研究的情况;本研究的假设(预期的到什么样的结论);拟采用的研究方法;本研究的创新点。

1、自己为什么选择这个课题? 2、研究这个课题的意义和目的是什么?3、全文的基本框架、基本结构是如何安排的?4、全文的各部分之间逻辑关系如何?5、在研究本课题的过程中,发现了那些不同见解?对这些不同的意见,自己是怎样逐步认识的?又是如何处理的?6、论文虽未论及,但与其较密切相关的问题还有哪些?7、还有哪些问题自己还没有搞清楚,在论文中论述得不够透彻?8、写作论文时立论的主要依据是什么? 对以上问题应仔细想一想,必要时要用笔记整理出来,写成发言提纲,在答辩时用。这样才能做到有备无患,临阵不慌。二、答辩技巧 学生首先要介绍一下论文的概要,这就是所谓“自述报告”,须强调一点的是“自述”而不是“自读”。这里重要的技巧是必须注意不能照本宣读,把报告变成了“读书”。“照本宣读”是第一大忌。这一部分的内容可包括写作动机、缘由、研究方向、选题比较、研究范围、围绕这一论题的最新研究成果、自己在论文中的新见解、新的理解或新的突破。做到概括简要,言简意赅。不能占用过多时间,一般以十分钟为限。所谓“削繁去冗留清被,画到无时是熟时”,就是说,尽量做到词约旨丰,一语中的。要突出重点,把自己的最大收获、最深体会、最精华与最富特色的部分表述出来。这里要注意一忌主题不明;二忌内容空泛,东拉西扯;三忌平平淡淡,没有重点。 在答辩时,学生要注意仪态与风度,这是进入人们感受渠道的第一信号。如果答辩者能在最初的两分种内以良好的仪态和风度体现出良好的形象,就有了一个良好的开端。有人将人的体态分解为最小单位来研究(如头、肩、胸、脊、腰等)认为凹胸显现怯懦、自卑,挺胸显示情绪高昂—但过分则为傲慢自负;肩手颈正显示正直、刚强,脊背挺拔体现严肃而充满自信。但过于如此,就会被人看作拘泥刻板保守,略为弯腰有度,稍稍欠身可表示谦虚礼貌。孙中山先生曾说过“其所具风度姿态,即使全场有肃然起敬之心,举动格式又须使听者有安静详和之气”他的这番金玉良言,对我们确实有很大的启发。在听取教师提问时所要掌握的技巧要领是:沉着冷静,边听边记精神集中,认真思考既要自信,又要虚心实事求是,绝不勉强听准听清,听懂听明 在回答问题时所要掌握的技巧是构思时要求每个问题所要答的“中心”“症结”“关健”在哪里?从哪一个角度去回答问题最好?应举什么例子来证明?回答问题的内容实质上是一段有组织的“口头作文”。这就要一、文章应有论点、论据。二、有开头主体与结尾。三、有条理、有层次。四、应用词确当,语言流畅。五、应口齿清楚、语速适度。开头要简洁:单刀直入,是最好的开头,开门见山地表述观点,在答辩中是最好的办法。主体部份的表述可条分缕析,即把所要回答的内容逐条归纳分析,实际上是对自己掌握的材料由此及彼,由表及里地做整理。这样的表述就不会流于表面,而能深入本质。条分缕析可以把自己掌握的一些实际例子合并,整理成若干条目,列成几个小标题:分成几点,一点一点,一条一条地说出。满碗的饭必须一口一口吃,满肚子的道理也必须一条一条讲出来,环环相扣,条条相连,令人听完后有清楚的印象。假如在准备的时候已经准备了一个较完整的提纲,那么沿着回答问题的主线,再穿上一些玉珠(举例子)就可以做到中心明确,条理清楚,有理有例了。作为将要参加论文答辩同学,首先而且必须对自己所著的毕业论文内容有比较深刻理解和比较全面的熟悉。这是为回答毕业论文答辩委员会成员就有关毕业论文的深度及相关知识面而可能提出的论文答辩问题所做的准备。所谓“深刻的理解”是对毕业论文有横向的把握。例如题为《创建名牌产品发展民族产业》的论文,毕业论文答辩委员会可能会问“民族品牌”与“名牌”有何关系。尽管毕业论文中未必涉及“民族品牌”,但 参加论文答辩的学生必须对自己的毕业论文有“比较全面的熟悉”和“比较深刻的理解”,否则,就会出现尴尬局面。二、论文答辩——图表穿插任何毕业论文,无论是文科还是理科都或多或少地涉及到用图表表达论文观点的可能,故我认为应该有此准备。图表不仅是一种直观的表达观点的方法,更是一种调节论文答辩会气氛的手段,特别是对私人论文答辩委员会成员来讲,长时间地听述,听觉难免会有排斥性,不再对你论述的内容接纳吸收,这样,必然对你的毕业论文答辩成绩有所影响。所以,应该在论文答辩过程中适当穿插图表或类似图表的其它媒介以提高你的论文答辩成绩。三、论文答辩——语流适中进行毕业论文答辩的同学一般都是首次。无数事实证明,他们论文答辩时,说话速度往往越来越快,以致毕业答辩委员会成员听不清楚,影响了毕业答辩成绩。故毕业答辩学生一定要注意在论文答辩过程中的语流速度,要有急有缓,有轻有重,不能像连珠炮似地轰向听众。四、论文答辩——目光移动毕业生在论文答辩时,一般可脱稿,也可半脱稿,也可完全不脱稿。但不管哪种方式,都应注意自己的目光,使目光时常地瞟向论文答辩委员会成员及会场上的同学们。这是你用目光与听众进行心灵的交流,使听众对你的论题产生兴趣的一种手段。在毕业论文答辩会上,由于听的时间过长,委员们难免会有分神现象,这时,你用目光的投射会很礼貌地将他们的神“拉”回来,使委员们的思路跟着你的思路走。五、论文答辩——体态语辅助虽然毕业论文答辩同其它论文答辩一样以口语为主,但适当的体态语运用会辅助你的论文答辩,使你的论文答辩效果更好。特别是手势语言的恰当运用会显得自信、有力、不容辩驳。相反,如果你在论文答辩过程中始终直挺挺地站着,或者始终如一地低头俯视,即使你的论文结构再合理、主题再新颖,结论再正确,论文答辩效果也会大受影响。所以在毕业论文答辩时,一定要注意使用体态语。六、论文答辩——时间控制一般在比较正规的论文答辩会上,都对辩手有答辩时间要求,因此,毕业 论文答辩学生在进行论文答辩时应重视论文答辩时间的掌握。对论文答辩时间的控制要有力度,到该截止的时间立即结束,这样,显得有准备,对内容的掌握和控制也轻车熟路,容易给毕业论文答辩委员会成员一个良好的印象。故在毕业论文答辩前应该对将要答辩的内容有时间上的估计。当然在毕业论文答辩过程中灵活地减少或增加也是对论文答辩时间控制的一种表现,应该重视。七、论文答辩——紧扣主题在校园中进行毕业论文答辩,往往辩手较多,因此,对于毕业论文答辩委员会成员来说,他们不可能对每一位的毕业论文内容有全面的了解,有的甚至连毕业论文题目也不一定熟悉。因此,在整个论文答辩过程中能否围绕主题进行,能否最后扣题就显得非常重要了。另外,委员们一般也容易就论文题目所涉及的问题进行提问,如界能自始至终地以论文题目为中心展开论述就会使评委思维明朗,对你的毕业论文给予肯定。八、论文答辩——人称使用在毕业论文答辩过程中必然涉及到人称使用问题,我建议尽量多地使用第一人称,如“我”“我们”即使论文中的材料是引用他人的,用“我们引用”了哪儿哪儿的数据或材料,特别是毕业论文大多是称自己作的,所以要更多使用而且是果断地、大胆地使用第一人称“我”和“我们”。如果是这样,会使人有这样的印象:东西是你的,工作做了不少!(摘自:《青年科学》,原文:“毕业论文答辩应注意的几个问题”

这要看你想写成什么样了,如果是期末作业的话可能要求没那么严格,如果是毕业论文的话是有模板的,不过期刊学术发表的模板和毕业论文的还是有些区别的,本科和硕士博士的论文也是有些不同的。重要的是你学习到东西没有,有没有自己的想法

不知道怎么写~那你就多在晚上都看下这类的论文期刊~比如(心理学进展),多看看总能找到自己的灵感

逻辑学论文参考文献

举了例子,很难得的论文,请采纳,谢谢。还要的话联系我。生活中的逻辑摘要:理论形态的逻辑,对一般人说来,似乎是蒙着面纱神秘少女,看不清摸不着,即使通过老师的讲解,对于她的认识也只是停留在概念上的记忆却还是理解不透,无庸质疑逻辑在我们的生活中非常重要,理解逻辑学、锻炼我们的逻辑思维有着重大意义。一切理论都是对生活现象的提炼抽象,因此要想揭开逻辑神秘的面纱就要将逻辑学还原到我们的生活中去,理解我们生活中的逻辑。关键字:学习逻辑的意义 锻炼逻辑思维 生活 逻辑从小学起我们就学习数学,到了初中高中我们就开始学习物理、化学、生物、地理,这些被认为是我们生存所必须学习的基础学科,殊不知基础学科包括数学、逻辑学、天文学和天体物理学、地理科学和空间科学、物理学、化学、生命科学,但我们却从未系统的学过逻辑学,虽然如此但逻辑思维与人类为伴,渗透在社会生活的方方面面,无处不在,无时不在。伟大的政治家毛泽东曾说“逻辑是一门独立的学问,大家都要学一点。”逻辑学家金岳霖也说“逻辑对生活、认识和哲学都是必不可少的。”如果这些大家的话还不足已说明逻辑学的重要意义,那么我们可以从生活中举些事例出来。逻辑有点像随处可见的水,不显眼容易被忽略,但人人离不开它。我们说话的时候、写文章的时候,其实都用到了它,如果我们说话不讲逻辑就会意思表达不清楚造成歧义,我想大家对语文考试中修改病句的题型印象还是很深刻的,要把我们的思想正确地表达出来,第一件事情是要讲逻辑。不讲逻辑也许就会闹笑话,如“中国有世界上没有的万里长城”刚一听这句话觉得没有什么但仔细辨认一下就会发现问题“中国有”而“世界没有”这就是自相矛盾了。运用逻辑可以帮助我们解决问题,想必大家都听过这个例子:“有一天,一位外国使者看见林肯在擦自己的靴子,于是讽刺道:‘啊 ,先生,您真伟大!您经常擦自己的靴子吗?’‘是呀,’林肯答道:‘那么你是擦谁的靴子呢?’”。睿智的林肯聪明的运用逻辑化解了嘲讽。逻辑如此重要因此我们在学习和生活中不断锻炼自己的逻辑思维。首先在学习逻辑的理论知识上作为大学生我们有很好的外部环境,我们可以选修一些逻辑课程,可以有意识的去读一些逻辑相关书籍如黑格尔的《小逻辑》,比较通俗易懂的《趣味逻辑》、《生活中的逻辑与智慧》,还可以找一些练习题如《头脑风暴——逻辑思维》;除了看书听课我们也要留意发现身边的逻辑,大千世界、纷繁复杂只要有心我们就能挖掘生活中的逻辑问题。还记得爱因斯坦那个睿智的问题“ 爱因斯坦问他的学生:‘两个人从烟囱 里爬出去,一个满脸烟灰,一个干干净净,你认为哪一个该去洗澡?’‘当然 是脏的那个。’学生理所当然的说。‘不对,脏的那个看见对方干干净净,以为自己也不会脏, 哪里会去洗澡?’”逻辑是个深奥的东西,我发现不了上面的逻辑问题,但它却让我为那智慧倾倒。著名作家马克•吐温有一次在酒会上答记者问时说:“美国国会中的有些议员是狗婊子养的。”后来,他在《纽约时报》上刊登的“道歉启事”,从表面上看是“道歉”,其实,他所表达的意思同酒会上的话是一样的。马克•吐温的“美国国会中的有些议员是狗婊子养的”这句话,是一个具有“有些S是P”结构的特称肯定判断。后来的“道歉启事”中的“美国国会中的有些议员不是狗婊子养的”这句话,是一个具有“有些S不是P”结构的特称否定判断。从判断的对当关系可知:“有些S是P”和“有些S不是P”这两个判断是可以同真的。也就是说,即使“道歉启事”中所提出的“美国国会中的有些议员不是狗婊子养的”这个判断是真的,也并不意味着他在酒席上讲的“美国国会中的有些议员是狗婊子养的”这个判断就是假的。这样,马克•吐温就在所谓“道歉启事”中,以巧妙的方法继续表达了自己对华盛顿议员们的轻蔑。我们常看到这样的笑话:“以‘难过’造一句”。一学生答:“我们家前大水沟很难过”。题中“难过”应是指感情上难过,这学生将其偷换为“难以迈过”。这是逻辑上的偷换论题,违反了同一律。在课堂上老师让学生造一句话,其中要有‘糖’字。一小学生回答:“父亲在喝茶”。老师问:“糖在哪里?”学生回答:“在茶里,父亲喝的是加糖红茶。” 实际上该生将“糖字”偷换为吃的“糖”,违反了同一律。看电视剧时如果你不仅仅专注于剧情你会发现许多台词的逻辑错误,如有一古装电视剧,其中一幕:幼年皇帝接受完来人的跪拜后,太监忙说:“赐宴,快赐宴!”小皇帝慌乱中说:“快给他一块砚台!”小皇帝将“设宴款待”偷换为“给他块砚台”。这使我们印证了逻辑原理:小皇帝偷换概念,违反了同一律。又如我们熟悉的琼瑶剧《情深深雨朦朦》中依萍送书桓那幕,书桓说“八年抗战很快就过去了…”按剧情他怎么知道是八年啊。在一次管理学课上老师让我们做信息沟通的游戏试验,我们组拿到的是“他没有想象中那么爱你,但并不代表他不会全心全意地爱你。”作为第一个信息传递者,我就把这段话理解成了“也许他没有想中那么爱你,但他却是全心全意爱你”当时我还自信满满的认为很好的浓缩了一段长话,殊不知自己犯了一个很大的逻辑错误,把选择当成了肯定。对于我们的日常对话,只要仔细听,也时常能发现逻辑问题。甲:小李是可口可乐在中国的高级雇员。乙:那怎么可能,小李只喝百事可乐 。从这段话中乙的陈述隐含了一个前提“一般的,所有的高级职员只喝本公司的产品”。在上学期学的马克思基本原理中也广泛的涉及到逻辑理论,如著名的“白马非马论”在辨证法上是矛盾的普遍性和特殊性,在逻辑学上是内涵与外延的区分。我们经常在脑筋急转弯中问道“2加3在什么情况下等于5 ”我们会很快答道“在做错的情况下”这回答对大多数人来说不难,但如果要从逻辑学的角度回答恐怕没有几人能答出来,其实答案是:“如果1加1不等于2,那么,2加3不等于5。”这是一个充分条件假言判断。类似的一些测试题也可以这样处理,如:要是有人把月球塞进大西洋,你说应该用什么方法才能取出来呢?把月球塞进大西洋,这是完全不可能成立的。但是,既然这是个前提条件,答案就很简单了:你是怎么放进去的,我就怎么拿出来。显而易见,这是借助假言判断法这个思维工具才能解决的问题。在生活中只要我们多一分心思,随时注意观察分析,运用所学的逻辑知识去看待问题,久而久之,我们就会领会运用逻辑的技能,懂得在实际生活中如何运用逻辑去解决问题,就会优化自己的逻辑思维能力。参考文献:《趣味逻辑》¬——彭漪涟《生活中的逻辑与智慧》¬——张智光《考研逻辑试题与解析》¬——清华大学出版社

加强逻辑学学科的建设和教学优秀论文

[摘要]本文认为,逻辑思维是具有创新性质与创新功能的思维,是撬动科学发展的思维工具。我们只有培养富有创新思维能力的学生,才能为科学发展源源不断地输送生力军,才能促进科学研究的繁荣和可持续发展。提高学生逻辑思维水平和创新思维能力的基本路径是高水平的逻辑教学,为此就必须加强逻辑学的学科和教学建设,切实保证和提高逻辑学的教学质量。

[关键词]逻辑思维非逻辑思维创新功能

在一些高等院校,并不重视逻辑学学科的建设和教学,原因是他们以为逻辑学研究的逻辑思维没有创新意义。这种观点颇有影响,很有市场,像大名鼎鼎的科学家彭加勒也持这种观点。这种观点的理论依据主要有二:一是认为,“科学创造性思维是一种以非经验、超逻辑和思维程序与常规思维相倒置为根本特征的反常思维方式”。[1]所以逻辑思维在科学研究过程中是没有创新意义的。二是认为,纯粹逻辑是同义反复,不能创造任何新的科学观点,所以逻辑思维对科学发现没有创新意义。事实并非如此,逻辑思维不仅自身有创新性,而且引发科学研究的繁荣和进步。所以,高等院校要培养创新性人才,为我国科学的发展输送生力军,务必加强逻辑学学科的建设和发展,提高逻辑学的教学水平和教学质量。

逻辑思维是引发科学创新和发展的思维工具

翻开科学发展史,人们就会发现,历史上的科学革命运动,往往以逻辑思维的发展为先导。如古希腊亚里士多德的演绎逻辑带来了古希腊人文和自然科学的空前繁荣;培根的归纳逻辑掀起了近代科学革命的狂飙;而现代逻辑则促进了现代科学和哲学全方位的拓展。

正是基于科学发展的这种史实,马克思主义的经典作家和世界著名科学家,都充分肯定了逻辑思维在科学创新发展中的重要地位和积极作用。列宁说:“任何科学都是应用逻辑。”[2]爱因斯坦认为:西方科学的发展是以两个伟大的成就为基础:“希腊哲学家发明的形式逻辑(在欧几里得几何中)以及通过系统的实验找出可能的因果关系(在文艺复兴时期发现)。”[2]因此科学家必须是“严谨的逻辑推理者。科学家的目的是要得到关于自然界的一个逻辑上前后一贯的摹写。逻辑之对于它,有如比例和透视规律之对于画家一样”。[3]他们如此肯定逻辑思维在科学创新发展中的地位和作用,其道理非常简单,任何科学理论的创立都是对旧理论的否定,从这个意义上来说,任何科学都具有创新性;而逻辑思维则是知识技术转为科学理论的必经之路。据此,有理由说,逻辑思维是引发科学创新和发展的思维工具。

近代科学革命没有发生在中国的史实也说明了这一点。英国著名科学史家李约瑟,看到中国人在古代取得了许多卓越的科技成就,有发生科学革命的历史基础,但近代科学革命恰恰没有发生在中国,对此他感到困惑不解,也引起了许多学者的注意和思考。在爱因斯坦看来,这是“用不着惊奇的”,[4]中国贤哲没有创造出科学创新发展所需的逻辑基础。著名物理学家吴大猷认为:“古代中国赢过西方的,大多是技术而不是科学,没有科学为基础的技术,发展是有限的。”[5]而技术优势没能转化为科学优势的一个重要条件,中国缺少知识、技术转为科学理论的逻辑思维工具。

人们知道,技术在于利用已知的科学知识,解决人类生活中的实际问题,可以在实际生活和劳动中偶然获得。科学是探索未知世界,揭示大自然客观规律,但要获得对未知世界规律性的认识,只有通过艰苦复杂的逻辑分析、推论,才能最终形成关于某一问题的科学知识体系。中国历来偏重整体直觉顿悟,而缺乏逻辑思维传统,而且注重实际应用,轻视基础科学研究,这就使中国虽然有许多伟大的技术发明,却没有产生一门完整的自然科学体系;培养了不计其数的状元、举人、秀才,却没有培养出一名牛顿般的科学家;有发明了火药的著名实践,却没有发现火药的成分结构,没弄懂科学意义上的火药的爆炸性质。如此等等,不一而足,都说明离开逻辑思维,知识、技术就是片面的和离散的,只有逻辑思维的.介入,才能最终整合成科学理论。

逻辑思维自身就有创新功能

逻辑思维的发展所以能够引发科学研究的创新,成为知识、技术转化为科学理论体系的逻辑思维工具,就在于逻辑思维本身具有创新功能。逻辑思维的创新基质在于它是一种理性的创新思维,思维主体把感性认识中获得的信息材料,抽象成概念,再用概念进行判断,形成命题,再按一定的逻辑关系,运用命题进行推理,于是就会推演出新的思想认识。

概念是反映事物特有的本质属性的思维形式。人们知道,关于某事物的概念尚未形成时,人们的感性认识无法把握事物的本质,通过概念思维,对许许多多具体事物进行分析、比较、鉴别之后才抽象出该事物特有的本质属性。可见概念思维不是机械的摹写,而是一种理性创新。没有概念思维,人们对事物的认识只能停留在现象层面上,不可能对事物的本质产生全面的新认识。

判断是断定事物情况的思维形式,它不是对感官所反映情况的简单重复。一位农学家来到某地考察畜牧业发展情况,当地人向他咨询能否发展养羊业,他说“要养羊先养猫”,这个判断体现了农学家与众不同的眼光。当人们疑惑不解时,他说:“要养羊就要大量种植三叶草,但三叶草要靠蜜蜂传粉,而本地田鼠太多,蜜蜂巢被破坏严重,影响了三叶草的发展,所以应先养猫灭鼠。”可见判断是经过逻辑分析后对事物情况作出的新断定。也是一种创新思维,本身具有创新的特征。

推理是从已知知识推出未知知识的逻辑思维形式,它包括演绎推理、归纳推理和类比推理,这些推理都有创新性质。

演绎推理以其严密性、必然性在逻辑学中奠定了重要地位。同样以其创新功能而在科学史上也占有重要的一席之地。演绎推理的创新意义在于,它能帮助人们分析现状而发现问题,还能帮助人们提出和论证新的思想观点。人们所熟知的关于物体重量与其下落速度关系问题的新认识就与演绎推理密切相关。人们知道,亚里士多德关于“物体的重量与其下落速度成正比”,即物体重量越大,其下落速度越快的观点,在一千多年里被公认为无可置疑的真理,但到了十六世纪,意大利科学家伽利略通过一个演绎推理的思想试验,对该观点提出质疑,他设想:若把轻重不同的两个物体绑在一起,其中A为重物体,B为轻物体,A与B捆绑丢下,其下落速度是比A物体单独落下时快还是慢呢?按亚里士多德的观点,A和B相加重量加大,其下落速度比A物体单独落下要快,但两个物体重量悬殊,下落时慢的B拖住了快的A,所以A与B绑在一起其下落速度比A物体单独落下要慢。通过演绎推理,亚里士多德观点中的逻辑矛盾暴露出来,而包含逻辑矛盾的观点都是不科学的,所以最后被新的观点所取代了。

归纳推理是由个别经验知识直接推出一般知识的推理,这种推理天生就有创新功能,因为作为推理结论的“一般知识”,相对于作为前提的“个别知识”来说,都是全新的知识。例如,人们发现柳树能进行光合作用,小草、大豆、棉花、水稻等亦如此,柳树、小草、大豆、棉花、水稻等是绿色植物的一部分,由此人们推出所有绿色植物都能进行光合作用。关于归纳推理推陈出新的创新实例随处可见,都证明归纳推理是一种创新思维。

类比推理也是一种极富创新功能的思维。它是根据两个或两类对象在一系列属性上相同或相异,断定这两个(或两类)对象在另外属性上的相同或相异的推理。在类比推理的思维过程中,用来比较的属性是原有的已知知识,而断定其另外的属性也相同则是全新的知识。在医学史上,哈维提出人体血液循环理论时就是根据对一条蛇的解剖观察,发现当蛇的动脉被夹紧后,蛇心由于充血变大、变紫,松开动脉则正常,夹住其静脉,蛇心由于缺血而变瘪、变白,松开则正常,由蛇推及人,于是哈维提出“人体血液循环”的观点,否定了流行了两千多年的“人体血液由心脏生产供全身器官消耗”的“血液单向运动”的说法。诸此等等的思维事实,都证明类比推理也是一种创新思维。

逻辑思维是非逻辑思维创新的前提和基础

非逻辑思维通常被称为创新思维,主要包括发散性的直觉、灵感、联想等。非逻辑思维在科学发现中具有重要作用,但它们仍然是以逻辑思维为前提和基础的。

在人类的发明创造过程中,直觉、灵感、联想起着巨大的作用,但直觉、灵感、联想的内容并非空穴来风,它是在先前艰苦的逻辑思维过程中产生的。阿基米德在浴缸里,悟出了浮力定律;牛顿被下落的苹果砸着脑袋,悟出了万有引力定律;门捷列夫踏上火车的一瞬间,悟出了元素周期表;凯库勒梦见蛇自咬尾巴,悟出了苯的分子结构……;凡此种种,科学家们似乎是凭非逻辑思维悟出科学真理的。其实并非如此,他们的顿悟无论多么奇特多样,但有一点是共同的:他们在顿悟之前,都曾冥思苦想,运用逻辑工具,进行了无数次分析、推理和论证。门捷列夫曾三天三夜未合眼,不断思考和计算;牛顿在实验室里忘记了自己是否已经进餐;凯库勒在参加舞会时仍在想着他的苯分子结构。可以说,没有逻辑思维的帮助,非逻辑思维是不可能“顿悟”出科学真理的。正如法国生物学家巴斯德说过的那样,机遇只垂青有准备的头脑。邦格说得更直接,没有漫长而且有耐心的演绎推论,就不可能有丰富的直觉。很明显,直觉、灵感、联想等非逻辑思维,的确是以逻辑思维为前提的。

逻辑思维不仅是非逻辑思维的前提,而且为直觉、灵感和联想确定目标和方向。因为,“在紧张的创造思维活动中,没有逻辑,思维就会失去方向,失去目标;没有逻辑就没有道路。任何直觉、想象、联想等,如果是有目标的,那只能是在逻辑思维指引和统率下进行的,如果离开逻辑思维,就等于是神经错乱,或者是裂脑人的互相矛盾的杂乱的思维。”[6]科学创新中的直觉、灵感和联想总是指向一定的目标和方向的,而为直觉、灵感和联想确定目标和方向的,正是逻辑思维。

逻辑思维不仅为非逻辑思维确定目标和方向,而且还为直觉、灵感、联想产生的结论作逻辑的分析、论证。非逻辑思维的特点是“直接把握”事物的本质和规律,没有清晰的逻辑思维,不能对非逻辑思维产生的新思想作出逻辑上的解释和论证,这种思想就不可能有逻辑上的确定性和自恰性,就是一种无根据的臆想。凯库勒风趣地说:“假使我们学会做梦,我们也许就会发现真理,不过我们务必要小心,在我们的梦受到清醒头脑证实之前,千万别公开它们。”因为臆想的东西人们是不可能接受的。由此可见,非逻辑思维的结果出现之后,随之就应是逻辑思维的整合论证,只有这样,非逻辑思维的结论才能成为逻辑严密的科学观点。

总而言之,逻辑思维具有创新功能,是创新性思维。高等院校担负着培养创新人才的重任,而培养创新性人才,在很大的程度上说,就是培养创新思维能力。培养学生创新思维能力有诸多路径,但最基本的路径是加强逻辑学科的建设,提高逻辑学的教学水平,以此培养学生的逻辑思维能力。这是本文的基本结论。

参考文献:

[1]列宁.哲学笔记[M].北京:人民出版社,1974:216.

[2]许良英、范岱年译.爱因斯坦文集(第1卷)[M].北京:商务印书馆,1976:574.

[3]许良英.范岱年译.爱因斯坦文集(第1卷)[M].北京:商务印书馆,1976:299 .

[4]许良英,范岱年译.爱因斯坦文集(第1卷)[M].北京:商务印书馆,1976 :574 .

[5]詹克明,李约瑟.难题与吴大猷疑惑[N].杂文报,1996-11-19.

[6]葛润林.论假说的逻辑结构及其在思维形式系统中的地位[J].人大复印资料《逻辑》,1997,7:23.

要及格,随便网上下载篇吧,要拿高分,自己写不出来就找人帮忙写,我之前为了得优秀找了好多,最后还是闻闻论文帮我的,你参考下吧

逻辑回归论文参考文献

一、定义不同1、概率密度:对于随机变量X的分布函数F(x),如果存在非负可积函数f(x),使得对任意实数x,有则X为连续型随机变量,称f(x)为X的概率密度函数,简称为概率密度。单纯的讲概率密度没有实际的意义,它必须有确定的有界区间为前提。可以把概率密度看成是纵坐标,区间看成是横坐标,概率密度对区间的积分就是面积,而这个面积就是事件在这个区间发生的概率,所有面积的和为1。所以单独分析一个点的概率密度是没有任何意义的,它必须要有区间作为参考和对比。2、概率:概率亦称“或然率”。它反映随机事件出现的可能性(likelihood)大小。随机事件是指在相同条件下,可能出现也可能不出现的事件。例如,从一批有正品和次品的商品中,随意抽取一件,“抽得的是正品”就是一个随机事件。设对某一随机现象进行了n次试验与观察,其中A事件出现了m次,即其出现的频率为m/n。经过大量反复试验,常有m/n越来越接近于某个确定的常数(此论断证明详见伯努利大数定律)。该常数即为事件A出现的概率,常用P (A) 表示。二、性质不同1、概率密度:非负性 概率密度规范性这两条基本性质可以用来判断一个函数是否为某一连续型随机变量的概率密度函数。2、概率:概率具有以下7个不同的性质:性质1:性质2:(有限可加性)当n个事件A1,…,An两两互不相容时:性质3:对于任意一个事件A:性质4:当事件A,B满足A包含于B时:,性质5:对于任意一个事件A,性质6:对任意两个事件A和B,性质7:(加法公式)对任意两个事件A和B,根据概率密度的定义,概率密度是不可能大于1的。参考资料来源:百度百科-概率密度百度百科-概率打开CSDN,阅读体验更佳截断正态分布(Truncated normal distribution) - CSDN博客正态分布则可视为不进行任何截断的截断正态分布,也即自变量的取值为负无穷到正无穷;1. 概率密度函数假设X 原来服从正太分布,那么限制 x 的取值在(a,b)范围内之后,X 的概率密度函数,可以用下面公式计算:f(x;μ,σ,a,b)=1σϕ...【Paper】Anomalous Instance Detection in Deep Learning:A Survey...【Paper】Anomalous Instance Detection in Deep Learning:A Survey 论文原文:PDF 论文年份:2020 论文被引:6(2020/10/04)89(2022/03/26) 文章目录最新发布 图解联合概率密度、边缘概率密度、条件概率密度之间的关系简要图解联合概率密度、边缘概率密度、条件概率密度之间的关系继续访问概率密度概率密度 (probability density, PD) 概率密度函数 (probability density function, PDF) 概率密度估计 (probability density estimation, PDE) 概率密度是观测值与其概率之间的关系 一个随机变量的某个结果可能会以很低的概率出现,而其他的结果可能概率会比较高。 概率密度的总体形状被称为概率分布 (probability distribution),常见的概率分布有均匀分布、正态分布、指数分布等名称。对随机变量特继续访问excel概率密度函数公式_excel统计函数公式汇总_花嫁wsh的博客关于使用Excel画出t分布的概率密度函数图表的问题,试答如下:使用excel绘制t分布的概率密度函数,需要两列:1)自变量X,2)计算自变量X对应的t分布的概率密度函数。由于Excel中TDIST函数计算的是概率累积密度,不能计算概率密度值,所以借用伽马...各层电子数排布规则_电子层排布,电子的排布规律_夏勇兴的博客4、电子一般总是尽先排在能量最低的电子层里,即先排第一层,当第一层排满后,再排第二层,第二层排满后,再排第三层。 电子云是电子在原子核外空间概率密度分布的形象描述,电子在原子核外空间的某区域内出现,好像带负电荷的云笼罩...概率理论和概率密度前段时间在学习期间学习了机器学习和模式识别相关的内容,今天真理梳理一下知识点,用做自己的参考资料和学习资料,同时,若整理的资料中出现错误还恳请各位批评指正,共同学习,共同进步。由于自己基础比较差,整理了两部分的内容,一部分为本部分整理的基础知识点内容,归属为“PRML基础”,另一部分为“PRML学习”,希望有兴趣的读者共同交流进步。一.概率理论 概率理论提供了一个量化与处理不确定性的数学框架,这是继续访问鉴别器(逻辑回归)估计两个概率分布的概率密度比概率密度比 概率密度比是生成模型的重要组成部分,无论是在VAEs的情况下显式的(比如两个高斯分布之间的KL散度),还是在GANs的情况下隐式的。即我们在计算两个分布之间的KL散度(比如pgp_{g}pg​与pdatap_{data}pdata​之间的KL散度),这通常归结为计算两个概率分布对数的样本平均值。 以VAE举例,VAE的ELBO是: ELBO=Eq(z∣x)[logp(x∣z)]−KL[q(z∣x)∣∣p(z)]=Eq(z∣x)[logp(x∣z)]−Eq(z∣x)[logq(z∣x)p(z)]继续访问物理化学笔记(1) 量子化学基础_名侦探波本的博客化学是人类关于原子和分子的知识和智慧的结晶。一个优秀的化学家需要适当了解其他科学分支的观测角度,在一定程度上听得懂其他学者的语言。但更重要和根本的是化学家一定要能流利地使用分子语言。 脱离了量子化学的物理化学将变成完全宏观唯象...数学知识——概率统计(3):随机变量_Robin_Pi的博客_随机变量...随机变量的概率表示用概率函数: PX(x) = P(X=x) (注:连续型随机变量用的是概率密度函数) 概率分布(离散变量):概率质量函数(PMF) 离散变量的概率分布,即离散型‘’随机变量的值分布和值的概率分布列表‘’。(注意,是全部可能的...概率密度与概率的关系继续访问贝叶斯详解、概率、概率分布函数、概率密度函数之间的关系贝叶斯继续访问佚段的小笔记_伊丽莎白鹅的博客随机过程ε(t)的任意n阶的概率密度分布都满足高斯分布即为高斯过程;高斯过程的广义平稳和严平稳是等价的;高斯过程通过线性系统仍是高斯过程。 平稳的性质: 1、一阶的概率密度函数分布与t无关 ...电子云(几率密度)的角度分布图-化学课程课件-专业指导其他资源...本文以氢原子基态电子在核外出现的几率密度模型为理论模型,建立了模拟电子云居民分布模型。并在实际科研项目中进行了应用。该模型的建立,解决了原有模型中存在的参数... 阿里云最高级认证ACE备考课程课件 ...概率密度与概率关系继续访问理解概率密度函数其它机器学习、深度学习算法的全面系统讲解可以阅读《机器学习-原理、算法与应用》,清华大学出版社,雷明著,由SIGAI公众号作者倾力打造。 书的购买链接 书的勘误,优化,源代码资源 概率密度函数是概率论中的核心概念之一,用于描述连续型随机变量所服从的概率分布。在机器学习中,我们经常对样本向量x的概率分布进行建模,往往是连续型随机变量。很多同学对于概率论中学习的这一抽象概念是模糊的。在今天的文章中...继续访问【考研复习】“概率密度”一词的理解密度在没有接触概率论这门课之前,我的理解就是m/v,描述了在单位大小的空间内物体的量有多少。 但是在概率论中,它的定义是这样的: 这段话看起来就像是说:“你对f(t)积个分,要是积出来和分布函数一样,这玩意就是概率密度了。” 我tm为啥要积分?你就直说概率密度是啥不行吗? 在经过一些题目和我自己的思考以后,我想用一个比较能令人接受的描述来说我的理解。 首先假设有一个长为L米的磁铁杆,记左端为O,右端为M,中间任取一点为P,因为P是任取的,所以OP可记为变量x,如图所示: 当x不同时,OP段的质量也不继续访问概率密度怎么求?概率密度是对于连续型随机变量说的 连续型随机变量有分布函数和密度函数 (分布函数)’=密度函数(☆) 概率密度和密度函数一样,只是说法不一样 附:离散型随机变量有分布函数和分布律继续访问概率函数P(x)、概率分布函数F(x)、概率密度函数f(x)概率函数P(x)、概率分布函数F(x)、概率密度函数f(x) “离散型随机变量”和“连续型随机变量” 离散型变量:所有取值可明确列举,如年龄、人数、房间个数等。 连续型变量:所有取值无法明确列举,如身高、长度、温度等。 离散随机变量单值有概率,连续随机变量单值无概率 对于离散型变量而言,可以用概率函数P(x)描述所有取值x的对应概率;而对于连续型变量而言,“取某个具体值的概率”的说法是无...继续访问概率密度估计(Probability Density Estimation)--Part 1:参数估计概率密度的引入 当我们有如下的点分布 为了能区分它们,我们需要知道这些点的概率分布。常见的有贝叶斯最优分类(Bayes optimal classification),这是基于如下的概率分布:p(x∣Ck)p(Ck) p(x|C_k)p(C_k)p(x∣Ck​)p(Ck​) 其中的先验p(Ck)p(C_k)p(Ck​)很容易 ...继续访问热门推荐 如何简单理解概率分布函数和概率密度函数?本篇文章是在《应该如何理解概率分布函数和概率密度函数?》的基础上整理来的。非常感谢原作者。 目录 1先从离散型随机变量和连续性随机变量说起 2离散型随机变量的概率函数,概率分布和分布函数 概率函数和概率分布 概率函数 概率分布 分布函数 3 连续型随机变量的概率函数和分布函数 4 参考文献 1先从离散型随机变量和连续性随机变量...继续访问概率函数和概率密度函数概率密度函数只针对连续型随机变量,因为那样更加直观。对于离散随机变量没有必要使用概率密度。图b是连续型概率密度函数,图a是对应的概率函数。正态分布是概率密度函数,可以非常直观的看出,在3σ\sigmaσ内占据了大部分概率。 ...继续访问概率函数,概率分布函数,概率密度函数之间的关系和区别原文链接: 这篇文章详细阐述了三者之间的联系和区别!继续访问概率函数P(x)、概率分布函数F(x)与概率密度函数f(x)的区别概率函数、概率分布函数与概率密度函数的区别声明1. 离散型变量和连续型变量2. 概率分布与概率函数3. 概率分布函数与概率函数函数4. 连续型变量的概率、概率分布函数、概率密度函数之间的关系 声明 本文主要内容转载至博主马尔代夫Maldives的简书概率函数P(x)、概率分布函数F(x)、概率密度函数f(x) 1. 离散型变量和连续型变量 进入主题前,先明确几个概念: 离散型变量(或取值个数有限...继续访问概率分布函数、概率分布律、概率密度函数的区别。概率分布函数(又称分布函数) 累积 F(x) = P{X

现代企业制度中最典型的是现代公司制,而上市公司又是现代公司制的最高形式。与非上市公司和有限责任公司相比,上市公司的最大特点就是可以通过证券市场筹集资金。有了充足的资金,公司可以增加产品生产、加速产品开发与市场开拓,从而提高经营业绩,更好地回报投资者和债权人等利益相关者。但随着证券市场的快速发展,市场竞争日益变得激烈,部分上市公司经营业绩不容乐观,出现了亏损、财务状况异常甚至更为严重的情形,最终受到特别处理甚至面临退市危险,使利益相关者遭受到巨大损失。为防范、化解这些风险,国内外学者已经进行了许多有效的探索,并已取得丰硕的研究成果。但大多数学者只是研究适用于每个行业的通用模型,忽略了行业之间的不同。Harlan D Platt和Matjorie B Platt (1990)检验与产业相关的财务指标、营运指标和产出的变化与公司经营失败的关系时发现,用产业因素调整后的模型事前和事后的分析效果较佳。本文以我国1998—2004年沪深两市首次被特别处理的A股综合类上市公司作为研究对象,探讨对其陷入财务危机具有重要作用的因素,以建立具有较高预测率的模型,为证券市场上的利益相关者作为决策时的参考

开展财务状况评估和财务预警分析有利于企业保证生产经营活动向良好的方向发展,及时采取措施预防和避免财务危机。下面是我为大家整理的财务预警分析论文,供大家参考。

论文关键词:财务困境;财务预警;机制

论文提要:从企业产生财务困境的角度出发,介绍当前各种财务预警模型,并做优劣对比分析,对企业财务预警机制的建设提出建议。

一、引言

企业作为一个法人个体,不可避免的问题是生存、发展和获利。由于企业所面临巨集观经济、政治、法律等往往具有不可控性,同时企业也因资本结构不够合理及其他企业自身问题,使企业面临各种潜在的风险。如何顺利地化解这些风险为企业发展保驾护航,是每个企业高管们不得不关注的焦点。本文立足于财务角度,结合当前国内外一些上市公司财务预警机制建设研究的成果,探讨建立企业财务预警机制途径。

二、企业发生财务困境的原因分析

企业发生财务困境,起初通常表现为企业短期资金周转不灵,进而由于处理不当,而给企业带来一系列的连锁反应,最终导致入不敷出,甚至资不抵债。结合国内外一些企业走上了“绝路”的案例,通常造成财务危机的原因可以归结为以下几个方面:

1、资金回收引起的财务危机。资金回收引起的财务危机是企业在产品销售或对外提供服务过程中,由于收回资金的时间和收回资金的数额不确定而引起。在激烈的市场竞争中,赊销是企业促销和占领市场份额的主要手段,但同时也要承担他人占用企业运营资金的机会成本及到期不能收回货款的坏账损失。长期以来,在“权责发生制”的会计确认原则下,企业只注重账面利润,而不注重现金流量,更多的资金被客户占用,使利润虚增,企业陷入严重的资金短缺或不能周转的困境之中。

2、融资引起的财务危机。融资引起的财务危机是由于企业利用负债筹资而引起到期不能偿还债务本息的可能性。其原因有以下两个方面:首先,企业在筹资时未能把握好负债规模、利率和期限,使其在银行或其他机构的不良贷款不断堆积,负债累累,从而造成财务危机。其次,是企业经营不善,经营活动现金净流量和流动资产中的速动资产不足﹑速动比率过低引起的。

3、投资引起的财务危机。投资引起的财务危机是指企业对内或对外有关专案进行投资时,由于各种不确定因素的影响,使原投资额不能按期收回,或根本无法收回而使企业遭受损失。这种危机主要是企业不能准确预计投资专案的现金流量导致决策失误形成的,这种失误严重时直接危机企业的生存与发展。通常过度扩张引起的财务危机在国内时有发生,比较典型的是巨人集团的轰然倒塌。

4、资产跌价引起的财务危机。资产跌价引起的财务危机通常是由于巨集观方面各种不确定的因素,如通货膨胀、政策变化、法律约束及科学技术发展等原因,使投资者投入的资产遭受跌价、贬值的损失,从而导致资不抵债。

5、利润分配引起的财务危机。利润分配引起的财务危机是由于企业决策者制定分配政策不当,给企业未来生产经营活动带来不利的影响。如,股利分配率过高,虽短期可 *** 股价上升,但却给企业带来偿债能力和筹资能力的下降,给企业未来的发展造成了一定制约。

三、财务预警模型分析综述

通常企业的财务危机的形成,是一个由量变到质变的过程,量变阶段具有潜在性、不易发觉,而到了质变阶段往往又是“病入膏肓”、回天乏术。如何对企业潜在的财务危机正确预测,把企业的财务危机消除在最初阶段一直是一个值得思索、探讨的问题。综合国内外实证研究成果,财务预警模型可以归结为以下几个方面:

1、一元判别模型。一元判别模型是指将某一项财务指标作为判别标准来判断企业是处于破产状态还是非破产状态的一种预测模型。一元判别模型的主要思想是通过比较财务困境企业和非财务困境企业之间某个财务指标的显著差异,从而对财务困境企业提出预警。最早的财务危机预警研究就是Fitzpatrick所做的单变数破产预测模型。但是,由于该模型利用单一指标作为衡量企业财务困境的指标,很难具有代表性,很容易造成以一带全。因此,该模型应用的范围很小。

2、多元线型判断模型。多元线性函式模型是对企业多个财务比率进行汇总, 求出一个总判别分值来预测企业财务危机的模型。它从总体的、综合的角度来检查企业的财务状况,未雨绸缪,做好财务危机的规避或延缓财务危机的发生。多元线性函式模型中应用最广的是Z分数模型。

3、多元逻辑回归模型。多元逻辑回归模型的目标在于寻求观察物件的条件概率,从而据以判断观察物件的财务状况和经营风险。它是建立在累计概率函式的基础上,不需要自变数服从多元正态分布和两组间协方差相等的假设条件。Ohlson 第一次采用多元逻辑回归模型进行破产预测。他通过分析样本公司在破产概率区间上的分布以及两类错误和分割点之间的关系,发现至少存在四类影响公司破产概率的变数:公司规模、资本结构、业绩和当前的融资能力。

4、多元概率比回归模型。多元概率比回归模型也假定企业破产的概率为P,并假设企业样本服从标准正态分布,其概率函式的P分位数可以用财务指标线性解释。其计算方法和多元逻辑回归方法很类似,先是确定企业样本的极大似然函式,然后通过求似然函式的极大值就可以得到相关引数的值,接下来就可以利用推算出来的多元概率回归模型求出企业破产的概率。与上面其他模型不同的是,该模型主要是利用P值的大小作为判断企业破产的界限。

5、人工神经网路模型。人工神经网路模型,是一种通过非财务指标建立的,主要是将神经网路分类方法应用于财务预警的模型。人工神经网路是一种平行分散处理模式,其构建原理是基于对人类大脑神经运作的模拟。人工神经网路具有较好的模式识别能力,还可以克服统计等方法的限制,因它具有容错能力,对资料的分布要求不严格,不需要考虑是否符合正态分布的假设,具有处理自律遗漏或是错误的能力,而且可以处理非量化的变数,最重要的一点是人工神经网路具有学习能力,可随时依据新准备资料资料进行自我学习训练,调整其内部的储存权重引数以对应多变的企业运作环境。

四、企业财务预警机制建议

正是因为企业产生财务危机的原因、企业财务预警模型多样性,因此企业在决策财务预警机制时具有多重可选择性。

1、企业应当根据自己的实际情况,合理地选择预测财务指标。不同企业、不同发展时期面临的风险是不同的,正确地根据企业自己的情况选择合理指标是至关重要的一步,如在急速扩张阶段就得注意负债规模的大小,那么就得更多地考虑用负债规模来进行财务预警。

2、模型的选择上,也应当根据企业自己实际能够获得的资料进行选择。不同型别企业的财务资料往往是有很大差别的,同时有的资料可能被人为地更改过,这些资料就失去实际意义,就需要剔除以提高预警的正确性。

3、企业应当注意定性分析和定量分析的结合。定量分析往往具有客观、易于度量的特点,定性分析则是主观性、模糊性的特点。企业面临的风险和危机与日俱增,这时的预警功能决不仅仅是计算几个比率,对比几个指标所能实现的,必须建立系统的方法库和模型库,全面使用现代计算机技术、网路通讯技术、资料库技术以及管理学、财务学、统计学等,在重视定量分析的同时加强定性分析方法的应用。

4、财务预警机制的后续管理。后续管理工作可以保证预警机制的正常执行和预警功能的充分发挥,主要包括正常监管和维护,保证预警机制与其他管理系统之间资料介面通畅、资料共享充分;财务业务资料、指标体系、预警临界标准等有序更新,保证预警功能的准确和及时;保障各项资料库的安全和完整,加强资料库的防病毒入侵、防黑客盗取、防非法操作等。

5、健全企业内部控制制度,提高会计资讯质量,增强财务预警效果。内部控制制度健全与否直接关系到财务预警机制中各种指标、财务比率计算的真实性。因此,建立财务预警机制的前提是上市公司要有一个健全、有效的内部控制制度,并且可以得到一贯执行。良好的内部控制制度,是保证会计资讯质量不可缺少的一部分。良好的会计资讯质量,是财务预警模型发挥正常作用的保证。

复杂多变的市场环境和内部经营的不可控因素决定了风险的客观存在。如果企业不能卓有成效地规避风险,危机便会在企业内部机体滋生蔓延。而当各种不可预见风险发生后,首当其冲的是企业资金运动的中枢——财务系统,财务状况的逐步恶化将引发财务危机,而当危机扩散到企业无法承受的限度时,全面危机则一触即发。因此,企业若建立风险的监控和预警指标系统,预先诊断出危机讯号,并采取相宜措施,便能将危机消灭于萌芽阶段。

一、财务危机预警分析的基础

危机预警分析系统的构筑和良性执行必须基于以下前提:1.风险的普遍性。即企业理财环境的瞬变性和不可准确预见性要求树立求雨绸缪的风险意识,这是系统执行的精神基础;2.风险的差异性。预警讯号与企业的决策和行为密切相关,不同的企业,其面临危机的时间、领域以及危机讯号的具体表现形式也千差万别,必须根据企业的特性选择适合的预警模式,及时有效地识别预警讯号并加以控制;3.风险的效应性。效应是事物本身的一种内在机制,正是由于效应机制的存在和作用,才会引发某种形式的行为模式与行为趋向。即可以根据以往一系列事件防结果和关联窥测出危机发生前的讯号,同时追根溯源、对未来的损失程度进行衡量和估测。企业存有潜在危机时,必然会引发某种效应,可能突出地表现在某种或几种财务要素上,也可能反应为整体运营的不通畅。比如现金流量的资讯对企业经营状况的预示便有着良好的效应性。4.风险的管理根源性。即经营管理不善是引致危机爆发的根源。缺乏有效的管理制度,通常会浮现出一些特定的症状,而且是逐步加剧的。一开始可能表现为:资源分配不当,疏忽日常风险管理,盲目拓展市场。市场营销疲软等;而当财务状况日愈恶劣时,便突出地表现在:债务负担沉重、市场销售混乱、现金流量尤其是营业现金流量匾乏等。因而企业能否谋求竞争优势,避免陷入危机,关键在于营运效率的高低,其趋势变化就成为管理绩效优劣与否的最为深刻的原因。

二、财务危机预警分析指标体系

事实上,任何企业的危机由萌生到逐步恶化,通常都会经历一个逐渐累积和转化的过程。在这一过程中。各种危机的因素都将直接或间接地反映在资金运动的“晴雨表”——敏感性财务指标的变化上。因此,可以通过设定并观察敏感性财务指标的变化,及时预报危机讯号,建立危机预警分析系统。

一财务危机预警指标的特征

既然预警系统是基于预警资讯的分析和预报功能,则这种预警资讯必须具备以下特性。1.高度敏感性。即一旦潜伏有危险因素时,指标数值的细微变化就能直接反映出风险的变化情况;2.前兆性。通过前兆性指标的揭示,不等到危机降临或爆发,便将之识别和扼杀。这里,同时强调了资讯的高度及时性,即所谓“事不宜迟”的道理。3.潜在性及“坏讯息”的表现。预警资讯分析与一般的资讯管理不同,特别注重企业的“坏讯息”或“阴暗面”。通常坏讯息会更提早、更突出地表明企业呈现的紧张状态。

二财务危机预警指标设定

1.单变数模式

即构造单一变数构造的财务比率来预测财务危机的模型。当企业模型中所涉及的几个财务比率趋势恶化时,通常是财务危机发生的先兆。潜在危机的根源,即管理绩效的优劣最终体现在财务成果上;而财务成果生成过程的质量或可靠性又直接影响着危机的表现形式和经济后果;财务成果执行过程的持续性保障主要体现为营运效率。因而,可以通过潜在危机的直接表现讯号即现金流的匾乏、过程讯号即盈利能力的衰减和最终表现讯号即企业经营效率的低下三个方面进行具体指标的设定。

l直接表现讯号——现金流量类指标

风险一般都有一定的前置期,而现金流量的变化几乎是企业前置期收益与风险状况的“晴雨表”。现金流量开始恶化,一定程度上昭示著企业现金运转的紧张状况及可能的危机所在。其中,到期债务对企业的生存威胁最大,其次是一些金额较大的日常支出和资本性支出,而营业现金净流量是企业财富增长或摆脱困境的最终源泉。主要指标包括:

上述比率揭示了公司以经营活动产生的现金流量支付到期债务和当前股利的能力,同时衡量了公司是否可以正常支付其资本支出的能力。因为企业要发展,除了有能力偿付所有的债务,还必须维持现有的资本性资产和必要的财务支出,以增强整体竞争力。而每股所含现金流量比率追踪现金流量不同时期的轨迹,同时可与权责发生制下的每股收益率进行比较。

若上述预警指标经常或长期性地小于1,企业必须警惕现金支付不足的潜在危机。并参照其他前兆性指标,如非付现成本占营业现金净流量比率、息税前现金净流量比率、营业现金净流量偿债贡献率等,同时结合行业比较进行预测分析。

2过程可靠性讯号——收益类指标

资产收益是企业现金流量的源泉,只有通过主导业务不断拓展市场增值能力,才可能真正地持续性地避免不确定性危机的侵袭。也只有充满活力和竞争力的企业,才可能对经营资讯的变化具有高度敏感性。其中主导业务利润及其所占比重大小是决定企业收益是否具有稳定与可靠性的基础。如果主导业务销售率或收益率在总收益中所占的比重呈现出下降的趋势,往往是企业经营不稳定的危险征兆。同时,如果所预期或业已出现的收益时间分布结果完全随机或间距不规律,也说明这种收益的质量亦非真正稳定可靠。

为了评估收益的质量,必须找出销售收入或销售利润与净利润以及现金收支之间的差异,若销售利润、净利润与经营产生的现金净流量之间没有较大的差异时,才表现出较高的收益质量。否则,对收益质量的质疑必须引起重视。

3最终表现讯号基础保障——营运效率类指标

预警分析系统,一般应有两个要素:即先行指标和扳机点。先行指标是用于早期评测运营不佳状况的变动指标;扳机点则是指控制先行指标的临界点,一旦评测指标超过预定的界限点,则预警方案应随之启动。如前述的到期债务保障率、主导业务资产收益率。经营性资产周转率等的临界值可作为考察的扳机点。因此跟踪考察企业时,对主要比率变化趋势中所隐含的关键点应予以特别注意。

2.财务危机预警分析的变数模式

单一财务指标往往难以从企业整体的角度揭示危机的具体影响程度和发生时机。因此,有必要综合各项主要指标更加有效地检查企业财务状况的不稳定现象,及早做好财务危机的规避或延缓危机发生的工作,其中爱德华·阿尔及Altman的Z计分多变数模型最为著名。其指标分别按流动率、收益率、稳定性、交付能力。活动比例五项标准分类。在短期预测中均具有很高的准确度,又被称为公司破产预测模型。公司可选择性地加减指标以逐步构建适合企业的特定多变数模式。

尽管危机预警十分有效,但把它视为一贴方应灵药又是很危险的。目前的财务预警分析系统,偏重于对企业财务资料的统计、筛选和简单的模型计算,但单纯的量化模型难以全面预测和监控潜在的财务危机。财务危机预警模型本应综合多个财务变数,否则其灵敏性、全面性和严密性就会遭到怀疑。但所涉及的财务资料越多,其获取的难度就越大,周期也会越长,成本也将随之攀升。另外,指标运动变化的“度”即警戒线也很难把握。这时,更应结合一些非财务性指标或征兆,以准确判别潜在危机的破坏性,如财务预测在较长时期内的不准确、过度大规模扩张、过度依赖贷款,会计报表不能及时公开等;国外通常还结合使用关键点分析法、管理评分法等。

事实上、任何时分危机预警模型都只能为分析人员提供关于企业财务危机发生可能性的线索,而并不能确切地告知是否会发生财务危机,它并不能替代经营者解决问题。无疑,它更需要分析者对企业财务状况具有敏锐的洞察力,包括对整个巨集观经济走势的判断和把握。企业应根据本身的行业或产业特质,直接或间接、简单或综合地运用各项指标,并借助专业人员、咨询公司等对企业行业地位、前景分析的判断,在长期的实践中构造适合的预测模式和寻找化解危机的方法。

在大数据环境下,计算机信息处理技术也面临新的挑战,要求计算机信息处理技术必须不断的更新发展,以能够对当前的计算机信息处理需求满足。下面是我给大家推荐的计算机与大数据的相关论文,希望大家喜欢!计算机与大数据的相关论文篇一 浅谈“大数据”时代的计算机信息处理技术 [摘 要]在大数据环境下,计算机信息处理技术也面临新的挑战,要求计算机信息处理技术必须不断的更新发展,以能够对当前的计算机信息处理需求满足。本文重点分析大数据时代的计算机信息处理技术。 [关键词]大数据时代;计算机;信息处理技术 在科学技术迅速发展的当前,大数据时代已经到来,大数据时代已经占领了整个环境,它对计算机的信息处理技术产生了很大的影响。计算机在短短的几年内,从稀少到普及,使人们的生活有了翻天覆地的变化,计算机的快速发展和应用使人们走进了大数据时代,这就要求对计算机信息处理技术应用时,则也就需要在之前基础上对技术实施创新,优化结构处理,从而让计算机数据更符合当前时代发展。 一、大数据时代信息及其传播特点 自从“大数据”时代的到来,人们的信息接收量有明显加大,在信息传播中也出现传播速度快、数据量大以及多样化等特点。其中数据量大是目前信息最显著的特点,随着时间的不断变化计算机信息处理量也有显著加大,只能够用海量还对当前信息数量之大形容;传播速度快也是当前信息的主要特点,计算机在信息传播中传播途径相当广泛,传播速度也相当惊人,1s内可以完成整个信息传播任务,具有较高传播效率。在传播信息过程中,还需要实施一定的信息处理,在此过程中则需要应用相应的信息处理工具,实现对信息的专门处理,随着目前信息处理任务的不断加强,信息处理工具也有不断的进行创新[1];信息多样化,则也就是目前数据具有多种类型,在庞大的数据库中,信息以不同的类型存在着,其中包括有文字、图片、视频等等。这些信息类型的格式也在不断发生着变化,从而进一步提高了计算机信息处理难度。目前计算机的处理能力、打印能力等各项能力均有显著提升,尤其是当前软件技术的迅速发展,进一步提高了计算机应用便利性。微电子技术的发展促进了微型计算机的应用发展,进一步强化了计算机应用管理条件。 大数据信息不但具有较大容量,同时相对于传统数据来讲进一步增强了信息间关联性,同时关联结构也越来越复杂,导致在进行信息处理中需要面临新的难度。在 网络技术 发展中重点集中在传输结构发展上,在这种情况下计算机必须要首先实现网络传输结构的开放性设定,从而打破之前计算机信息处理中,硬件所具有的限制作用。因为在当前计算机网络发展中还存在一定的不足,在完成云计算机网络构建之后,才能够在信息处理过程中,真正的实现收放自如[2]。 二、大数据时代的计算机信息处理技术 (一)数据收集和传播技术 现在人们通过电脑也就可以接收到不同的信息类型,但是在进行信息发布之前,工作人员必须要根据需要采用信息处理技术实施相应的信息处理。计算机采用信息处理技术实施信息处理,此过程具有一定复杂性,首先需要进行数据收集,在将相关有效信息收集之后首先对这些信息实施初步分析,完成信息的初级操作处理,总体上来说信息处理主要包括:分类、分析以及整理。只有将这三步操作全部都完成之后,才能够把这些信息完整的在计算机网络上进行传播,让用户依照自己的实际需求筛选满足自己需求的信息,借助于计算机传播特点将信息数据的阅读价值有效的实现。 (二)信息存储技术 在目前计算机网络中出现了很多视频和虚拟网页等内容,随着人们信息接收量的不断加大,对信息储存空间也有较大需求,这也就是对计算机信息存储技术提供了一个新的要求。在数据存储过程中,已经出现一系列存储空间无法满足当前存储要求,因此必须要对当前计算机存储技术实施创新发展。一般来讲计算机数据存储空间可以对当前用户关于不同信息的存储需求满足,但是也有一部分用户对于计算机存储具有较高要求,在这种情况下也就必须要提高计算机数据存储性能[3],从而为计算机存储效率提供有效保障。因此可以在大数据存储特点上完成计算机信息新存储方式,不但可以有效的满足用户信息存储需求,同时还可以有效的保障普通储存空间不会出现被大数据消耗问题。 (三)信息安全技术 大量数据信息在计算机技术发展过程中的出现,导致有一部分信息内容已经出现和之前信息形式的偏移,构建出一些新的计算机信息关联结构,同时具有非常强大的数据关联性,从而也就导致在计算机信息处理中出现了新的问题,一旦在信息处理过程中某个信息出现问题,也就会导致与之关联紧密的数据出现问题。在实施相应的计算机信息管理的时候,也不像之前一样直接在单一数据信息之上建立,必须要实现整个数据库中所有将数据的统一安全管理。从一些角度分析,这种模式可以对计算机信息处理技术水平有显著提升,并且也为计算机信息处理技术发展指明了方向,但是因为在计算机硬件中存在一定的性能不足,也就导致在大数据信息安全管理中具有一定难度。想要为数据安全提供有效保障,就必须要注重数据安全技术管理技术的发展。加强当前信息安全体系建设,另外也必须要对计算机信息管理人员专业水平进行培养,提高管理人员专业素质和专业能力,从而更好的满足当前网络信息管理体系发展需求,同时也要加强关于安全技术的全面深入研究工作[4]。目前在大数据时代下计算机信息安全管理技术发展还不够成熟,对于大量的信息还不能够实施全面的安全性检测,因此在未来计算机信息技术研究中安全管理属于重点方向。但是因为目前还没有构建完善的计算机安全信息管理体系,因此首先应该强化关于计算机重点信息的安全管理,这些信息一旦发生泄漏,就有可能会导致出现非常严重的损失。目前来看,这种 方法 具有一定可行性。 (四)信息加工、传输技术 在实施计算机信息数据处理和传输过程中,首先需要完成数据采集,同时还要实时监控数据信息源,在数据库中将采集来的各种信息数据进行存储,所有数据信息的第一步均是完成采集。其次才能够对这些采集来的信息进行加工处理,通常来说也就是各种分类及加工。最后把已经处理好的信息,通过数据传送系统完整的传输到客户端,为用户阅读提供便利。 结语: 在大数据时代下,计算机信息处理技术也存在一定的发展难度,从目前专业方面来看,还存在一些问题无法解决,但是这些难题均蕴含着信息技术发展的重要机遇。在当前计算机硬件中,想要完成计算机更新也存在一定的难度,但是目前计算机未来的发展方向依旧是云计算网络,把网络数据和计算机硬件数据两者分开,也就有助于实现云计算机网络的有效转化。随着科学技术的不断发展相信在未来的某一天定能够进入到计算机信息处理的高速发展阶段。 参考文献 [1] 冯潇婧.“大数据”时代背景下计算机信息处理技术的分析[J].计算机光盘软件与应用,2014,(05):105+107. [2] 詹少强.基于“大数据”时代剖析计算机信息处理技术[J].网络安全技术与应用,2014,(08):49-50. [3] 曹婷.在信息网络下计算机信息处理技术的安全性[J].民营科技,2014, (12):89CNKI [4] 申鹏.“大数据”时代的计算机信息处理技术初探[J].计算机光盘软件与应用,2014,(21):109-110 计算机与大数据的相关论文篇二 试谈计算机软件技术在大数据时代的应用 摘要:大数据的爆炸式增长在大容量、多样性和高增速方面,全面考验着现代企业的数据处理和分析能力;同时,也为企业带来了获取更丰富、更深入和更准确地洞察市场行为的大量机会。对企业而言,能够从大数据中获得全新价值的消息是令人振奋的。然而,如何从大数据中发掘出“真金白银”则是一个现实的挑战。这就要求采用一套全新的、对企业决策具有深远影响的解决方案。 关键词:计算机 大数据时代 容量 准确 价值 影响 方案 1 概述 自从计算机出现以后,传统的计算工作已经逐步被淘汰出去,为了在新的竞争与挑战中取得胜利,许多网络公司开始致力于数据存储与数据库的研究,为互联网用户提供各种服务。随着云时代的来临,大数据已经开始被人们广泛关注。一般来讲,大数据指的是这样的一种现象:互联网在不断运营过程中逐步壮大,产生的数据越来越多,甚至已经达到了10亿T。大数据时代的到来给计算机信息处理技术带来了更多的机遇和挑战,随着科技的发展,计算机信息处理技术一定会越来越完善,为我们提供更大的方便。 大数据是IT行业在云计算和物联网之后的又一次技术变革,在企业的管理、国家的治理和人们的生活方式等领域都造成了巨大的影响。大数据将网民与消费的界限和企业之间的界限变得模糊,在这里,数据才是最核心的资产,对于企业的运营模式、组织结构以及 文化 塑造中起着很大的作用。所有的企业在大数据时代都将面对战略、组织、文化、公共关系和人才培养等许多方面的挑战,但是也会迎来很大的机遇,因为只是作为一种共享的公共网络资源,其层次化和商业化不但会为其自身发展带来新的契机,而且良好的服务品质更会让其充分具有独创性和专用性的鲜明特点。所以,知识层次化和商业化势必会开启知识创造的崭新时代。可见,这是一个竞争与机遇并存的时代。 2 大数据时代的数据整合应用 自从2013年,大数据应用带来令人瞩目的成绩,不仅国内外的产业界与科技界,还有各国政府部门都在积极布局、制定战略规划。更多的机构和企业都准备好了迎接大数据时代的到来,大数据的内涵应是数据的资产化和服务化,而挖掘数据的内在价值是研究大数据技术的最终目标。在应用数据快速增长的背景下,为了降低成本获得更好的能效,越来越趋向专用化的系统架构和数据处理技术逐渐摆脱传统的通用技术体系。如何解决“通用”和“专用”体系和技术的取舍,以及如何解决数据资产化和价值挖掘问题。 企业数据的应用内容涵盖数据获取与清理、传输、存储、计算、挖掘、展现、开发平台与应用市场等方面,覆盖了数据生产的全生命周期。除了Hadoop版本系统YARN,以及Spark等新型系统架构介绍外,还将探讨研究流式计算(Storm,Samza,Puma,S4等)、实时计算(Dremel,Impala,Drill)、图计算(Pregel,Hama,Graphlab)、NoSQL、NewSQL和BigSQL等的最新进展。在大数据时代,借力计算机智能(MI)技术,通过更透明、更可用的数据,企业可以释放更多蕴含在数据中的价值。实时、有效的一线质量数据可以更好地帮助企业提高产品品质、降低生产成本。企业领导者也可根据真实可靠的数据制订正确战略经营决策,让企业真正实现高度的计算机智能决策办公,下面我们从通信和商业运营两个方面进行阐述。 通信行业:XO Communications通过使用IBM SPSS预测分析软件,减少了将近一半的客户流失率。XO现在可以预测客户的行为,发现行为趋势,并找出存在缺陷的环节,从而帮助公司及时采取 措施 ,保留客户。此外,IBM新的Netezza网络分析加速器,将通过提供单个端到端网络、服务、客户分析视图的可扩展平台,帮助通信企业制定更科学、合理决策。电信业者透过数以千万计的客户资料,能分析出多种使用者行为和趋势,卖给需要的企业,这是全新的资料经济。中国移动通过大数据分析,对 企业运营 的全业务进行针对性的监控、预警、跟踪。系统在第一时间自动捕捉市场变化,再以最快捷的方式推送给指定负责人,使他在最短时间内获知市场行情。 商业运营:辛辛那提动物园使用了Cognos,为iPad提供了单一视图查看管理即时访问的游客和商务信息的服务。借此,动物园可以获得新的收入来源和提高营收,并根据这些信息及时调整营销政策。数据收集和分析工具能够帮助银行设立最佳网点,确定最好的网点位置,帮助这个银行更好地运作业务,推动业务的成长。 3 企业信息解决方案在大数据时代的应用 企业信息管理软件广泛应用于解决欺诈侦测、雇员流动、客户获取与维持、网络销售、市场细分、风险分析、亲和性分析、客户满意度、破产预测和投资组合分析等多样化问题。根据大数据时代的企业挖掘的特征,提出了数据挖掘的SEMMA方法论――在SAS/EM环境中,数据挖掘过程被划分为Sample、Explore、Modify、Model、Assess这五个阶段,简记为SEMMA: Sample 抽取一些代表性的样本数据集(通常为训练集、验证集和测试集)。样本容量的选择标准为:包含足够的重要信息,同时也要便于分析操作。该步骤涉及的处理工具为:数据导入、合并、粘贴、过滤以及统计抽样方法。 Explore 通过考察关联性、趋势性以及异常值的方式来探索数据,增进对于数据的认识。该步骤涉及的工具为:统计 报告 、视图探索、变量选择以及变量聚类等方法。 Modify 以模型选择为目标,通过创建、选择以及转换变量的方式来修改数据集。该步骤涉及工具为:变量转换、缺失处理、重新编码以及数据分箱等。 Model 为了获得可靠的预测结果,我们需要借助于分析工具来训练统计模型或者机器学习模型。该步骤涉及技术为:线性及逻辑回归、决策树、神经网络、偏最小二乘法、LARS及LASSO、K近邻法以及其他用户(包括非SAS用户)的模型算法。 Assess 评估数据挖掘结果的有效性和可靠性。涉及技术为:比较模型及计算新的拟合统计量、临界分析、决策支持、报告生成、评分代码管理等。数据挖掘者可能不会使用全部SEMMA分析步骤。然而,在获得满意结果之前,可能需要多次重复其中部分或者全部步骤。 在完成SEMMA步骤后,可将从优选模型中获取的评分公式应用于(可能不含目标变量的)新数据。将优选公式应用于新数据,这是大多数数据挖掘问题的目标。此外,先进的可视化工具使得用户能在多维直方图中快速、轻松地查阅大量数据并以图形化方式比较模拟结果。SAS/EM包括了一些非同寻常的工具,比如:能用来产生数据挖掘流程图的完整评分代码(SAS、C以及Java代码)的工具,以及交换式进行新数据评分计算和考察执行结果的工具。 如果您将优选模型注册进入SAS元数据服务器,便可以让SAS/EG和SAS/DI Studio的用户分享您的模型,从而将优选模型的评分代码整合进入 工作报告 和生产流程之中。SAS模型管理系统,通过提供了开发、测试和生产系列环境的项目管理结构,进一步补充了数据挖掘过程,实现了与SAS/EM的无缝联接。 在SAS/EM环境中,您可以从SEMMA工具栏上拖放节点进入工作区的工艺流程图中,这种流程图驱动着整个数据挖掘过程。SAS/EM的图形用户界面(GUI)是按照这样的思路来设计的:一方面,掌握少量统计知识的商务分析者可以浏览数据挖掘过程的技术方法;另一方面,具备数量分析技术的专家可以用微调方式深入探索每一个分析节点。 4 结束语 在近十年时间里,数据采集、存储和数据分析技术飞速发展,大大降低了数据储存和处理的成本,一个大数据时代逐渐展现在我们的面前。大数据革新性地将海量数据处理变为可能,并且大幅降低了成本,使得越来越多跨专业学科的人投入到大数据的开发应用中来。 参考文献: [1]薛志文.浅析计算机网络技术及其发展趋势[J].信息与电脑,2009. [2]张帆,朱国仲.计算机网络技术发展综述[J].光盘技术,2007. [3]孙雅珍.计算机网络技术及其应用[J].东北水利水电,1994. [4]史萍.计算机网络技术的发展及展望[J].五邑大学学报,1999. [5]桑新民.步入信息时代的学习理论与实践[M].中央广播大学出版社,2000. [6]张浩,郭灿.数据可视化技术应用趋势与分类研究[J].软件导刊. [7]王丹.数字城市与城市地理信息产业化――机遇与挑战[J].遥感信息,2000(02). [8]杨凤霞.浅析 Excel 2000对数据的安全管理[J].湖北商业高等专科学校学报,2001(01). 计算机与大数据的相关论文篇三 浅谈利用大数据推进计算机审计的策略 [摘要]社会发展以及时代更新,在该种环境背景下大数据风潮席卷全球,尤其是在进入新时期之后数据方面处理技术更加成熟,各领域行业对此也给予了较高的关注,针对当前计算机审计(英文简称CAT)而言要想加速其发展脚步并将其质量拔高就需要结合大数据,依托于大数据实现长足发展,本文基于此就大数据于CAT影响进行着手分析,之后探讨依托于大数据良好推进CAT,以期为后续关于CAT方面研究提供理论上参考依据。 [关键词]大数据 计算机审计 影响 前言:相较于网络时代而言大数据风潮一方面提供了共享化以及开放化、深层次性资源,另一方面也促使信息管理具备精准性以及高效性,走进新时期CAT应该融合于大数据风潮中,相应CAT人员也需要积极应对大数据带了的机遇和挑战,正面CAT工作,进而促使CAT紧跟时代脚步。 一、初探大数据于CAT影响 影响之机遇 大数据于CAT影响体现在为CAT带来了较大发展机遇,具体来讲,信息技术的更新以及其质量的提升促使数据方面处理技术受到了众多领域行业的喜爱,当前在数据技术推广普及阶段中呈现三大变化趋势:其一是大众工作生活中涉及的数据开始由以往的样本数据实际转化为全数据。其二是全数据产生促使不同数据间具备复杂内部关系,而该种复杂关系从很大程度上也推动工作效率以及数据精准性日渐提升,尤其是数据间转化关系等更为清晰明了。其三是大众在当前处理数据环节中更加关注数据之间关系研究,相较于以往仅仅关注数据因果有了较大进步。基于上述三大变化趋势,也深刻的代表着大众对于数据处理的态度改变,尤其是在当下海量数据生成背景下,人工审计具备较强滞后性,只有依托于大数据并发挥其优势才能真正满足大众需求,而这也是大数据对CAT带来的重要发展机遇,更是促进CAT在新时期得以稳定发展重要手段。 影响之挑战 大数据于CAT影响还体现在为CAT带来一定挑战,具体来讲,审计评估实际工作质量优劣依托于其中数据质量,数据具备的高质量则集中在可靠真实以及内容详细和相应信息准确三方面,而在CAT实际工作环节中常常由于外界环境以及人为因素导致数据质量较低,如数据方面人为随意修改删除等等,而这些均是大数据环境背景下需要严格把控的重点工作内容。 二、探析依托于大数据良好推进CAT措施 数据质量的有效保障 依托于大数据良好推进CAT措施集中在数据质量有效保障上,对数据质量予以有效保障需要从两方面入手,其一是把控电子数据有效存储,简单来讲就是信息存储,对电子信息进行定期检查,监督数据实际传输,对信息系统予以有效确认以及评估和相应的测试等等,进而将不合理数据及时发现并找出信息系统不可靠不准确地方;其二是把控电子数据采集,通常电子数据具备多样化采集方式,如将审计单位相应数据库直接连接采集库进而实现数据采集,该种直接采集需要备份初始传输数据,避免数据采集之后相关人员随意修改,更加可以与审计单位进行数据采集真实性 承诺书 签订等等,最终通过电子数据方面采集以及存储两大内容把控促使数据质量更高,从而推动CAT发展。 公共数据平台的建立 依托于大数据良好推进CAT措施还集中在公共数据平台的建立,建立公共化分析平台一方面能够将所有采集的相关数据予以集中化管理存储,更能够予以多角度全方面有效分析;另一方面也能够推动CAT作业相关标准予以良好执行。如果将分析模型看作是CAT作业标准以及相应的核心技术,则公共分析平台则是标准执行和相应技术实现关键载体。依托于公共数据平台不仅能够将基础的CAT工作实现便捷化以及统一化,而且深层次的实质研究有利于CAT数据处理的高速性以及高效性,最终为推动CAT发展起到重要影响作用。 审计人员的强化培训 依托于大数据良好推进CAT措施除了集中在上述两方面之外,还集中在审计人员的强化培训上,具体来讲,培训重点关注审计工作于计算机上的具 体操 作以及操作重点难点,可以构建统一培训平台,在该培训平台中予以多元化资料的分享,聘请高技能丰富 经验 人士予以平台授课,提供专业技能知识沟通互动等等机会,最终通过强化培训提升审计人员综合素质,更加推动CAT未来发展。 三、结论 综上分析可知,当前大数据环境背景下CAT需要将日常工作予以不断调整,依托于大数据促使审计人员得以素质提升,并利用公共数据平台建立和相应的数据质量保障促使CAT工作更加高效,而本文对依托于大数据良好推进CAT进行研究旨在为未来CAT优化发展献出自己的一份研究力量。 猜你喜欢: 1. 人工智能与大数据论文 2. 大数据和人工智能论文 3. 计算机大数据论文参考 4. 计算机有关大数据的应用论文 5. 有关大数据应用的论文

逻辑学在生活中的应用论文

形式逻辑 从思维的形式结构方面研究思维规律的科学。它总结了人类思维的经验教训,以保持思维的确定性为核心,用一系列规则、方法帮助人们正确地思考问题和表达思想。是人们认识世界和改造世界的必要工具。 形式逻辑这个词是有多种含义的,有的专指传统逻辑(包括传统演绎逻辑和传统归纳逻辑),有的专指演绎逻辑(包括传统演绎逻辑和现代演绎逻辑),有的则专指现代数理逻辑。还有一种是政治性产物,是政治决定理论的恶果,是为了与辩证逻辑这种政治决定的逻辑相区分。这种意义的形式逻辑常常被污蔑为形而上学、低等逻辑,而辩证逻辑自然是科学的逻辑、高等逻辑。这种意义上的形式逻辑其实就是现今通常所说的逻辑学,这种意义上的形式逻辑正好没有承认辩证逻辑是逻辑学,而只认为其是一种哲学。 20世纪30至40年代,苏联曾把形式逻辑当作形而上学来批判,并把辩证法当作惟一科学的逻辑。讲辩证法一定要批判形式逻辑。在此影响下,当时中国也有人“宣判”了形式逻辑的“死刑”。不过在1949年前这种全盘否定形式逻辑的思潮在中国还不属主流思想。1949年到1950年间这种思潮也成为中国的主流思想。 1950年斯大林的《马克思主义和语言学问题》发表后,中国才为形式逻辑“平反”。然而“平反”并不彻底,跟苏联一样,形式逻辑仍带有“初等逻辑”的帽子,而“高等逻辑”自然非辩证法或辩证逻辑莫属。否定、贬低形式逻辑不仅阻碍了逻辑科学的发展,而且造成诡辩盛行的恶果。黑格尔曾十分轻蔑地评论过莱布尼茨的数理逻辑设想。马克思主义产生以后才冒出来的数理逻辑(第一个数理逻辑系统是费雷格于1879年提出的),在20世纪50年代初被视为帝国主义时代为垄断资产阶级服务的伪科学。 1961年代才开始突破苏联50至60年代逻辑教材的某些框框,清除了苏联教材散布的种种常识性错误。 黑格尔的大小逻辑讲的是哲学,不讨论从形式上讲有什么样的前提可以得到什么样的结论这样的推理形式方面的问题。 其实,在现今的非经典演绎逻辑中确实有一支是与辩证逻辑有很多相似之处的,这种逻辑就是次协调逻辑(又常称为费协调逻辑、亚相容逻辑,也有人称之谓悖论逻辑、辩证逻辑)。这种逻辑承认经典演绎逻辑中的“矛盾律”并不普遍有效,试图将“矛盾”封装起来,不让其危害整个系统。 许多认同黑格尔辩证逻辑的人也是因为看到了现代经典逻辑中的悖论问题,而企望黑格尔的辩证逻辑能解决这个问题。但事实上,类似的方法已经有了,这就是次协调逻辑。然而,次协调逻辑是隶属于现代非经典演绎逻辑的,如果次协调逻辑真是辩证逻辑的话,那么这种辩证逻辑属于现代非经典演绎逻辑的一支,而不是独立于其外。不过,次协调逻辑尽管与黑格尔的辩证逻辑有许多相似之处,但也有许多区别,并不能简单的说它是辩证逻辑。

1、烟囱的故事

两个人从烟囱里爬出去,一个满脸烟灰,一个干干净净,你认为哪一个去洗澡呢?“当然是脏的那个人。”学生却说,“不对,脏的那个看见对方干干净净,以为自己也不会脏,他根本就不会去洗澡。”

2、语文中的语病句

有一次在语文考试中修改病句的题型,我到现在都不会忘了。例如,“中国有世界上没有的万里长城”,刚一看到这样的句子的时候,你是不是认为这就是对的,然而大家仔细地运用逻辑学来推敲一下,你就会发现“中国有”和“世界没有”,这是自相矛盾的。

3、脑筋急转弯的误判

我们经常在脑筋急转弯中问到“2加3在什么情况下不等于5”,我们会很快答道“在做错误的情况之下”,显然对这答案对大多数人来说其实并不难。但如果要从逻辑学的角度回答,恐怕没几个人能够答出来,其实答案是“如果1加1不等于2,那么2加3就不等于5“,这是一个充分条件假言判断。

逻辑学理论和方法有以下几个作用:

1、认知工具:有助于人们正确认识事物,探寻新结果,获得新知识。

2、 表达工具:有助于人们准确、严密、清晰地表达思想和建立新理论。

3、说服工具:有助于人们做出更为严谨、更具有说服力的推理和论证。

4、分析工具:有助于人们揭露谬误,驳斥诡辩。有助于正确思考,明辨是非,正本清源。

人工智能与现今逻辑学的发展-.〔摘要〕 本文认为,计算机科学和人工智能将是21世纪逻辑学发展的主要动力源泉,并且在很大程度上将决定21世纪逻辑学的面貌。至少在21世纪早期,逻辑学将重点关注下列论题:(1)如何在逻辑中处理常识推理的弗协调、非单调和容错性因素?(2)如何使机器人具有人的创造性智能,如从经验证据中建立用于指导以后行动的可错的归纳判断?(3)如何进行知识表示和知识推理,特别是基于已有的知识库以及各认知主体相互之间的知识而进行的推理?(4)如何结合各种语境因素进行自然语言理解和推理,使智能机器人能够用人的自然语言与人进行成功的交际?等等。 〔关键词〕 人工智能,常识推理,归纳逻辑,广义内涵逻辑,认知逻辑,自然语言逻辑 现代逻辑创始于19世纪末叶和20世纪早期,其发展动力主要来自于数学中的公理化运动。当时的数学家们试图即从少数公理根据明确给出的演绎规则推导出其他的数学定理,从而把整个数学构造成为一个严格的演绎大厦,然后用某种程序和方法一劳永逸地证明数学体系的可靠性。为此需要发明和锻造严格、精确、适用的逻辑工具。这是现代逻辑诞生的主要动力。由此造成的后果就是20世纪逻辑研究的严重数学化,其表现在于:一是逻辑专注于在数学的形式化过程中提出的问题;二是逻辑采纳了数学的方法论,从事逻辑研究就意味着象数学那样用严格的形式证明去解决问题。由此发展出来的逻辑被恰当地称为“数理逻辑”,它增强了逻辑研究的深度,使逻辑学的发展继古希腊逻辑、欧洲中世纪逻辑之后进入第三个高峰期,并且对整个现代科学特别是数学、哲学、语言学和计算机科学产生了非常重要的影响。 本文所要探讨的问题是:21世纪逻辑发展的主要动力将来自何处?大致说来将如何发展?我个人的看法是:计算机科学和人工智能将至少是21世纪早期逻辑学发展的主要动力源泉,并将由此决定21世纪逻辑学的另一幅面貌。由于人工智能要模拟人的智能,它的难点不在于人脑所进行的各种必然性推理(这一点在20世纪基本上已经做到了,如用计算机去进行高难度和高强度的数学证明,“深蓝”通过高速、大量的计算去与世界冠军下棋),而是最能体现人的智能特征的能动性、创造性思维,这种思维活动中包括学习、抉择、尝试、修正、推理诸因素,例如选择性地搜集相关的经验证据,在不充分信息的基础上作出尝试性的判断或抉择,不断根据环境反馈调整、修正自己的行为,……由此达到实践的成功。于是,逻辑学将不得不比较全面地研究人的思维活动,并着重研究人的思维中最能体现其能动性特征的各种不确定性推理,由此发展出的逻辑理论也将具有更强的可应用性。 实际上,在20世纪中后期,就已经开始了现代逻辑与人工智能(记为AI)之间的相互融合和渗透。例如,哲学逻辑所研究的许多课题在理论计算机和人工智能中具有重要的应用价值。AI从认知心理学、社会科学以及决策科学中获得了许多资源,但逻辑(包括哲学逻辑)在AI中发挥了特别突出的作用。某些原因促使哲学逻辑家去发展关于非数学推理 的理论;基于几乎同样的理由,AI研究者也在进行类似的探索,这两方面的研究正在相互接近、相互借鉴,甚至在逐渐融合在一起。例如,AI特别关心下述课题: ·效率和资源有限的推理; ·感知; ·做计划和计划再认; ·关于他人的知识和信念的推理; ·各认知主体之间相互的知识; ·自然语言理解; ·知识表示; ·常识的精确处理; ·对不确定性的处理,容错推理; ·关于时间和因果性的推理; ·解释或说明; ·对归纳概括以及概念的学习。[①] 21世纪的逻辑学也应该关注这些问题,并对之进行研究。为了做到这一点,逻辑学家们有必要熟悉AI的要求及其相关进展,使其研究成果在AI中具有可应用性。 我认为,至少是21世纪早期,逻辑学将会重点关注下述几个领域,并且有可能在这些领域出现具有重大意义的成果:(1)如何在逻辑中处理常识推理中的弗协调、非单调和容错性因素?(2)如何使机器人具有人的创造性智能,如从经验证据中建立用于指导以后行动的归纳判断?(3)如何进行知识表示和知识推理,特别是基于已有的知识库以及各认知主体相互之间的知识而进行的推理?(4)如何结合各种语境因素进行自然语言理解和推理,使智能机器人能够用人的自然语言与人进行成功的交际?等等。 1.常识推理中的某些弗协调、非单调和容错性因素 AI研究的一个目标就是用机器智能模拟人的智能,它选择各种能反映人的智能特征的问题进行实践,希望能做出各种具有智能特征的软件系统。AI研究基于计算途径,因此要建立具有可操作性的符号模型。一般而言,AI关于智能系统的符号模型可描述为:由一个知识载体(称为知识库KB)和一组加载在KB上的足以产生智能行为的过程(称为问题求解器PS)构成。经过20世纪70年代包括专家系统的发展,AI研究者逐步取得共识,认识到知识在智能系统中力量,即一般的智能系统事实上是一种基于知识的系统,而知识包括专门性知识和常识性知识,前者亦可看做是某一领域内专家的常识。于是,常识问题就成为AI研究的一个核心问题,它包括两个方面:常识表示和常识推理,即如何在人工智能中清晰地表示人类的常识,并运用这些常识去进行符合人类行为的推理。显然,如此建立的常识知识库可能包含矛盾,是不协调的,但这种矛盾或不协调应不至于影响到进行合理的推理行为;常识推理还是一种非单调推理,即人们基于不完全的信息推出某些结论,当人们得到更完全的信息后,可以改变甚至收回原来的结论;常识推理也是一种可能出错的不精确的推理模式,是在容许有错误知识的情况下进行的推理,简称容错推理。而经典逻辑拒斥任何矛盾,容许从矛盾推出一切命题;并且它是单调的,即承认如下的推理模式:如果p?r,则pùq?r;或者说,任一理论的定理属于该理论之任一扩张的定理集。因此,在处理常识表示和常识推理时,经典逻辑应该受到限制和修正,并发展出某些非经典的逻辑,如次协调逻辑、非单调逻辑、容错推理等。有人指出,常识推理的逻辑是次协调逻辑和非单调逻辑的某种结合物,而后者又可看做是对容错推理的简单且基本的情形的一种形式化。[②] “次协调逻辑”(Paraconsistent Logic)是由普里斯特、达·科斯塔等人在对悖论的研究中发展出来的,其基本想法是:当在一个理论中发现难以克服的矛盾或悖论时,与其徒劳地想尽各种办法去排除 或防范它们,不如干脆让它们留在理论体系内,但把它们“圈禁”起来,不让它们任意扩散,以免使我们所创立或研究的理论成为“不足道”的。于是,在次协调逻辑中,能够容纳有意义、有价值的“真矛盾”,但这些矛盾并不能使系统推出一切,导致自毁。因此,这一新逻辑具有一种次于经典逻辑但又远远高于完全不协调系统的协调性。次协调逻辑家们认为,如果在一理论T中,一语句A及其否定?A都是定理,则T是不协调的;否则,称T是协调的。如果T所使用的逻辑含有从互相否定的两公式可推出一切公式的规则或推理,则不协调的T也是不足道的(trivial)。因此,通常以经典逻辑为基础的理论,如果它是不协调的,那它一定也是不足道的。这一现象表明,经典逻辑虽可用于研究协调的理论,但不适用于研究不协调但又足道的理论。达·科斯塔在20世纪60年代构造了一系列次协调逻辑系统Cn(1≤n≤w),以用作不协调而又足道的理论的逻辑工具。对次协调逻辑系统Cn的特征性描述包括下述命题:(i)矛盾律?(Aù?A)不普遍有效;(ii)从两个相互否定的公式A和?A推不出任意公式;即是说,矛盾不会在系统中任意扩散,矛盾不等于灾难。(iii)应当容纳与(i)和(ii)相容的大多数经典逻辑的推理模式和规则。这里,(i)和(ii)表明了对矛盾的一种相对宽容的态度,(iii)则表明次协调逻辑对于经典逻辑仍有一定的继承性。 在任一次协调逻辑系统Cn(1≤n≤w)中,下述经典逻辑的定理或推理模式都不成立: ?(Aù?A) Aù?A→B A→(?A→B) (AA)→B (AA)→?B A→A (?Aù(AúB))→B (A→B)→(?B→?A) 若以C0为经典逻辑,则系列C0, C1, C2,… Cn,… Cw使得对任正整数i有Ci弱于Ci-1,Cw是这系列中最弱的演算。已经为Cn设计出了合适的语义学,并已经证明Cn相对于此种语义是可靠的和完全的,并且次协调命题逻辑系统Cn还是可判定的。现在,已经有人把次协调逻辑扩展到模态逻辑、时态逻辑、道义逻辑、多值逻辑、集合论等领域的研究中,发展了这些领域内的次协调理论。显然,次协调逻辑将会得到更进一步的发展。[③] 非单调逻辑是关于非单调推理的逻辑,它的研究开始于20世纪80年代。1980年,D·麦克多莫特和J·多伊尔初步尝试着系统发展一种关于非单调推理的逻辑。他们在经典谓词演算中引入一个算子M,表示某种“一致性”断言,并将其看做是模态概念,通过一定程序把模态逻辑系统T、S4和S5翻译成非单调逻辑。B·摩尔的论文《非单调逻辑的语义思考》(1983)据认为在非单调逻辑方面作出了令人注目的贡献。他在“缺省推理”和“自动认知推理”之间做了区分,并把前者看作是在没有任何相反信息和缺少证据的条件下进行推理的过程,这种推理的特征是试探性的:根据新信息,它们很可能会被撤消。自动认知推理则不是这种类型,它是与人们自身的信念或知识相关的推理,可用它模拟一个理想的具有信念的有理性的代理人的推理。对于在计算机和人工智能中获得成功的应用而言,非单调逻辑尚需进一步发展。 2.归纳以及其他不确定性推理 人类智能的本质特征和最高表现是创造。在人类创造的过程中,具有必然性的演绎推理固然起重要作用,但更为重要的是具有某种不确定性的归纳、类比推理以及模糊推理等。因此,计算机要成功地模拟人的智能,真正体现出人的智能品质,就必须对各种具有不确定性的推理模式进行研究。 首先是对归纳推理和归纳逻辑的研究。这里所说的“归纳推理”是广义的,指一切扩展性推理,它们的结论所断定的超出了其前提所断定的范围,因而前提的真无法保证结论的真,整个推理因此缺乏必然性。具体说来,这种意义的“归纳”包括下述内容:简单枚举法;排除归纳法,指这样一些操作:预先通过观察或实验列出被研究现象的可能的原因,然后有选择地安排某些事例或实验,根据某些标准排除不相干假设,最后得到比较可靠的结论;统计概括:从关于有穷数目样本的构成的知识到关于未知总体分布构成的结论的推理;类比论证和假说演绎法,等等。尽管休谟提出着名的“归纳问题”,对归纳推理的合理性和归纳逻辑的可能性提出了深刻的质疑,但我认为,(1)归纳是在茫茫宇宙中生存的人类必须采取也只能采取的认知策略,对于人类来说具有实践的必然性。(2)人类有理由从经验的重复中建立某种确实性和规律性,其依据就是确信宇宙中存在某种类似于自然齐一律和客观因果律之类的东西。这一确信是合理的,而用纯逻辑的理由去怀疑一个关于世界的事实性断言则是不合理的,除非这个断言是逻辑矛盾。(3)人类有可能建立起局部合理的归纳逻辑和归纳方法论。并且,归纳逻辑的这种可能性正在计算机科学和人工智能的研究推动下慢慢地演变成现实。恩格斯早就指出,“社会一旦有技术上的需要,则这种需要比十所大学更能把科学推向前进。”[④] 有人通过指责现有的归纳逻辑不成熟,得出“归纳逻辑不可能”的结论,他们的推理本身与归纳推理一样,不具有演绎的必然性。(4)人类实践的成功在一定程度上证明了相应的经验知识的真理性,也就在一定程度上证明了归纳逻辑和归纳方法论的力量。毋庸否认,归纳逻辑目前还很不成熟。有的学者指出,为了在机器的智能模拟中克服对归纳模拟的困难而有所突破,应该将归纳逻辑等有关的基础理论研究与机器学习、不确定推理和神经网络学习模型与归纳学习中已有的成果结合起来。只有这样,才能在已有的归纳学习成果上,在机器归纳和机器发现上取得新的突破和进展。[⑤] 这是一个极有价值且极富挑战性的课题,无疑在21世纪将得到重视并取得进展。 再谈模糊逻辑。现实世界中充满了模糊现象,这些现象反映到人的思维中形成了模糊概念和模糊命题,如“矮个子”、“美人”、“甲地在乙地附近”、“他很年轻”等。研究模糊概念、模糊命题和模糊推理的逻辑理论叫做“模糊逻辑”。对它的研究始于20世纪20年代,其代表性人物是L·A·查德和P·N·马林诺斯。模糊逻辑为精确逻辑(二值逻辑)解决不了的问题提供了解决的可能,它目前在医疗诊断、故障检测、气象预报、自动控制以及人工智能研究中获得重要应用。显然,它在21世纪将继续得到更大的发展。 3.广义内涵逻辑 经典逻辑只是对命题联结词、个体词、谓词、量词和等词进行了研究,但在自然语言中,除了这些语言成分之外,显然还存在许多其他的语言成分,如各种各样的副词,包括模态词“必然”、“可能”和“不可能” 、时态词“过去”、“现在”和“未来”、道义词“应该”、“允许”、“禁止”等等,以及各种认知动词,如“思考”、“希望”、“相信”、“判断”、“猜测”、“考虑”、“怀疑”,这些认知动词在逻辑和哲学文献中被叫做“命题态度词”。对这些副词以及命题态度词的逻辑研究可以归类为“广义内涵逻辑”。 大多数副词以及几乎所有命题态度词都是内涵性的,造成内涵语境,后者与外延语境构成对照。外延语境又叫透明语境,是经典逻辑的组合性原则、等值置换规则、同一性替换规则在其中适用的语境;内涵语境又称晦暗语境,是上述规则在其中不适用的语境。相应于外延语境和内涵语境的区别,一切语言表达式(包括自然语言的名词、动词、形容词直至语句)都可以区分为外延性的和内涵性的,前者是提供外延语境的表达式,后者是提供内涵性语境的表达式。例如,杀死、见到、拥抱、吻、砍、踢、打、与…下棋等都是外延性表达式,而知道、相信、认识、必然、可能、允许、禁止、过去、现在、未来等都是内涵性表达式。 在内涵语境中会出现一些复杂的情况。首先,对于个体词项来说,关键性的东西是我们不仅必须考虑它们在现实世界中的外延,而且要考虑它们在其他可能世界中的外延。例如,由于“必然”是内涵性表达式,它提供内涵语境,因而下述推理是非有效的: 晨星必然是晨星, 晨星就是暮星, 所以,晨星必然是暮星。 这是因为:这个推理只考虑到“晨星”和“暮星”在现实世界中的外延,并没有考虑到它们在每一个可能世界中的外延,我们完全可以设想一个可能世界,在其中“晨星”的外延不同于“暮星”的外延。因此,我们就不能利用同一性替换规则,由该推理的前提得出它的结论:“晨星必然是暮星”。其次,在内涵语境中,语言表达式不再以通常是它们的外延的东西作为外延,而以通常是它们的内涵的东西作为外延。以“达尔文相信人是从猿猴进化而来的”这个语句为例。这里,达尔文所相信的是“人是从猿猴进化而来的”所表达的思想,而不是它所指称的真值,于是在这种情况下,“人是从猿猴进化而来的”所表达的思想(命题)就构成它的外延。再次,在内涵语境中,虽然适用于外延的函项性原则不再成立,但并不是非要抛弃不可,可以把它改述为新的形式:一复合表达式的外延是它出现于外延语境中的部分表达式的外延加上出现于内涵语境中的部分表达式的内涵的函项。这个新的组合性或函项性原则在内涵逻辑中成立。 一般而言,一个好的内涵逻辑至少应满足两个条件:(i)它必须能够处理外延逻辑所能处理的问题;(ii)它还必须能够处理外延逻辑所不能处理的难题。这就是说,它既不能与外延逻辑相矛盾,又要克服外延逻辑的局限。这样的内涵逻辑目前正在发展中,并且已有初步轮廓。从术语上说,内涵逻辑除需要真、假、语句真值的同一和不同、集合或类、谓词的同范围或不同范围等外延逻辑的术语之外,还需要同义、内涵的同一和差异、命题、属性或概念这样一些术语。广而言之,可以把内涵逻辑看作是关于象“必然”、“可能”、“知道”、“相信”,“允许”、“禁止”等提供内涵语境的语句算子的一般逻辑。在这种广义之下,模态逻辑、时态逻辑、道义逻辑、认知逻辑、问题逻辑等都是内涵逻辑。不过,还有一种狭义的内涵逻辑,它可以粗略定义一个内涵逻辑是一个形式语言,其中包括(1)谓词逻辑的算子、量词和变元,这里的谓词逻辑不必局限于一阶谓词逻辑,也可以是高阶谓词逻辑;(2)合式的λ—表达式,例如(λx)A,这里A是任一类型的表达式,x是任一类型的变元,(λx)A本身是一函项,它把变元x在其中取值的那种类型的对象映射到A所属的那种类型上;(3)其他需要的模态的或内涵的算子,例如�,ù、ú。而一个内涵逻辑的解释,则由下列要素组成:(1)一个可能世界的非空集W;(2)一个可能个体的非空集D;(3)一个赋值,它给系统内的表达式指派它们在每w∈W中的外延。对于任一的解释Q和任一的世界w∈W,判定内涵逻辑系统中的任一表达式X相对于解释Q在w∈W中的外延总是可能的。这样的内涵逻辑系统有丘奇的LSD系统,R·蒙塔古的IL系统,以及E·N·扎尔塔的FIL系统等。[⑥] 在各种内涵逻辑中,认识论逻辑(epistemic logic)具有重要意义。它有广义和狭义之分。广义的认识论逻辑研究与感知(perception)、知道、相信、断定、理解、怀疑、问题和回答等相关的逻辑问题,包括问题逻辑、知道逻辑、相信逻辑、断定逻辑等;狭义的认识论逻辑仅指知道和相信的逻辑,简称“认知逻辑”。冯·赖特在1951年提出了对“认知模态”的逻辑分析,这对建立认知逻辑具有极大的启发作用。J·麦金西首先给出了一个关于“知道”的模态逻辑。A·帕普于1957年建立了一个基于6条规则的相信逻辑系统。J·亨迪卡于60年代出版的《知识和信念》一书是认知逻辑史上的重要着作,其中提出了一些认知逻辑的系统,并为其建立了基于“模型集”的语义学,后者是可能世界语义学的先导之一。当今的认知逻辑纷繁复杂,既不成熟也面临许多难题。由于认知逻辑涉及认识论、心理学、语言学、计算机科学和人工智能等诸多领域,并且认知逻辑的应用技术,又称关于知识的推理技术,正在成为计算机科学和人工智能的重要分支之一,因此认知逻辑在20世纪中后期成为国际逻辑学界的一个热门研究方向。这一状况在21世纪将得到继续并进一步强化,在这方面有可能出现突破性的重要结果。 4.对自然语言的逻辑研究 对自然语言的逻辑研究有来自几个不同领域的推动力。首先是计算机和人工智能的研究,人机对话和通讯、计算机的自然语言理解、知识表示和知识推理等课题,都需要对自然语言进行精细的逻辑分析,并且这种分析不能仅停留在句法层面,而且要深入到语义层面。其次是哲学特别是语言哲学,在20世纪哲学家们对语言表达式的意义问题倾注了异乎寻常的精力,发展了各种各样的意义理论,如观念论、指称论、使用论、言语行为理论、真值条件论等等,以致有人说,关注意义成了20世纪哲学家的职业病。再次是语言学自身发展的需要,例如在研究自然语言的意义问题时,不能仅仅停留在脱离语境的抽象研究上面,而要结合使用语言的特定环境去研究,这导致了语义学、语用学、新修辞学等等发展。各个方面发展的成果可以总称为“自然语言逻辑”,它力图综合后期维特根斯坦提倡的使用论 ,J·L·奥斯汀、J·L·塞尔等人发展的言语行为理论,以及P·格赖斯所创立的会话含义学说等成果,透过自然语言的指谓性和交际性去研究自然语言中的推理。 自然语言具有表达和交际两种职能,其中交际职能是自然语言最重要的职能,是它的生命力之所在。而言语交际总是在一定的语言环境(简称语境)中进行的,语境有广义和狭义之分。狭义的语境仅指一个语词、一个句子出现的上下文。广义的语境除了上下文之外,还包括该语词或语句出现的整个社会历史条件,如该语词或语句出现的时间、地点、条件、讲话的人(作者)、听话的人(读者)以及交际双方所共同具有的背景知识,这里的背景知识包括交际双方共同的信念和心理习惯,以及共同的知识和假定等等。这些语境因素对于自然语言的表达式(语词、语句)的意义有着极其重要的影响,这具体表现在:(i)语境具有消除自然语言语词的多义性、歧义性和模糊性的能力,具有严格规定语言表达式意义的能力。(ii)自然语言的句子常常包含指示代词、人称代词、时间副词等,要弄清楚这些句子的意义和内容,就要弄清楚这句话是谁说的、对谁说的、什么时候说的、什么地点说的、针对什么说的,等等,这只有在一定的语境中才能进行。依赖语境的其他类型的语句还有:包含着象“有些”和“每一个”这类量化表达式的句子的意义取决于依语境而定的论域,包含着象“大的”、“冷的”这类形容词的句子的意义取决于依语境而定的相比较的对象类;模态语句和条件语句的意义取决于因语境而变化的语义决定因素,如此等等。(iii)语言表达式的意义在语境中会出现一些重要的变化,以至偏离它通常所具有的意义(抽象意义),而产生一种新的意义即语用涵义。有人认为,一个语言表达式在它的具体语境中的意义,才是它的完全的真正的意义,一旦脱离开语境,它就只具有抽象的意义。语言的抽象意义和它的具体意义的关系,正象解剖了的死人肢体与活人肢体的关系一样。逻辑应该去研究、理解、把握自然语言的具体意义,当然不是去研究某一个(或一组)特定的语句在某个特定语境中唯一无二的意义,而是专门研究确定自然语言具体意义的普遍原则。[⑦] 美国语言学家保罗·格赖斯把语言表达式在一定的交际语境中产生的一种不同于字面意义的特殊涵义,叫做“语用涵义”、“会话涵义”或“隐涵”(implicature),并于1975年提出了一组“交际合作原则”,包括一个总则和四组准则。总则的内容是:在你参与会话时,你要依据你所参与的谈话交流的公认目的或方向,使你的会话贡献符合这种需要。仿照康德把范畴区分为量、质、关系和方式四类,格赖斯提出了如下四组准则: (1)数量准则:在交际过程中给出的信息量要适中。 a.给出所要求的信息量; b.给出的信息量不要多于所要求的信息量。 (2)质量准则:力求讲真话。 a.不说你认为假的东西。 b.不说你缺少适当证据的东西。 (3)关联准则:说话要与已定的交际目的相关联。 (4)方式准则:说话要意思明确,表达清晰。 a.避免晦涩生僻的表达方式; b.避免有歧义的表达方式; c.说话要简洁; d.说话要有顺序性。[⑧] 后来对这些原则提出了不少修正和补充,例如有人还提出了交际过程中所要遵守的“礼貌原则”。只要把交际双方遵守交际合作原则之类的语用规则作为基本前提,这些原则就可以用来确定和把握自然语言的具体意义(语用涵义)。实际上,一个语句p的语用涵义,就是听话人在具体语境中根据语用规则由p得到的那个或那些语句。更具体地说,从说话人S说的话语p推出语用涵义q的一般过程是: (i)S说了p; (ii)没有理由认为S不遵守准则,或至少S会遵守总的合作原则; (iii)S说了p而又要遵守准则或总的合作原则,S必定想表达q; (iv)S必然知道,谈话双方都清楚:如果S是合作的,必须假设q; (v)S无法阻止听话人H考虑q; (vi)因此,S意图让H考虑q,并在说p时意味着q。 试举二例: (1)a站在熄火的汽车旁,b向a走来。a说:“我没有汽油了。”b说:“前面拐角处有一个修车铺。”这里a与b谈话的目的是:a想得到汽油。根据关系准则,b说这句话是与a想得到汽油相关的,由此可知:b说这句话时隐涵着:“前面的修车铺还在营业并且卖汽油。” (2)某教授写信推荐他的学生任某项哲学方面的工作,信中写到:“亲爱的先生:我的学生c的英语很好,并且准时上我的课。”根据量的准则,应该提供所需要的信息量;作为教授,他对自己的学生的情况显然十分熟悉,也可以提供所需要的信息量,但他有意违反量的准则,在信中只用一句话来介绍学生的情况,任用人一旦接到这封信,自然明白:教授认为c不宜从事这项哲学工作。 并且,语用涵义还具有如下5个特点:(i)可取消性:在给原话语附加上某些话语之后,它原有的语用涵义可被取消。在例(1)中,若b在说“前面拐角处有一个修车铺”之后又补上一句:“不过它这时已经关门了”,则原有的语用涵义“你可从那里得到汽油”就被取消了。(ii)不可分离性:如果某话语在特定的语境中产生了语用涵义,则无论采用什么样的同义结构,该含义始终存在,因为它所依附的是话语的内容,而不是话语的形式。(iii)可推导性,前面已说明这一点。(iv)非规约性:语用涵义不能单独从话语本身推出来,除要考虑交际合作原则之类的语用规则之外,也需要假定通常的逻辑推理规则,并需要把上文语句、交际双方所共有的背景知识作为附加前提考虑在内。(v)不确定性:同一句话语在不同的语境中可以产生不同的语用涵义。显然,确定某个话语的语用涵义是一个极其复杂的过程,需要综合和分析、归纳和演绎的统一应用,因此具有一定的或然性。研究如何迅速有效地把握自然语言表达式在具体语境中的语用涵义,这正是自然语言逻辑所要完成的任务之一,它将在21世纪取得进展。

浅谈推理练习题的解题步骤逻辑学被称为思维的体操,这样的比喻是有道理的。逻辑学确实可以训练人的思维使之具有严密性,从而提高人的逻辑思维能力。但是这种能力的获得不是靠死记硬背来实现的,而是通过做大量的逻辑习题来取得的,从这个意义上说学习普通逻辑学与学习数学有共同之处,因此学习逻辑学的重要途径就是做练习题。普通逻辑练习题根据内容的不同可分为六部分:序言部分练习题、概论部分练习题、判断部分练习题、推理部分练习题、规律部分练习题以及论证部分练习题。通过练习使我们学生达到使用的概念明确、做出的判断恰当、推理合乎逻辑、论证有说服力的目的。虽然这几个部分的练习内容不同。要实现的目的也不同,但是在做这些题时一个共同之处就是要准确理解题中所涉及的概念。在做类似要区分一个逻辑结构式的常项和变项的类型题的时候,首先必须掌握什么是常项。什么是变项。然后再确定题中哪个部分是常项、哪个部分是变项。我们知道常项是逻辑结构式中保持不变并决定其性质的项。变项是逻辑结构式中可变的项,即可被具体概念或判断来代替的部分。根据常项、变项的定义,在练习题中“所有”“都是”是逻辑结构式中保持不变并决定这个逻辑结构式是全称肯定判断的项,所以“所有”“都是”这样的词通常都是常项。而“S”“P”是可被具体概念,如“马克思主义者”“唯物主义者”或者“中国人”“亚洲人”等所代替的部分,因此是变项。同理,在分析直言三段论结构的时候,也是要把握相应的概念:大项是结论中的谓项,小项是结论中的主项,含大项的前提是大前提,含小项的前提是小前提,大小前提中共有的项是中项。(当然这之前必须要知道什么是主项、什么是谓项以及前提和结论)然后再来分析题中三段论的结构。因为普通逻辑学重点部分是推理,所以以下以推理练习题中常见的一种题型为例,谈一谈我对这种类型题的解题步骤的一些理解。例:指出下列推理是哪种类型的推理,并说明是否正确、为什么。① 有的中毒是食物中毒,因此,并非有的中毒不是食物中毒。② 人寿之长短,或许由于遗传因素,或许由后天条件;徐某长寿有遗传因素,所以他的长寿与后天条件元关。第一步:分析结构后,才能确定推理类型,所以做这样的习题首先应该分析结构。1.根据关联词语(因为、所以)确定前提和结论。“因为”后面是前提,“所以”后面是结论,“因为”前面是结论。2.根据常项确定前提和结论的判断类型。例①的前提中常项是“有的”“是”。结论中的常项是“并非”“有的”“不是”,据此可确定这个推理是直言推理。例②的前提中常项是“或许”,所以这是选言推理。3.写出逻辑结构式,指出其推理类型。①题:SIP~-SOP这是直言判断对当关系直接推理。②题:pVq^p~-q这是相容选言推理肯定否定式。第二步:根据相应推理规则指出推理形式正确与否。1.①题是下反对关系推理。根据规则。下反对关系不能同假可以同真,所以可以假推真不能以真推假;②题是相容选言推理。根据相容选言推理规则肯定一部分选言支不能否定另一部分选言支,所以不能用肯定否定式。2.指出理由回答对错。①题推理形式错误,因为根据下反对关系进行推理不能由真推假。②题推理形式错误,因为违反相容选言推理规则:肯定一部分选言支不能否定另一部分选言支。犯有误相容为不相容的逻辑错误。以上就是我学习逻辑学的一些技巧和心得,总之,我觉得,学习逻辑学要多练,熟能生巧,练多了自然就能掌握解题技巧。

相关百科

热门百科

首页
发表服务