1. 非线性及非平稳复杂系统辨识、建模及信号处理
重点开发基于NARMAX [Nonlinear AutoRegressive Moving Average with eXogenous inputs]方法论及新型小波自适应跟踪算法，建模、分析、解释不同类型的真实数据如计算神经科学、生物医学成像、心理学、化学反应机理、飞机环境建模、飞行员疲劳驾驶等不同应用领域，为揭示不同应用领域的潜在机理提供定量的理论分析和新的技术支持。
主要合作单位：美国哈佛大学医学院、英国谢菲尔德大学、北京航空航天大学、航天一院等
2. 模式识别、机器学习及实际应用
基于血氧水平依赖功能磁共振成像(BOLD-fMRI)与神经活动中血液动力学响应、电生理数据及CT数据，开发新型的模式识别特征提取算法及机器学习算法，探索脑区域间神经交互作用及连接异常改变，为脑疾病临床应用诊断提供辅助诊断工具；开展多变量因果建模基础理论、多模态脑效应连接网络分析方法以及模式识别分类技术探索，为具有挑战性脑疾病的早期发现、早期干预及预后判断等提供定量的理论分析和新的技术指导。
主要合作单位：北京大学、北京师范大学及首都医科大学附属北京天坛医院等
3. 医学影像数据分析与处理,复杂脑网络建模及脑疾病诊断
以大数据医学图像数据为基础，利用图像配准及图像分割算法，深入研究脑效应连接网络分析方法和脑疾病早期诊断识别技术，为脑效应连接网络的分析和脑疾病的早期诊断开辟新的技术途径。主要目标不仅对理解神经、精神疾病的病理生理机制和脑功能异常状态下的认知功能损害提供一种新的技术或新的思路，而且对神经影像学研究、医学图像处理方法、多变量时间序列分析、模式识别技术以及机器学习等领域的发展都具有重要的理论意义和实用价值。
主要合作单位：美国北卡罗莱纳大学教堂山分校，首都医科大学宣武医院
4. 脑信号分析（EEG、MEG、fMRI）的算法研究及脑机接口
随着多通道神经元信号采集技术与计算机控制技术的日益成熟，如何从大脑皮层神经元群体活动中提取运动信息的解码算法是整个脑机接口系统实现脑信号与外界环境联系的关键纽带。本项目以脑信号为研究对象，开发系统辨识、模式识别、机器学习及信号处理等方面的新算法，建立大脑运动皮层神经元信号与肢体运动方向关系模型的问题。主要研究内容包括非线性系统辨识、非线性系统时频域分析、信号的稀疏表示、有监督机器学习等。脑机接口主要从事脑机接口的基本理论算法与实际应用研究，深入研究从大脑运动皮层神经元脉冲序列信号中提取关于生物具体运动行为信息的系统辨识与建模算法，以及从时间序列的角度分析神经元信号的方法。主要研究内容包括基于运动想象的机器人控制、脑机接口在航天飞行员的疲劳驾驶与神经功能康复中的应用。
主要合作单位：香港城市大学、中国康复研究中心及北京积水潭医院、北医三院等