主要研究内容：

（1）多源异构数据类脑感知

仿生人脑对复杂信息的感知机制，采用结构化建模方式来提取认知目标的自然语义描述参数。从而解决多源异构数据的结构化表征问题，方便后续的模型计算、理解和认知。

（2）类脑计算

仿生人脑结构来构建多层级的类脑计算模型，实现对序列数据的类脑深度学习。为解决小样本学习问题，一方面，在合成虚拟数据，扩充数据样本；另一方面，通过优化网络结构和训练方法，提高学习模型的泛化能力。