本文研究如何通过 Belnap-Dunn 逻辑的框架语义来更新置信度函数，以应对不完整和矛盾的信息，扩展了概率测度和置信度函数的概念。

May, 2022

提出了一种新的基于概率论和证明论的处理量化模态逻辑 (一阶模态逻辑) 不确定性的系统，通过解决归纳处置的问题，使 Chisholm 的理论得到具体实现，可用于交互式系统，用于解释其不确定性提供合理解释。

May, 2017

通过定义和说明，本文提出了一种新的解决方案来代表非概率性信念状态，并将其与概率理论进行比较，发现新理论在结构上类似于概率理论，但更容易实现，并且在某些方面更为简单。

Mar, 2013

本文介绍了一种新的逻辑系统，它将经典认知领域中的相信和知识概念与一个概念证据相结合，从而满足了直觉原则 ` 证据导致相信和知识 '；该文的方法则是将这个新系统与内部真实性的 $S5$ 风格原理相结合，产生了一个模态系统 S5 和预示依存性的结合逻辑，使用直接的命题形式来模拟置信和知识。

Apr, 2023

本文介绍了基于可信度（plausibility measures）的新的不确定性建模方法，并将其应用于默认推理。在此框架下，我们给出了 KLM 公理的一些必要条件和充分条件。

Aug, 1998

本文提出了一个概率的信念模型，并探讨了它对于信念动态的影响，比 AGM 理论约弱但比 Lockean 理论强，考虑一类特定模型并提出其自然的原则，最终相较于 Leitgeb 和 Lin 以及 Kelly 的竞争性概率信念模型而言本框架比较优越。

Jul, 2023

本文介绍了一个半定量的方法 —— 用阶数算术来将模态逻辑系统和贝叶斯推理结合起来。最终的系统可以将传统模态逻辑语义自然地，优雅地映射到新的系统中。我们声称该逻辑系统可以被完全有限地表述，并提供了对 “除去不可能的，剩下的，无论多么不可能都是真的” 这一句话的完美解释。此外，还证明了该逻辑系统的一个有限模型特性定理。

Apr, 2022

本文提出了一种关于认知随机模糊集的普遍理论，用于处理模糊或清晰证据，并通过广义的乘积交集规则进行独立认知随机模糊集的组合，提出了用于量化标量或矢量量，即高斯随机模糊数和多维高斯随机模糊向量的实用模型，并为组合、投影和平凡扩展推导了高斯随机模糊数和向量的公式。

Feb, 2022

本研究运用 Kripke 模型和偏序理论构建了一族支持缺陷性模态表述的模态逻辑，同时提出的 Tableau 演算能够完备地反映此偏序语义。

Oct, 2013

本文考虑一阶逻辑到带分级的模态逻辑中基本特征定理的拓展，重点在展示分级多模态逻辑对 Kripke 结构中保存在计数等价中的一阶特性的表现完备性。

Sep, 2019