环境智能指的是一个框架旨在增强个人和环境相互作用的程度。通常传感器定位在一个环境提供连续的实时数据的采集。数据通常是被一个代理,它响应传感器的输入(s)根据一些规定的规则库。最终的目标是提供一个人/代理的信息,提高人的能力/代理在规定的环境中更有效地进行交互。典型应用包括远程医疗监测、机器人在家监测和互动,对情绪复杂的决策,并在人类和动物的行为。

融合的环境情报、无处不在的计算和相关领域一方面和各种认知计算、神经灵感算法(如深ann,深RL),和brain-intelligent系统另一方面将帮助我们重新定义person-interface协同。更普遍的是,我们发现这些框架如何感兴趣,当渗透在社会神经科学的角度来看,可以提高生活的质量在家里或在临床环境中所有个体。例如,在机器人援助,更好更快的算法学习、自组织、和决策可以缩短的关键时刻检测环境的认知操作,而依赖的人处于危险之中。这些可以获得脑外伤患者。此外,准确的情感识别系统不良个体的成人或儿童不能自我报告信息由于物理变形,害羞,或者焦虑可能导致更可靠的诊断在临床环境。

这个特殊的问题预计将呈现原始算法和神经灵感工作系统,灵活适应新的学习任务,从环境中学习使用多通道信号(如神经、生理和运动),并生成自动自适应机构,利用认知和情感数据,在一个社会神经科学框架。这些机构应该能够获得各种输入/传感器的数据,生成模型,它成为相互交互和辅助,社会的所有成员构造(如教室、医院病房里,遇到组,和一个家庭在家里)。

潜在的主题包括但不限于以下:

• 新的生物神经网络模型和训练算法
• 创新的深度学习算法和架构
• 进步的学习算法
• 复杂的环境
• 神经网络社交机器人
• 自组织、无监督和semisupervised学习
• 脑-机接口和辅助技术
• 环境辅助生活(AAL)
• 创新brain-neural计算机接口
• 情感识别模型和系统