重大研究计划视听觉信息的认知计算
车辆工程系列讲座有感
车辆工程系列讲座有感本学期学院为了开阔我们的视野，再次为我们即将毕业的学生开设了车辆工程专业系列讲座的课程。
一共由7位老师为我们带来了五大方面的启发课程。
其中有些知识是我从未了解过的，有些是已经了解过的，但是听了老师们的讲解后，还是有很深的启发。
下面我将主要从这五大方面简单谈谈我的收获。
在用车尾气排放检测：简易工况法——由刘昭度老师为我们讲解了我国在用车辆是如何进行尾气排放检测的，原来从未深入了解尾气排放检测的方法，听了刘老师的讲解还是对这方面的知识有了一定的了解。
我国汽车保有总量的大幅增长导致其排放污染物总量不断增加, 已成为破坏城市空气质量的主要因素。
因此我国必须有效地控制车辆排放，防止环境被严重污染。
有效控制机动车污染不仅要从新车开始控制好污染物的排放,满足新车排放法规要求,更重要的是要对在用车实行严格的排放检测制度,保证车辆排放长期处于正常状态。
简易工况法中，我国主要推行汽油车稳态加载加速模拟ASM法和柴油车加载减速Lugdown法。
该方法只有稳定的匀速过程, 加载保持固定值, 有两个等速工况段: 一是ASM5025 工况, 二是ASM2540 工况。
污染物分析仪器采用下列原理: CO、HC 和CO2采用不分光红外法( NDIR) , NO 和O2采用电化学法。
检测结果以浓度表示。
柴油车加载减速Lugd ow n 法对发现高排放的黑烟车很有效。
香港环保署首先于2000 年6 月颁布了修订后的柴油车加载减速L ugdow n法排放限值及测量方法, 先后控制了20000多辆黑烟车,十分有效地减少了道路上的柴油车颗粒物排放。
越野汽车悬架技术——陈思忠老师让我们了解到了越野车上所装备的各种先进的悬架技术。
认知计算和认知智能的研究进展
认知计算和认知智能的研究进展认知计算和认知智能是人类最为普遍、微观的智能，也是最接近机器人智能的一种智能。
认知计算与认知智能都是由人脑模型演化而来的，通过人类认知和思维的模拟，实现人工智能的发展。
自人工智能领域出现以来,人们在认知计算和认知智能方面的研究一直没有停歇。
实际上，正是因为这些研究的深入开展，才让人工智能有了今天的高速发展和被广泛应用的局面。
下面，我们将从认知计算和认知智能的研究进展方面进行探讨。
一、认知计算的研究进展认知计算是从人类认知的角度出发研究计算理论与方法的一种新兴学科。
它的基本思想是通过自然语言处理、知识表示和推理、学习等方式，将人类大脑的认知过程复制到计算机上。
1、自然语言处理自然语言处理是信息和语言学等多学科交叉的热门研究领域之一。
它的核心思想是模拟人类语言学能力的过程,即建立计算机系统并模拟人脑处理语言的过程。
为了实现这一目标，近年来，学者们开展了大量的自然语言处理技术研究和应用开发。
比如，基于深度学习的自然语言理解和生成机器人系统、面向智能客服的语音对话系统等，这些系统都是在认知计算方面的进一步推进和应用。
2、知识表示与推理知识表示和推理是认知计算的另一个研究重点,主要研究如何描述和处理人类知识的形式体系,并设计能够自动演绎和运用这些知识的推理系统。
比如，基于机器学习和逻辑推理的知识表示和自然语言形式化处理方法等，都是近年来认知计算领域的重要进展。
3、学习学习是认知计算领域内另一项重要的研究方向。
近年来，在计算机视觉、语音识别、自然语言处理、推荐系统等领域，机器学习得到了广泛应用。
未来，随着更多的数据和算法的发展，机器学习必将在认知计算和认知智能领域发挥更大的作用。
二、认知智能的研究进展认知智能是计算机在理解和应用人类认知的方面表现出来的一种能力。
目前，人们在认知智能领域的研究关注点包括视觉感知、语音处理和自然语言理解、人机交互等方面，下面具体展开讨论一下。
1、视觉感知视觉感知属于人体感知信息处理的一种方式，在计算机领域，研究者们通常采用图像处理和模式识别的方法，来解决计算机对图像的理解和识别问题。
2023年中考阅读理解-人类自动驾驶的百年情结
2023年中考阅读理解-人类自动驾驶的百年情结人类自动驾驶的百年情结①人类对于自动驾驶，有着百年之久的情结。
②早在1912年，出于战争的需要，美国科学家发明了一种用光电感光器件设计的能自动驶向光源的小车。
这辆小车取名叫“战争狗”，它能自动驶向敌营去引爆。
这是人类对自动驾驶最初的尝试。
1925年，美国工程师通过无线电装置对汽车进行遥控，使得一辆无人驾驶车可以通过远程控制进行前进、转向和刹车等操作。
1939年，在纽约世界博览会上，通用汽车展示了一辆能够通过铺设在道路下的电缆来进行自动驾驶的汽车，这辆车可以沿着规划好的路线自动行驶。
③到20世纪70年代末，人工智能开始引入自动驾驶的研究。
1979年，美国斯坦福大学设计了一辆依赖摄像头捕捉地面上的白线进行自动驾驶的汽车，这辆小车成功地穿越了一个放满椅子的房间。
20世纪80年代，美国卡内基梅隆大学研发了一种自动驾驶的货车。
1987年，德国慕尼黑联邦国防军大学也研发出一种自动驾驶汽车。
④1989年，中国开始了自动驾驶的研究。
2001年，西安交通大学组建了无人驾驶研究的课题组，并于2003年研制出“思源1号”自动驾驶汽车，这辆自动驾驶汽车能以每小时10公里—15公里的速度在校园内进行自主行驶。
当时，课题组制订了一个雄心勃勃的计划，要让这辆车走出校门，从西安行驶到敦煌。
但是，这辆车开出校园后几乎寸步难行，因为真实的交通场景远比校园里进行的道路测试要复杂多变，□□，在大多数的场合与环境下，这辆车都需要经过人工干预。
只有在沙漠地带的公路上才能平稳地行驶。
这是一次不成功的挑战，□□给我们带来了对所存在问题深刻思考和应对挑战的决心。
⑤2008年，国家自然科学基金委启动了“视听觉信息的认知计算”重大研究计划。
为了验证实验室的研究成果，2009年国家自然科学基金委举办了中国智能车未来挑战赛。
从2009年到2020年，挑战赛已经成功举办了12届，现在很多企业从事自动驾驶的骨干人员中有不少人都参加过中国智能车未来挑战赛，我们称这个挑战赛是“中国自动驾驶技术研究的摇篮”。
认知计算技术的最新研究成果
认知计算技术的最新研究成果引言认知计算技术是指模拟人类智能的各种计算方法和相关技术的总称，是目前计算技术领域的重要研究方向。
近年来，随着深度学习、神经网络等技术的快速发展，认知计算技术也取得了许多重要的进展。
本文将介绍认知计算技术的最新研究成果，分为自然语言处理、图像识别、语音识别和智能计算四个方面进行讲解。
自然语言处理自然语言处理是指使用计算机对自然语言进行处理和分析的技术，是人工智能领域的重要分支。
最近，自然语言处理领域发生了一些重要进展，其中最热门的是BERT（Bidirectional Encoder Representations from Transformers）模型。
BERT模型是2018年谷歌发布的一种预训练语言表示模型，采用Transformer网络结构，使得模型在处理自然语言时能够更好地把握上下文信息，并且能够快速适应各种任务。
BERT模型在多项自然语言处理任务中取得了优异的表现，如问答系统、文本分类、命名实体识别等。
图像识别图像识别是指对图像进行智能分析和理解的过程，属于计算机视觉领域的核心技术。
最近，图像识别领域也取得了很多成果，其中最热门的是目标检测技术。
目标检测是指在图像中找到指定目标的位置和边界框，在实际应用中广泛应用于人脸识别、目标跟踪等领域。
当前，最先进的目标检测技术是基于深度学习的方法，如Faster R-CNN、YOLO等。
这些方法采用卷积神经网络对输入的图像进行特征提取，然后根据提取的特征来定位目标。
语音识别语音识别是将人类语音转换成对应文本的过程，是人机交互的重要方式。
最近，语音识别领域的研究也取得了许多进展，其中最值得关注的是基于深度神经网络的端到端语音识别方法。
传统的语音识别方法大多采用多个模块组合的方式，这些模块包括特征提取、声学模型和语言模型等，每个模块的输出都是之后模块的输入。
而端到端语音识别方法则直接将语音信号作为输入，输出对应的文本结果，避免中间环节对结果的干扰。
国家自然科学基金委员会重大研究计划“视听觉信息的认知 …
国家自然科学基金委员会重大研究计划“视听觉信息的认知计算”2013年“无人驾驶智能车暑期学校”主办：重大研究计划指导专家组承办：西安交通大学、中国科学院合肥物质科学研究院一、教学目的无人驾驶车辆涉及认知科学、人工智能、机器人技术、传感技术与车辆工程等多个学科，它既包括理论方法与关键技术的突破，也涉及到大量的工程与试验问题，其研究意义不仅体现在所包含的核心科学问题上，同时又体现在重大应用前景与战略价值上。
近年来，世界主要发达国家均将无人驾驶车辆的研发作为探索认知科学、突破人工智能技术，发展智能汽车产业的重要途径。
国家自然科学基金委员会于2008年启动了重大研究计划“视听觉信息的认知计算”，连续5年相继资助了73个相关项目，在“感知特征提取、表达与整合”、“感知数据的机器学习与理解”和“多模态信息协同计算”等核心科学问题上取得了一系列重要进展，并以自然环境感知与智能行为决策能力的无人驾驶车辆作为验证平台。
同时，国（Future 家自然科学基金委员会于2009年起已连续4年组织了“中国智能车未来挑战赛”Challenge），先后有国内20余个单位、近20个车队参与了比赛。
该赛事不仅有效地交流和验证我国“视听觉信息的认知计算”研究成果，促进了该重大研究计划顺利开展，也有力地推动了我国无人驾驶智能车辆相关领域的技术创新和发展。
目前，我国无人驾驶智能车辆的研究研究水平迅速提高，已经形成了具有一定规模的视听觉认知与无人驾驶车辆研究群体，并得到了国内外的广泛关注。
为了进一步加强研究团队间的学术交流与合作，促进研究水平的整体提高，并带动更多研究团队加入我国无人驾驶智能车辆的研究群体，国家自然科学基金委员会重大研究计划“视听觉信息的认知计算”指导专家组拟组织2013年“无人驾驶智能车暑期学校”，就无人驾驶智能车辆的感知与认知、智能决策、控制与执行、系统集成、测试与评估等各方面的理论方法、关键技术开展全面深入的学习、交流与研讨。
计算认知神经科学的研究及应用
计算认知神经科学的研究及应用一、绪论计算认知神经科学是深入研究人类认知和神经系统运作的一门学科，涉及计算机科学、神经科学和心理学等多个领域，近年来备受关注。
本文将从研究角度、应用角度两方面进行探讨。
二、研究方向1. 神经计算建模神经计算模型是利用计算机技术对人类神经系统进行模拟或仿真的一种方法。
通过神经计算模型，研究者可以重建人类大脑的微观结构和网络结构，从而深入研究人类大脑的认知机制。
最典型的神经计算模型是人工神经网络（Artificial Neural Network, ANN），该模型可以对收集到的神经科学数据进行分析和建模，推测出大脑各个区域的功能和表现。
2. 广义线性模型（Generalized Linear Models, GLM）广义线性模型是一种复杂的神经信号分析方法，是计算认知神经科学的重要研究方向之一。
它可以同时考虑神经信号的时间和空间特性，分析神经元的电活动信号与行为表现的关系。
3. 脑成像技术脑成像技术是计算认知神经科学的核心研究手段之一。
近年来，功能磁共振成像（Functional Magnetic Resonance Imaging, fMRI）和磁脑电图成像（Magnetoencephalography, MEG）成为了非侵入式成像技术的主要代表，可在现实环境下测量人体大脑的神经活动。
通过这些技术，研究人员可以捕捉到大脑的整体和局部功能模式，为认知控制研究提供了更全面的数据。
三、应用方向1. 神经假肢神经假肢是利用神经科学和计算机技术开发出来的一种假肢。
通过将电极植入神经或肌肉组织中，感知人体的意图并转换成机械运动信号，从而控制假肢进行相应的动作。
神经假肢的研究为残疾人提供了改善生活质量的重要途径。
2. 智能辅助康复训练计算认知神经科学可以为康复训练提供智能化支持和指导。
智能辅助康复训练系统可以利用计算机技术结合脑机接口技术，收集人体生理参数信息并进行处理分析，制定个性化的康复训练方案和中长期康复规划，促进患者康复治疗效果提高。
认知计算及其应用研究
认知计算及其应用研究近年来，随着计算机技术的发展和人工智能的兴起，认知计算成为了一个备受关注的研究领域。
认知计算是指将人类认知和计算机技术相结合，实现人机交互和智能决策的能力。
它旨在将人类的主观认知与客观计算相结合，用计算机对大量、复杂、模糊的信息进行处理和理解，以帮助人们更好地解决实际问题。
本文将对认知计算及其应用研究进行探讨。
一、认知计算的理论基础1. 认知科学认知计算的理论基础主要来自于认知科学。
认知科学是研究人类认知和心理活动的一门学科，其核心是人类的信息处理机制。
认知科学的研究对象包括：感知、记忆、学习、推理、问题解决、决策等各种心理活动。
通过对这些心理活动的研究，认知科学可以揭示人类大脑的信息处理机制，为认知计算提供理论基础。
2. 计算机科学认知计算的另一个理论基础是计算机科学。
计算机科学是研究计算机的设计、开发、应用以及计算原理和算法的学科。
计算机科学提供了计算机基本原理、计算机网络、人工智能、数据结构、操作系统等重要的技术支持，为认知计算的研究提供了相应的技术保障。
二、认知计算的应用1. 聊天机器人聊天机器人是一种基于人工智能和自然语言处理技术的应用，能够与人类进行自然、直接、高效的交流。
聊天机器人已经广泛应用于智能客服、在线咨询、家庭智能助理等领域。
通过模拟人类的语言和思维模式，聊天机器人可以实现语义理解、情感分析、知识推理等功能，为人类提供便利的交流方式。
2. 智能推荐智能推荐是指通过计算机分析用户的兴趣、喜好和行为，提供个性化的推荐服务。
智能推荐已经成为了电商、社交网络、新闻媒体等领域中的重要应用。
通过建立用户兴趣模型、物品特征模型和推荐算法，智能推荐可以实现精准的推荐服务，提高用户的满意度和购物体验。
3. 智能辅助决策智能辅助决策是指通过计算机对大量数据进行智能分析和决策支持，提供高效、准确、可靠的信息决策服务。
智能辅助决策已经成为了企业、政府和军事领域中的重要应用。
通过建立数据分析模型、可视化分析工具和预测算法，智能辅助决策可以帮助用户快速、准确的获取决策所需的关键信息，提高决策的效率和质量。
五、自然科学基础研究计划
五、自然科学基础研究计划（一）项目类别与申报要求2014年省自然科学基础研究计划设重点项目、青年人才项目、面上项目三类。
1．重点项目重点项目以应用基础研究为主，围绕本省经济社会发展的重点开展研究。
申请项目需具备充分的预研积累和良好的实验条件，一般应以省部级以上重点实验室为依托。
申请者应具有副高级以上专业技术职务，截止2014年1月1日年龄一般不超过55周岁。
研究期限一般为3年。
2．青年人才项目青年人才项目旨在促进青年科研人才的成长，培养一批优秀青年创新人才。
申请项目一般应是经单位资助培育的青年优秀人才主持的创新研究项目。
申请人截止2014年1月1日男性年龄在35周岁以下、女性年龄在40周岁以下，并已获得博士学位。
研究期限一般为2年。
3．面上项目面上项目旨在促进学科发展，激励原始创新研究。
申请人一般应具有副高级以上专业技术职务或已获得博士学位（具有中级专业技术职务但未获得博士学位者，须有两名具有正高职称的同行专家推荐）。
研究期限一般为2年，申请者年龄以保证在退休前按计划时间完成项目研究任务，办理结题手续为限。
（二）重点支持的研究方向1．装备制造领域装备模块化制造关键理论研究；装备数字化应用基础研究；有明显应用背景的机器人系统设计与制造技术研究；大飞机技术理论研究；新型激光器制造及应用关键理论与技术研究；太阳能光伏光电及半导体照明系统设计理论研究；资源开采、综合利用、环保装备设计理论及关键技术研究；其他相关基础问题研究。
2．能源化工领域节能减排新技术理论研究；化石能源高效洁净转化利用的物理化学基础问题研究；陕北煤、油、气的科学开采及综合高效利用研究；非常规油气资源（煤层气、油页岩、页岩气）有效利用关键技术研究；CO2高效分离捕集及资源化转化利用新技术理论研究；废弃物利用理论研究；“绿色”化学与清洁生产方法中的基础科学问题研究；新型/绿色催化剂设计、装备基础问题研究；纳米分析、芯片分析化学研究；其他相关基础问题研究。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
附件2：重大研究计划“视听觉信息的认知计算”2008年度项目指南与人类视听觉感知密切相关的图像、语音和文本（语言）信息在社会、经济和国家安全等领域中扮演着重要角色，并在今后一段时间内仍将迅猛增长。
这类信息可被人类直接感知和理解，也可用计算机进行处理，但计算机的处理能力远逊于人类且处理效率远不能满足当今社会的发展需求。
如何借鉴人类的认知机理和相关数学的最新研究成果，建立新的计算模型和方法，从而大幅度提高计算机对这类信息的理解能力与处理效率，不仅可有力推动信息科学的快速发展，也将为国民经济和社会发展做出重大贡献。
一、科学目标本重大研究计划的总体科学目标是：围绕国家重大需求，充分发挥信息科学、生命科学和数理科学的交叉优势，从人类的视听觉认知机理出发，研究并构建新的计算模型与计算方法，提高计算机对非结构化视听觉感知信息的理解能力和海量异构信息的处理效率，克服图像、语音和文本（语言）信息处理所面临的瓶颈困难，为确保国家安全与公共安全、推动信息服务及相关产业发展以及提高国民生活和健康水平做出重要贡献。
具体表现为：在视听觉信息处理的基础理论研究方面取得重要进展；在视听觉信息协同计算、自然语言（汉语）理解以及与视听觉认知相关的脑―机接口等三项关键技术方面取得重大突破；集成上述相关研究成果，研制具有自然环境感知与智能行为决策能力的无人驾驶车辆验证平台，主要性能指标达到世界先进水平，从而提升我国在视听觉信息处理领域的整体研究实力，培养具有国际影响力的优秀人才与团队，为国家安全和社会发展提供相关研究环境与技术支撑。
二、核心科学问题本重大研究计划将围绕“感知特征提取、表达与整合”、“感知数据的机器学习与理解”和“多模态信息协同计算”等核心科学问题，组织并实施如下四个主要方面的研究工作。
（一）图像与视觉信息计算。
主要研究图像与视觉信息计算的认知机理，视觉基本特征的提取与选择，物体识别与图像内容理解，复杂场景下运动目标的行为分析等。
提出若干图像与视觉信息的高效计算模型，取得国际公认的原创性研究成果（在Nature, Science, IEEE Trans. PAMI等刊物上发表高水平论文），培养具有国际影响力的优秀人才与研究团队。
（二）语音与听觉信息计算。
主要研究听感知机理与音频场景分析，自然环境下的语音识别与合成，口语对话分析与理解等。
取得国际上有影响的原创性研究成果，提出若干语音与听觉信息的有效计算模型，在本领域国际权威刊物上发表高水平论文，培养具有国际影响力的优秀人才与研究团队。
（三）自然语言（汉语）理解。
主要研究语言加工的认知机理，语言知识建模和语义计算模型，基于语义理解的机器翻译方法，面向网络的汉语适度理解模型和系列分析工具，支持自然环境下口语对话分析、识别与理解的关键技术等。
在国内已有相关成果的基础上，统筹构建大规模高标准汉语语义知识库。
将上述研究成果应用到语言（汉语）信息处理典型系统中，显著提高对自然语言（句子、段落、篇章）的理解能力，并在网络信息检索、过滤和知识获取方面得到验证。
（四）多模态信息的协同计算与脑—机接口。
主要研究多模态感知信息协同的认知机理与计算模型，基于视听觉信息融合的模式识别与环境交互方法，跨模态视频信息检索与网络敏感信息过滤技术等。
大幅度提高跨模态视频信息检索的查准率，显著提升本领域整体研究实力。
研究与视听觉认知相关的脑信号提取、脑区定位与脑功能网络分析方法和技术，脑—机交互中的信号传输、处理与控制技术，与视听觉认知相关的脑—机接口典型应用。
在改善残疾人生活质量和功能康复等方面得到验证或应用，为延伸和提高人类行为控制能力提供新技术。
三、关键技术与集成验证平台在上述研究工作的基础上，本重大研究计划进一步开展与视听觉信息处理相关的关键技术和集成验证平台研究。
（一）视听觉信息协同计算的关键技术。
研究机器视听觉信息的协同计算模型及系统实现技术，基于视听觉信息融合的模式识别技术与验证系统，跨模态视频信息检索与网络敏感信息过滤技术及应用。
基于多模态协同计算模型的网络视频信息搜索的查准率比同期国外最好水平高5%—10%，并在网络信息安全与服务等领域得到验证。
（二）自然语言（汉语）理解关键技术。
研究汉语通用词汇的规范化语义知识库及其构建技术，面向网络的汉语适度理解模型及系列分析工具的实现技术，支持自然环境下口语对话分析、识别与理解的关键技术。
在国内现有相关成果的基础上，统筹构建汉语语义知识库，汉语通用词汇规模不小于5万词，带有语义标注的汉语平衡语料库规模不小于1千万字。
将研究成果应用到网络环境下的汉语处理系统中，信息检索与知识获取的准确率比现有最好技术提高20%以上。
（三）与视听觉认知相关的脑―机接口关键技术。
研究与视听觉认知相关的脑信号提取、脑区定位与脑功能网络分析技术，脑—机交互中的信号传输、处理、控制技术及系统实现，与视听觉认知相关的脑—机接口典型应用。
所提无创脑―机接口信息提取与分析等技术处于同期国际领先水平，在改善残疾人生活质量和功能康复等方面得到验证或应用。
（四）无人驾驶车辆集成验证平台。
集成上述基础理论与关键技术的相关研究成果，将传统视觉计算模型与新的视觉认知模型相结合，实现环境感知与建模方法新突破；实现多传感器跨模态跨尺度信息融合，生成高质量三维场景认知地图，构建高性能智能车辆无人驾驶验证平台；提供新的基于人—车—路状态综合分析的智能辅助安全驾驶关键技术；在国防、智能辅助安全驾驶等相关领域得到验证或应用并产生重要影响。
四、2008年度拟资助的研究项目本重大研究计划主要以“培育项目”、“重点支持项目”和“集成项目”的形式予以资助，三类项目在资助强度和实现目标上有所不同。
对有较好的创新学术思路和研究价值，但尚需进一步探索研究的申请项目，将以“培育项目”方式予以资助。
对有很好的创新学术思想和研究价值，有良好的研究基础和成果积累，且对研究计划总体目标有较大贡献的申请项目，将以“重点支持项目”的方式予以资助。
对实现研究计划总体目标有决定作用的研究方向，将以更大支持强度的“集成项目”方式予以资助。
根据项目执行的年度进展情况或考察结果，本重大研究计划将适度调整获准项目的资助经费（中止课题或追加经费）。
2008年度拟资助如下领域的“重点支持项目”及与其相关的“培育项目”。
（一）多模态信息协同计算方面。
1．“重点支持项目”的研究方向：面向互联网的跨媒体挖掘与搜索引擎融合自然语言理解、图像与视频分析及跨媒体数据挖掘等多领域交叉的新方法，研究有效的网络文本、图像与视频内容挖掘方法和有效的网页分析技术，构建精度高、速度快和鲁棒性强的垂直搜索算法，研发面向特定用户的互联网跨媒体搜索引擎。
考核目标：特定领域文本内容的查准、查全率均在90%以上；特定领域图像与视频内容的查准、查全率均在70%以上；可实现准实时的互联网跨媒体内容挖掘与搜索。
2．“培育项目”的研究方向：（1）文本、图像和语音感知信息交互的选择性注意机理、语义特征提取；（2）“情境（Ambient）智能”的多模态信息协同计算。
（二）自然语言（汉语）理解方面。
1．“重点支持项目”的研究方向一：网络文本的语义计算与理解建立高标准、规模化、易扩展的语义知识库（包括词条、句子和篇章级的核心语义标注）；建立面向大规模汉语文本的语义计算框架和计算模型；研究基于内容的网络文本信息检索、事件检测和内容文摘等的关键技术，实现特定语义目标的网络内容理解。
考核目标：研究所得的语义计算与理解方法明显优于非语义方法，特定网络文本信息检索的准确率较现有技术至少提高20%。
2．“重点支持项目”的研究方向二：多模态口语对话内容的分析与理解以口语为主，综合语音、视觉、行为、情感等跨模态信息，研究建立人类口语对话模型，支撑口语对话的理解和人机语音交互。
考核目标：面向汽车语音导航和语音通讯等领域，研制多模态口语人机自然对话原型系统，特定对话主题的理解准确率大于90%，人机对话的正确响应率大于80%，任务完成率大于90%。
3．“培育项目”的研究方向：（1）汉语认知机理的语言心理学研究；（2）适于句子和篇章的汉语语义计算模型；（3）听觉感知机理与音频场景分析；（4）语义计算与理解的资源共享与测评。
（三）脑—机接口方面。
1．“重点支持项目”的研究方向：与视听觉认知相关的人机交互关键技术研究与视听觉认知相关的脑信号提取与脑区定位技术；脑—机交互中的信息传输、处理与控制技术；与视听觉相关的脑—机接口应用技术。
考核目标：提出并实现脑—机交互的在线自动模式学习策略，提高脑―机接口系统的鲁棒性和自适应性；在脑电信息的提取、分析和应用方面处于同期国际领先水平；在与视听觉相关的残疾人功能康复方面得到验证或应用。
2．“培育项目”的研究方向：（1）基于脑―机接口的车辆导航与控制技术；（2）脑电信号的无创采集、传输和处理；（3）脑―机交互范式的新概念与新方法。
（四）驾驶行为的认知机理方面。
1.“重点支持项目”的研究方向：驾驶行为的认知机理和神经表达—选择性注意及与动作的相互关系选择性注意是人类驾驶行为的一个不可缺少的认知功能。
对选择性注意的研究以及对驾驶行为注意研究的一个根本问题是：“注意选择的究竟是什么?”。
本项目要求在这个认知科学的重大问题上取得实质性突破，特别是，提出和发展基于“物体”的选择性注意原创性系统理论，并应用于无人驾驶的环境感知计算模型。
一方面建立物体表达概念的科学定义，以及物体表达和驾驶行动交互作用的认知机理的准确描述；另一方面利用脑功能成像的各种方法，发现基于物体注意和驾驶行动的大脑皮层的神经表达。
从而为建立具有主动视觉功能和“注视转移”机理的驾驶行为新模型提供认知科学基础。
2.“培育项目”的研究方向：（1）驾驶行为的知觉学习；（2）眼动和注意调节的认知机理与主动视觉；（3）驾驶员的行为心理学与认知结构模型。
（五）无人驾驶车辆集成验证平台方面。
1.“重点支持项目”的研究方向：无人驾驶车辆的关键技术与系统平台考核目标：在遵守交通法规的前提下，实现以下三种路况自主驾驶。
（1）城市道路：要求车辆能够安全并入及驶出多车道交通场景，具有保持车道、换道和超车的能力，行驶里程约5公里；在部分路段中能够通过一连串平行停放的车辆和路障，且能行驶到位于其它停放车辆中间的指定停车点。
测试环境：人与车辆较为密集，测试道路有多个十字路口，测试车辆能对障碍物进行识别，并能掉头重新选择行驶路径。
（2）高速公路：行驶里程约2000公里，人工干预里程小于3%；能安全有效地超车并汇入车流；能准确识别高速公路上的常见交通标志，并做出正确安全的驾驶动作。
测试环境：测试道路上有多个高架桥路口。
（3）乡村道路：在各种路表（土路、砂石路、水泥或沥青等）条件下，行驶里程约200公里，人工干预里程小于4%；能保持车道、安全跟随和超越前方车辆，能停车、重新启动和绕行；能识别障碍物，并能避免与行人、自行车和路边树木、电线杆等物体碰撞。