近日，由西南交通大学数学学院主办的“逻辑推理与学习融合理论与方法研究研讨会”在犀浦校区X30423顺利举行。会议旨在推动逻辑推理与深度学习的跨学科融合，探讨神经符号计算等前沿问题，搭建学术交流平台，促进相关领域的理论与应用发展。来自国内外的学者、科研人员及研究生参与了此次研讨会。
会议首日的讲座聚焦于逻辑推理与代数的深层次融合，探讨了非经典逻辑在现代信息处理中的应用。贺鹏飞教授（陕西师范大学）在开场讲座《一元Łukasiewicz谓词逻辑对应代数上的内态研究》中，探讨了如何将非经典逻辑与概率理论相结合，提出了基于Łukasiewicz逻辑的概率模型，并进一步分析了MV代数上的状态操作。贺教授的研究为非经典逻辑在信息科学中的应用提供了新的理论支持。苏勇教授（苏州科技大学）在《Idempotent Uninorms》讲座中，深入分析了冯诺依曼代数结构在模糊逻辑中的应用，介绍了不同类型的Idempotent Uninorms，并探讨了其在信息聚合函数中的理论进展。这一研究为复杂系统的推理与决策提供了新的数学工具。李刚教授（齐鲁工业大学）则在《聚合算子间的弱支配》讲座中，讨论了聚合算子间的支配关系，特别是在模糊逻辑中的应用。李教授提出的弱支配概念及其与相关不等式的联系，为模糊系统理论的发展开辟了新思路。
会议的第二天，讲座内容聚焦于机器学习在多变量预测中的应用，探讨了如何应对高维、非线性数据所带来的挑战。刘华文教授（山东大学）在《有界格上三角模及其扩张算子的研究进展》讲座中，详细介绍了三角模在多值逻辑与智能控制中的应用，并提出了相关算子扩展的研究进展。这一讲座展现了三角模在推理与决策中的理论深度及其广泛应用潜力。詹建明教授（湖北民族大学）则在《基于机器学习的多变量预测方法研究》中，介绍了基于机器学习的多变量预测方法，特别是三支决策、传递熵及可能性理论的应用。詹教授阐述了大数据驱动的预测模型如何应对复杂系统中的非线性问题，并展望了这一方法在金融、气象及交通预测中的广阔前景。覃锋教授（江西师范大学）在《基于连续基础算子一致模的研究进展》中，探讨了聚合函数在理论与应用中的重要性，提出了与一致模相关的多个研究问题，为模糊逻辑领域的进一步发展提供了重要理论依据。
会议还设置了自由研讨环节，与会人员就当前研究的热点问题展开了深入讨论，尤其是在神经符号计算与深度学习相结合的未来趋势上，提供了富有建设性的见解。
此次研讨会促进了逻辑推理与深度学习领域的学术交流，推动了非经典逻辑、模糊逻辑、信息聚合函数等多领域的理论创新。通过跨学科的讨论，与会者进一步认识到，逻辑推理与学习融合的深度结合不仅能够推动人工智能的理论研究，还将在多种实际应用中发挥巨大的潜力。会议的成功举办为该领域未来的研究合作与技术发展奠定了基础，并提供了宝贵的学术交流平台。
