该论文探讨了如何在维持其缩略模式的同时从逻辑公式中移除变量，其中，传统的遗忘方式维护的是后果而非解释。它提出了两种定义方式并确定了其表述的必要和充分条件，同时提出了两种切换途径以保证遗忘的表述性，即从命题逻辑切换到默认逻辑和引入新变量。

Sep, 2022

提出了一种名为权重系统的统一框架，该框架消除了自动推理和知识表示中的语法差异，并解释了不同范例所提供的优化语句之间的异同，从而方便了翻译程序的开发和证明了不同框架的形式属性。

Jun, 2022

本研究综述了现有的 Answer Set Programming 遗忘操作及其属性，包括其在应用中的选择方法和计算结果的复杂性。

Jul, 2021

该研究介绍了两种形式化方法，将相对频率明确地纳入统计关系人工智能中，并提供了两种形式主义在不断扩大的域上诱导的渐近概率分布的表示，这有助于更好地对训练和测试域大小不同的学习问题进行建模和估算参数。

Feb, 2022

该论文提出了一种将概率论和第一阶逻辑相结合的方法，在有限域内具有 Herbrand 解释的情况下，定义了概率证明定理及其推广问题，然后提出了能够同时拥有图模型推理和一阶定理证明的完整能力的方法，并开发了一种高效算法。实验表明，当逻辑结构存在时，该算法远优于目前已有的方法。

Feb, 2012

本文旨在以非技术的方式简要概述并表达使用（一阶）逻辑来表示（概率）知识的逻辑和哲学基础。

Jun, 2023

本文提出了精确算法和近似算法，以及相应的公式分解和条件概率以及基于模型计数的概率推断方法，并展示了其在实验中的实际有效性，特别是相比于最先进方案，本文提出的算法可以利用公式结构信息大大提高效率。

Mar, 2012

本论文在语义处理方面做出重大贡献，提出了多种数学模型以及解决研究范式中存在问题的建议，从而大大提升了机器自动进行语义推理的复杂性和粒度。

Sep, 2017

本文研究了如何使用遗忘（uniform interpolation）技术实现描述逻辑（ALC）本体中的 ABox 推导，并探讨了完全和近似两种冗余性消除方法以提高实用性。

Nov, 2018

本文提出使用多任务学习自动获取背景知识的方法，同时探讨是否删除背景知识对于归纳逻辑编程学习器的性能有所提升。实验结果表明，在学习过多于 10,000 个任务后，使用 Forgetgol 方法会优于其他方法。

Nov, 2019