近日，由kaiyun開云官方網(wǎng)站kaiyun開云官方網(wǎng)站主辦的“邏輯推理與學習融合理論與方法研究研討會”在犀浦校區(qū)X30423順利舉行。會議旨在推動邏輯推理與深度學習的跨學科融合，探討神經(jīng)符號計算等前沿問題，搭建學術(shù)交流平臺，促進相關(guān)領(lǐng)域的理論與應(yīng)用發(fā)展。來自國內(nèi)外的學者、科研人員及研究生參與了此次研討會。

會議首日的講座聚焦于邏輯推理與代數(shù)的深層次融合，探討了非經(jīng)典邏輯在現(xiàn)代信息處理中的應(yīng)用。賀鵬飛教授（陜西師范大學）在開場講座《一元?ukasiewicz謂詞邏輯對應(yīng)代數(shù)上的內(nèi)態(tài)研究》中，探討了如何將非經(jīng)典邏輯與概率理論相結(jié)合，提出了基于?ukasiewicz邏輯的概率模型，并進一步分析了MV代數(shù)上的狀態(tài)操作。賀教授的研究為非經(jīng)典邏輯在信息科學中的應(yīng)用提供了新的理論支持。蘇勇教授（蘇州科技大學）在《Idempotent Uninorms》講座中，深入分析了馮諾依曼代數(shù)結(jié)構(gòu)在模糊邏輯中的應(yīng)用，介紹了不同類型的Idempotent Uninorms，并探討了其在信息聚合函數(shù)中的理論進展。這一研究為復(fù)雜系統(tǒng)的推理與決策提供了新的數(shù)學工具。李剛教授（齊魯工業(yè)大學）則在《聚合算子間的弱支配》講座中，討論了聚合算子間的支配關(guān)系，特別是在模糊邏輯中的應(yīng)用。李教授提出的弱支配概念及其與相關(guān)不等式的聯(lián)系，為模糊系統(tǒng)理論的發(fā)展開辟了新思路。

會議的第二天，講座內(nèi)容聚焦于機器學習在多變量預(yù)測中的應(yīng)用，探討了如何應(yīng)對高維、非線性數(shù)據(jù)所帶來的挑戰(zhàn)。劉華文教授（山東大學）在《有界格上三角模及其擴張算子的研究進展》講座中，詳細介紹了三角模在多值邏輯與智能控制中的應(yīng)用，并提出了相關(guān)算子擴展的研究進展。這一講座展現(xiàn)了三角模在推理與決策中的理論深度及其廣泛應(yīng)用潛力。詹建明教授（湖北民族大學）則在《基于機器學習的多變量預(yù)測方法研究》中，介紹了基于機器學習的多變量預(yù)測方法，特別是三支決策、傳遞熵及可能性理論的應(yīng)用。詹教授闡述了大數(shù)據(jù)驅(qū)動的預(yù)測模型如何應(yīng)對復(fù)雜系統(tǒng)中的非線性問題，并展望了這一方法在金融、氣象及交通預(yù)測中的廣闊前景。覃鋒教授（江西師范大學）在《基于連續(xù)基礎(chǔ)算子一致模的研究進展》中，探討了聚合函數(shù)在理論與應(yīng)用中的重要性，提出了與一致模相關(guān)的多個研究問題，為模糊邏輯領(lǐng)域的進一步發(fā)展提供了重要理論依據(jù)。

會議還設(shè)置了自由研討環(huán)節(jié)，與會人員就當前研究的熱點問題展開了深入討論，尤其是在神經(jīng)符號計算與深度學習相結(jié)合的未來趨勢上，提供了富有建設(shè)性的見解。

此次研討會促進了邏輯推理與深度學習領(lǐng)域的學術(shù)交流，推動了非經(jīng)典邏輯、模糊邏輯、信息聚合函數(shù)等多領(lǐng)域的理論創(chuàng)新。通過跨學科的討論，與會者進一步認識到，邏輯推理與學習融合的深度結(jié)合不僅能夠推動人工智能的理論研究，還將在多種實際應(yīng)用中發(fā)揮巨大的潛力。會議的成功舉辦為該領(lǐng)域未來的研究合作與技術(shù)發(fā)展奠定了基礎(chǔ)，并提供了寶貴的學術(shù)交流平臺。