本论文提出了考虑各种模式识别模型，并提出了以识别算子和决策规则形式考虑模型的方法。在识别算子上引入了代数运算，并基于这些算子的应用创建了一族识别算法。同时对该模型构建了上估计，以保证扩展的完备性。
Jan, 2024
通过代数操作简单的学习系统来建立推理能力，而非试图在机器学习系统和复杂的推理机制之间建立联系。
Feb, 2011
采用归纳学习的方法，提出了基于对象骨架的拓扑结构的形式化表示，并实现了 “寻求共同点” 的归纳过程，从经验主义推进到合理主义的目标。
Jun, 2023
使用事件演算法识别基于视频内容的短期活动，进而推断长期预定义活动的系统及其详细评估结果。
May, 2009
本文提供了一种基于形状模板的方法，该方法包括选择、收集和组合图像边缘线段的几何证据，旨在从背景中精确找到目标对象，并能识别出目标对象的语义属性。通过解决全局最优组合优化问题，该方法具有较好的通用性和环境适应性，显示了在对象识别的过程中某些类型的通用处理的潜力。
该论文描述了一种扩展一阶逻辑的方法，使方案更加容易修改，并引入了一个保护机制来保证公式的正确性，同时将该方案应用于四个不同问题领域的知识表示中。
Feb, 2022
本文介绍了一种使用神经网络来处理知识图谱上的多跳逻辑查询的方法，并展示了实验室中的卓越性能，该方法可以处理包括否定查询在内的全一阶逻辑查询。
Sep, 2022
本文重新思考了认知的假设，给出了一个新的定义来捕捉问题的更广泛的背景，通观流行数据集上的顶尖算法的元分析和实验评估，发现优秀的识别算法经常违反度量性质，因此提出应该利用外部信息来解决识别问题。
Feb, 2013
本文提出了一种使用神经网络模块执行布尔代数运算来构建分类器的方法，通过递归应用这些模块，即使没有单个训练样本，也可以获得任何由基本元素的布尔表达式定义的复杂视觉概念的分类器，实验证明，使用这种框架可以组合复杂的视觉概念分类器，并在两个知名的视觉识别基准测试中优于标准基准线。
Jan, 2018
通过提出逻辑任务的概念，该研究从更高的角度说明了近期大规模模型在算术推理中的局限性，并探讨了解决逻辑任务的方向和需要具备的系统需求。
Nov, 2022