It is well-known that when translating terms into graphical formalisms many innessential details are abstracted away. In the case of $\lambda$-calculus and proof-nets, these innessential details are captured by a notion of equivalence on $\lambda$-terms known as $\simeq_\sigma$-equivalence in both the intuitionistic (due to Regnier) and classical (due to Laurent) cases. The purpose of this paper is to uncover a strong bisimulation behind $\simeq_\sigma$-equivalence, as formulated by Laurent for Parigot's $\lambda\mu$-calculus. This is achieved by introducing a relation $\simeq$, defined over a revised presentation of $\lambda\mu$-calculus we dub $\Lambda M$. More precisely, we first identify the reasons behind Laurent's $\simeq_\sigma$-equivalence failing to be a strong bisimulation. Inspired by Laurent's Polarized Proof-Nets, this leads us to distinguish multiplicative and exponential reduction steps on terms. Second, we provide an enriched syntax that allows to keep track of the renaming operation. These technical ingredients are crucial to pave the way towards a strong bisimulation for the classical case. We thus introduce a calculus $\Lambda M$ and a relation $\simeq$ that we show to be a strong bisimulation with respect to reduction in $\Lambda M$, i.e. two $\simeq$-equivalent terms have the exact same reduction semantics, a result which fails for Regnier's $\simeq_\sigma$-equivalence in $\lambda$-calculus as well as for Laurent's $\simeq_\sigma$-equivalence in $\lambda\mu$. We also show that two $\simeq$-equivalent terms translate to equivalent Polarized Proof-Nets. Although $\simeq$ is not strictly included in Laurent's $\simeq_\sigma$, it can be seen as a restriction of it.


翻译:众所周知, 当将术语转换成图形化的形式主义时, 许多非本质的细节会被抽象化。 在用Laurent的美元表示的 美元平价和实利网中, 这些非本质的细节被一个对等的概念所捕捉。 在以美元平价(由于Regnier的缘故)和古典(由于Laurent的缘故)案例中, 将术语转换成图形化的形式。 本文的目的是在用美元平价( 美元平价 ) 的背后找出一个强烈的折价。 用Laurent的美元平价和实利网的美元平价中, 引入一个关系 美元平价( 美元平价), 将美元平价平价( 平价) 平价( 平价) 向下市( 平价) 平价( 平价) 向下市( 平价) 平价( 平价) 向下市( 平价) 向下( 平价) 平价。 我们首先找出洛朗的平价( 平价) 平价) 平价(我们的平价, 平价( 平价) 平价, 平价) 平价, 平价(比。

0
下载
关闭预览

相关内容

【KDD2021】图神经网络,NUS- Xavier Bresson教授
专知会员服务
62+阅读 · 2021年8月20日
专知会员服务
76+阅读 · 2021年3月16日
应用机器学习书稿,361页pdf
专知会员服务
58+阅读 · 2020年11月24日
Linux导论,Introduction to Linux,96页ppt
专知会员服务
77+阅读 · 2020年7月26日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
机器学习在材料科学中的应用综述,21页pdf
专知会员服务
48+阅读 · 2019年9月24日
已删除
inpluslab
8+阅读 · 2019年10月29日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
ICLR2019最佳论文出炉
专知
12+阅读 · 2019年5月6日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
Reinforcement Learning: An Introduction 2018第二版 500页
CreateAMind
11+阅读 · 2018年4月27日
机器学习线性代数速查
机器学习研究会
19+阅读 · 2018年2月25日
机器学习(29)之奇异值分解SVD原理与应用详解
机器学习算法与Python学习
5+阅读 · 2017年11月30日
最大熵原理(一)
深度学习探索
12+阅读 · 2017年8月3日
Arxiv
0+阅读 · 2021年10月24日
Arxiv
0+阅读 · 2021年10月22日
Arxiv
0+阅读 · 2021年10月21日
Learning to Importance Sample in Primary Sample Space
VIP会员
相关VIP内容
【KDD2021】图神经网络,NUS- Xavier Bresson教授
专知会员服务
62+阅读 · 2021年8月20日
专知会员服务
76+阅读 · 2021年3月16日
应用机器学习书稿,361页pdf
专知会员服务
58+阅读 · 2020年11月24日
Linux导论,Introduction to Linux,96页ppt
专知会员服务
77+阅读 · 2020年7月26日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
机器学习在材料科学中的应用综述,21页pdf
专知会员服务
48+阅读 · 2019年9月24日
相关资讯
已删除
inpluslab
8+阅读 · 2019年10月29日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
ICLR2019最佳论文出炉
专知
12+阅读 · 2019年5月6日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
Reinforcement Learning: An Introduction 2018第二版 500页
CreateAMind
11+阅读 · 2018年4月27日
机器学习线性代数速查
机器学习研究会
19+阅读 · 2018年2月25日
机器学习(29)之奇异值分解SVD原理与应用详解
机器学习算法与Python学习
5+阅读 · 2017年11月30日
最大熵原理(一)
深度学习探索
12+阅读 · 2017年8月3日
Top
微信扫码咨询专知VIP会员