Działalność badawcza w obszarze inteligentnych systemów obliczeniowych jest skoncentrowana na sieciach neuronowych, układach rozmytych, sieciach neuro-rozmytych, obliczeniach ewolucyjnych i ich integracji. Prace teoretyczne z zakresu sieci neuronowych koncentrują się na dynamicznych sieciach neuronowych opisanych w przestrzeni stanów oraz modelach linowych o zmiennych parametrach LPV (ang. Linear Parameter Varying), algorytmach uczenia oraz technikach doboru struktur sieci neuronowych ze szczególnym uwzględnieniem metody GMDH (ang. Group Method of Data Handling). Przedmiotem badań jest także określenie niepewności modeli neuronowych przy wykorzystaniu normy H nieskończoność oraz metod optymalnego planowania eksperymentu. Ponadto, rozwijane są metody wyznaczenia niepewności modeli neuronowych z zastosowaniem metod estymacji parametrów zaliczanych do klasy algorytmów BEA (ang. Bounded Error Approach) i technik estymacji stanu tj. UKF (ang. Unscented Kalman Filter) .
W zakresie metod rozmytych prace koncentrują się na układach nieliniowych opisywanych w postaci modeli rozmytych Takagi-Sugeno, które wykorzystywane są do projektowania zaawansowanych układów estymacji stanu i sterowania. Prace dotyczą sterowania odpornego i predykcyjnego, jak również związanych z nimi zagadnień estymacji stanu i minimalizacji wpływu szumów i zakłóceń. Algorytmy ewolucyjne stanowią ważne narzędzie wspomagające rozwój powyższych strategii w kontekście zagadnień optymalizacji globalnej. Opracowane metody znalazły zastosowanie do modelowania, identyfikacji i diagnostyki systemów oraz syntezy układów sterownia tolerującego uszkodzenia. Innym zastosowaniem rozwijanych technik obliczeń inteligentnych są systemy obrazowania medycznego.
