本项目在研究基于仿生原理的计算智能算法基本原理的基础上，实现了基于仿生原理的神经网络（包括深度学习网络）、人工蜂群算法（ABC）、人工免疫遗传算法（GA）、粒子群优化（PSO）、差分进化算法等多种智能计算方法，探索用计算机模拟与实现人类学习与思维方式及能力，尤其是形象思维方式与能力，形成一系列新的智能算法技术与方法，并将这些智能计算技术与方法应用于解决复杂的系统工程，设计并研发了一系列相关产品与应用平台，并实现了一定规模的产业化。本项目在新技术应用推广方面取得的创新性成果简介如下：

　　(一)深度神经网络融合视觉特性的视频、图像处理关键技术及产业化应用研究。将深度神经网络学习模型与传统的基于规则的机器学习方法融合，在图像检索、图像分析、目标检测与跟踪、异常检测等计算机视觉领域展开关键技术研究及其应用开发。综合利用卫星定位、视频分析、大数据等技术，提供长途客车、旅游包车、危险品运输车、重型载货汽车、半挂牵引车等重点车辆以及渣土车、环卫车、校车等动态监控报警应用产品和服务。将视频检索与分析技术等应用于开发，实现了汽车高级辅助驾驶系统ADAS，出租汽车行业智能化监督管理系统及应急处置管理系统，提供面向政府监管的运行数据分析、应急预警与处置、服务质量监督等应用产品。此外，设计开发一套纺织瑕疵智能辅助检测终端，对纺织品生产过程中的瑕点进行实时监测与识别，并和现有的系统互连互通，提高纺织品的瑕疵检测速度和效率，降低企业的劳动成本。

　　(二）基于智能优化算法的微波仿真并行设计及优化平台。利用智能优化算法针对微波通信产品自动化设计的多变量优化问题研究，实现了融合通信产品、智能技术、材料特性、并行计算为一体的自动化设计平台。采用人工蜂群算法（ABC）、人工免疫遗传算法（GA）、粒子群优化（PSO）、差分算法（DE）等群体性智能优化算法和空间映射等优化加速算法，应用成熟的商业电磁仿真软件（如HFSS），采用合理的智能调度策略充分发挥计算机机群、多核的分布运算能力，以显著提高微波毫米波电路与系统的设计开发效率，使微波毫米波电路与系统的设计过程更加流畅和统一。与目前EDA工具自带优化功能相比，能够完成结构复杂、设计参量众多、电尺寸巨大的电磁优化问题，并显著提高优化效率。同时，平台以人工智能算法为核心、大数据为依托、云计算为支撑、工艺库与测试仪器为辅助，涵盖从芯片、模块、天线到整机的设计、制造、调校、验证协同自动化设计开发平台。

　　(三)拟合函数在测试系统误差剔除模型建立及应用研究。在微波射频领域，如何消除有害的夹具效应是器件测试过程中的最大挑战之一，不消除这一夹具效应，就无法得到被测器件的精确特性。这导致即使器件性能再好，也只能得到较低的产品规格。针对当前消除测试夹具效应的方法存在的不足，提出基于拟合函数模型的测试夹具误差剔除方法，结合建模和去嵌入方法，对两种方法下产生的误差进行修正，将矢量网络分析仪的测试过程中用到的测试夹具所产生的误差精确剔除，完全消除夹具效应，从而得到精确的被测件的参数。