1.7 KiB
1.7 KiB
title, created, updated, type, tags, sources, confidence
| title | created | updated | type | tags | sources | confidence | |||||
|---|---|---|---|---|---|---|---|---|---|---|---|
| 形式概念分析 (Formal Concept Analysis) | 2026-06-17 | 2026-06-17 | concept |
|
|
high |
形式概念分析 (Formal Concept Analysis)
FCA（Ganter et al., 1999）是一种从二元关系导出概念层级的数学框架，在 geometric-sae-concepts 中被用于组织 SAE 中概念-神经元的多对多关系。
形式上下文
给定：
- 对象集 G（在 SAE 场景中 = 人类概念 C）
- 属性集 M（在 SAE 场景中 = SAE 神经元 N）
- 关系
R ⊆ G × M（概念-神经元关联）
推导算子
从关系 R 自然导出两个 Galois 连接：
- 意图（intent）：给定概念集
A ⊆ C，找出所有共同激活的神经元A' = {n ∈ N : ∀c ∈ A, (c,n) ∈ R} - 外延（extent）：给定神经元集
B ⊆ N，找出它们共同表征的概念B' = {c ∈ C : ∀n ∈ B, (c,n) ∈ R}
形式概念与概念格
一个形式概念 (A, B) 满足 A' = B 且 B' = A。所有形式概念按集合包含关系形成concept-lattice。
在 SAE 中的应用
- 概念学习 = 从 C 找 M（正向映射 f）
- 神经元解释 = 从 M 描述 C（反向映射 g）
FCA 揭示了两者不必一致：
- f 可能是满射（多个概念映射到同一神经元 → 多义性）
- g 可能是一对多（同一神经元指代多个概念）
- f 和 g 的多对多结构形成了层级化的concept-lattice