Fusions are a simple way of combining logics. For normal modal logics, fusions have been investigated in detail. In particular, it is known that, under certain conditions, decidability transfers from the component logics to their fusion. Though description logics are closely related to modal logics, they are not necessarily normal. In addition, ABox reasoning in description logics is not covered by the results from modal logics. In this paper, we extend the decidability transfer results from normal modal logics to a large class of description logics. To cover different description logics in a uniform way, we introduce abstract description systems, which can be seen as a common generalization of description and modal logics, and show the transfer results in this general setting.
LogiCity: Advancing Neuro-Symbolic AI with Abstract Urban Simulation
Carnegie Mellon University（卡内基梅隆大学）；University of Toronto（多伦多大学）；University at Buffalo（布法罗大学）；University of Pennsylvania（宾夕法尼亚大学）；Centaur AI Institute（半人马人工智能研究所）；Mila（米拉研究所）
On the Semantics of Abstract Argumentation Frameworks: A Logic Programming Approach
University of Calabria（卡拉布里亚大学）
最近，人们对Dung的抽象论证框架（AF）的扩展框架越来越感兴趣。流行的扩展包括双极AF和具有递归攻击和必要支持的AF。虽然AF语义和部分稳定模型（PSM）的逻辑程序之间的关系已被深入研究，这是不是更一般的框架扩展AF的情况下。在本文中，我们探讨基于AF的框架和PSM之间的关系。我们表明，每一个AF为基础的框架$Δ$可以被翻译成一个逻辑程序$P_Δ$，使扩展规定的不同语义的$Δ$符合子集的PSM的$P_Δ$。我们提供了一个逻辑编程方法，其特点是，在一个优雅和统一的方式，几个AF为基础的框架的语义。这一结果还允许定义新的AF为基础的框架，如AF与递归攻击和递归演绎支持的语义。《逻辑程序设计理论与实践》（Theory and Practice of Logic Programming）
Interpretable and Explainable Logical Policies via Neurally Guided Symbolic Abstraction
Technical University of Darmstadt（达姆施塔特工业大学）；National Research Center for Applied Cybersecurity（国家应用网络安全研究中心）；Eindhoven University of Technology（埃因霍温理工大学）；Hessian Center for AI (hessian.AI)（黑森人工智能中心）；German Research Center for AI (DFKI)（德国人工智能研究中心）
Dynamic probabilistic logic models for effective abstractions in RL
The University of Texas at Dallas（德克萨斯大学达拉斯分校）；Robert Bosch Centre for Data Science and Artificial Intelligence at Indian Institute of Technology Madras（印度理工学院马德拉斯分校罗伯特·博世数据科学与人工智能中心）；Oregon State University（俄勒冈州立大学）
在复杂的强化学习环境中，状态抽象可以实现样本高效学习和更好的任务转移。最近，我们提出了RePReL（Kokel et al. 2021），这是一个分层框架，它利用关系规划器为学习提供有用的状态抽象。我们提出了一个简短的概述，这个框架和使用动态概率逻辑模型来设计这些状态抽象。我们的实验表明，RePReL不仅在手头的任务上实现了更好的性能和有效的学习，而且对看不见的任务也表现出更好的泛化能力。
An Encoding of Abstract Dialectical Frameworks into Higher-Order Logic
University of Luxembourg, Department of Computer Science（卢森堡大学计算机科学系）；Universität Greifswald, Institut für Mathematik und Informatik（格赖夫斯瓦尔德大学数学与信息学研究所）
Abstract Meaning Representation-Based Logic-Driven Data Augmentation for Logical Reasoning
Strong AI Lab, NAOInstitute, Waipapa Taumata Rau - The University of Auckland（强人工智能实验室、NAO研究所、怀帕帕·陶马陶·劳 - 奥克兰大学）；Xtracta, New Zealand（新西兰Xtracta公司）；University of Cambridge, UK（英国剑桥大学）；Sun Yat-Sen University, China（中国中山大学）；The University of Auckland, New Zealand（新西兰奥克兰大学）
