学术报告（讲座）内容

Neuro-Symbolic in Artificial Neural Network

报告人姓名

Mohd Shareduwan Mohd Kasihmuddin

报告人所在单位

马来西亚理科大学

报告人职称

副教授，博士生导师

学术报告时间

2025年9月26日下午2：30

学术报告地点

数理楼303

主讲嘉宾简介

Mohd Shareduwan Mohd Kasihmuddin，马来西亚理科大学（Universiti Sains Malaysia）数理学院副教授，人工智能研究与发展小组（AIRDG）核心成员。长期致力于离散型Hopfield神经网络（DHNN）与符号逻辑深度融合的研究，提出了一系列高阶系统化随机SAT逻辑结构，并创新性地将其嵌入DHNN中以优化神经元状态的学习与检索性能。他首次提出高阶系统化可满足性（NR3SAT）逻辑，有效提升正负文字分布的多样性，并显著改善全局极小解的收敛性与多样性。

为解决DHNN在检索阶段多目标优化问题，Mohd Shareduwan教授提出混合黑洞算法（HBHA），实现了多目标函数（MOF）优化，成功获得高质量、多样化且具有低相似度指数的最终神经元状态。此外，他提出基于混淆矩阵的最优逻辑生成方法，发展了多单元NR3SAT反向分析方法（M-NR3SATRA），显著提高了逻辑挖掘在分类与知识提取任务中的泛化能力。其研究成果多次发表于Q1和Q2国际期刊，并被公认为推动逻辑挖掘与神经符号计算融合的重要贡献者。