本研究提出了一种新的关系神经符号马尔可夫模型（NeSy-MMs），有效整合关系逻辑约束，克服深度序列模型的局限性。实验结果表明，NeSy-MMs在神经符号人工智能领域超越现有技术，具有更强的可解释性和适应性。

U-Mamba是一种基于深度序列模型的医学图像分割网络，结合了卷积层和序列模型的优势，适应不同数据集，表现优于现有的CNN和Transformer模型。研究还提出了Mamba-UNet和HC-Mamba等新架构，提升了医学图像分析的性能和效率，解决了局部与全局依赖问题，显著提高了分割准确性和训练速度。