本文探讨了逻辑程序的稳定模型语义及其性质，提出了简洁的抽象表示方法，并扩展了第一阶稳定模型语义。研究了稳定模型与循环公式的关系，定义了新的稳定模型语言，以处理非单调推理和不确定性信息。

本文探讨了基于贝叶斯公式的物理知情神经网络（PINN）方法，利用Laplace近似法和贝叶斯算法解决热传导和波动方程，提供不确定性信息。研究提出将知识约束作为后验正则化项，结合增广Lagrangian方法改进传统贝叶斯神经网络（BNN）模型性能，并在航空着陆和太阳能预测中验证其有效性。

本文讨论了计算机评估人类表达情绪并执行不同任务的能力，但目前对计算机情绪分类和不确定性信息的研究还很少。其他相关研究包括贝叶斯神经网络建模面部表情不确定性、视觉媒体情感分析综述、基于神经网络和dropout-熵测量的文件分类模型、基于贝叶斯训练损失的情感识别法、基于概念的人工智能系统中的人类不确定性、估算和解释分类器不确定性的元启发式方法、通过不确定性补充解释和自信心的作用、情感评分的影响、德语口述历史采访中情感识别和情感分析的歧义研究，以及EmotioNet挑战中的面部情感表达识别。