计算社会系统(css)关注的话题,例如造型、仿真、分析和理解的社会系统定量和/或计算角度。“系统”包括分别、人机和机机组织和敌对的情况以及社交媒体的结构和动力学。css变得越来越复杂,各种各样的数据来自不同领域获得先进的数据处理技术,如文本、图像和视频。数据驱动的css呈现非线性动力学特点,适应性、健壮性和韧性。在css处理复杂性问题是具有挑战性的,因为复杂的和非结构化数据的特点,如体积、品种、速度,价值,序列,strong-relevance,准确性,等。传统方法计算复杂度高的问题,并行性较低,不能满足大规模数据处理的要求。因此,是一个伟大的需要一个功能强大的方法,可以在数据驱动的css处理复杂性问题更有效地和有效地在大数据的时代。

最近,认知正成为一个新的和有前途的方法的发展cognitive-inspired计算,cognitive-inspired交互和系统。认知计算,这是人工智能的一个重要组成部分,能够解决一个问题包含许多实体联系在一起在一个复杂的方法与模型的感知、动作、注意力,学习和记忆,决策、语言处理、交流、推理、解决问题的能力和意识方面的认知。认知计算的最大优势是能够“理解”非结构化数据,包括语言、图像和视频。它已经被证明是有效的在一个广泛的领域。例如,IBM华生,认知计算系统的杰出代表,深刻地改变了业务解决问题的方式和效率。因此,它是认知computing-based设想解决方案可以克服在现代复杂性问题的新兴挑战完全释放潜在的数据驱动的css。因此,认知computing-based解决复杂性问题的调查包括吸引来自工业和学术界越来越多的关注。

这个特殊问题的目标是提供一个平台,高质量的贡献来自学术界、商业、工业和政府目前最新进展在认知计算解决方案在数据驱动的css复杂性问题。最初的研究和评论文章是受欢迎的。

潜在的主题包括但不限于以下:

• 包括认知计算复杂性问题
• 认知计算复杂性问题的社会技术系统
• cyber-physical系统认知计算复杂性问题
• 大数据驱动包括认知计算
• Cognitive-inspired计算系统
• AI-assisted认知计算方法
• 机器学习在包括决策支持系统
• css的认知科学计算和数据的集成
• 在包括认知计算分析非线性动力学
• 认知计算为提高健壮性和韧性的css
• 认知信任计算解决方案,包括安全性和隐私
• 对于数据驱动包括先进的学习方法
• 新的和小说的认知计算方法应用于数据驱动的css