面向推理与学习统一解释的抽象推理

受神经科学中大脑功能的贝叶斯方法启发，我们为推理与学习的统一解释提供了一个简单的概率推理理论。我们简单地模拟了数据如何根据其在形式逻辑中的可满足性产生符号知识。其基本思想是，推理是通过抽象（即选择性忽略）从数据中导出符号知识的过程。我们讨论了逻辑后承关系在基于证明的理论正确性，并讨论了MNIST数据集在基于实验的经验正确性。