Arbitrary public announcement logic (APAL) reasons about how the knowledge of a set of agents changes after true public announcements and after arbitrary announcements of true epistemic formulas. We consider a variant of arbitrary public announcement logic called positive arbitrary ublic announcement logic (PAPAL), which restricts arbitrary public announcements to announcement of positive formulas. Positive formulas prohibit statements about the ignorance of agents. The positive formulas correspond to the universal fragment in first-order logic. As two successive announcements of positive formulas need not correspond to the announcement of a positive formula, PAPAL is rather different from APAL. We show that PAPAL is more expressive than public announcement logic PAL, that it is incomparable with APAL, and we provide a sound and complete infinitary axiomatisation.


翻译:任意公开宣布逻辑(APAL) 关于在真实的公开宣布和任意宣布真正的缩写公式之后对一组代理人的了解如何变化的任意公开宣布逻辑(APAL) 关于在真实的公开宣布和任意宣布真正的缩略语公式之后如何变化的任意公开宣布逻辑(APAL) 关于对一组代理人的了解的任意公开宣布逻辑(APAL) 关于在真实的公开宣布和任意宣布真正的缩略语公式之后如何变化的任意公开宣布逻辑(PAPAL) 关于对一系列代理人的了解的任意公开宣布逻辑(APAL) 关于公开宣布积极模式的任意宣布逻辑(PAPAL) 关于任意宣布积极宣布逻辑(PAPAL), 将任意公开宣布的逻辑(PAPAL) 视为对宣布积极公式的任意宣布; 积极公式禁止关于代理人无知的言论; 积极公式与一级逻辑中的普遍片段相对应; 由于连续连续两次宣布的肯定公式并不与宣布积极公式相对应,PAPAL 与APAL 相当。

0
下载
关闭预览

相关内容

《纯逻辑与应用逻辑年鉴》杂志在数学逻辑的各个领域以及逻辑在数学、理论计算机科学和其他相关学科的应用方面发表了高质量的论文。此外,《纯逻辑与应用逻辑年鉴》偶尔会以纯逻辑与应用逻辑出版精选会议论文专刊。官网链接:https://www.sciencedirect.com/journal/annals-of-pure-and-applied-logic/about/aims-and-scope
因果图,Causal Graphs,52页ppt
专知会员服务
246+阅读 · 2020年4月19日
Yann Lecun 纽约大学《深度学习(PyTorch)》课程(2020)PPT
专知会员服务
179+阅读 · 2020年3月16日
开源书:PyTorch深度学习起步
专知会员服务
50+阅读 · 2019年10月11日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
2019年机器学习框架回顾
专知会员服务
35+阅读 · 2019年10月11日
[综述]深度学习下的场景文本检测与识别
专知会员服务
77+阅读 · 2019年10月10日
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
【TED】生命中的每一年的智慧
英语演讲视频每日一推
9+阅读 · 2019年1月29日
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
【推荐】YOLO实时目标检测(6fps)
机器学习研究会
20+阅读 · 2017年11月5日
可解释的CNN
CreateAMind
17+阅读 · 2017年10月5日
【推荐】深度学习目标检测全面综述
机器学习研究会
21+阅读 · 2017年9月13日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Seeing What a GAN Cannot Generate
Arxiv
8+阅读 · 2019年10月24日
VIP会员
相关VIP内容
因果图,Causal Graphs,52页ppt
专知会员服务
246+阅读 · 2020年4月19日
Yann Lecun 纽约大学《深度学习(PyTorch)》课程(2020)PPT
专知会员服务
179+阅读 · 2020年3月16日
开源书:PyTorch深度学习起步
专知会员服务
50+阅读 · 2019年10月11日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
2019年机器学习框架回顾
专知会员服务
35+阅读 · 2019年10月11日
[综述]深度学习下的场景文本检测与识别
专知会员服务
77+阅读 · 2019年10月10日
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
相关资讯
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
【TED】生命中的每一年的智慧
英语演讲视频每日一推
9+阅读 · 2019年1月29日
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
【推荐】YOLO实时目标检测(6fps)
机器学习研究会
20+阅读 · 2017年11月5日
可解释的CNN
CreateAMind
17+阅读 · 2017年10月5日
【推荐】深度学习目标检测全面综述
机器学习研究会
21+阅读 · 2017年9月13日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Top
微信扫码咨询专知VIP会员