V preteklem petletnem obdobju smo obravnavali predvsem naslednja znanstvena področja: - Adaptivni sistemi: - globalna stabilnost in stabilnost s pomočjo bifurkacijske analize in Popov-e teorije hiperstabilnosti, - enostavni mehki adaptivni regulator za vodenje nelinearnih procesov, - robustni adaptivni regulator na osnovi mehkega modela. - Multivariabilni sistemi: - uglaševanje regulatorjev z genetskimi algoritmi, - vloga ekspertnih sistemov pri načrtovanju vodenja, - razširjena Edmunds-ova metoda za načrtovanje regulatorjev, - uporaba metode glavnih poti, - enostavno vodenje v primeru časovnih zakasnitev v sistemu. - Prediktivno vodenje: - vodenje na osnovi mehkih modelov z uporabo neuro-mehke identifikacije, - mehko prediktivno funkcionalno vodenje v prostoru stanj, - realizacija na programirljivem logičnem krmilniku za sisteme z izrazitim mrtvim časom, - primerjava funkcionalnega prediktivnega vodenja in PID vodenja. - Hibridni sistemi in nadzorno vodenje: - načrtovanje vodenja nadzornih in hibridnih sistemov, - simulacijsko okolje za zvezno-dogodkovne sisteme, - modeliranje, simulacija in načrtovanje nadzornega vodenja z uporabo Petri-jevih mrež, - modeliranje sistemov z zvezno dinamiko in z logičnimi omejitvami, - modeliranje hibridnih dinamičnih sistemov z jezikom HYDSEL. - Odkrivanje napak: - robustno odkrivanje napak na osnovi kompenzacije napak v modeliranju, - modeli pri odkrivanju puščanja cevovodov in uporaba neuronskih mrež in baze znanja, - metoda glavnih komponent pri odkrivanju napak in aplikacija na hidravličnem in na procesu fermentacije. - Večagentni sistemi: - primer robotskega nogometa, - problematika robustnega računalniškega vida in strategij vodenja, - razvoj simulatorja, - modeliranje trkov agentov, - orodje za analizo igre v robotskem nogometu, - Razno: - neuro-mehko vodenje na osnovi modela, - kombinacija različnih pristopov k modeliranju multivariabilnih sistemov, - implementacija mehkega regulatorja na programirljivem logičnem krmilniku, - minimizacija produkcijskih časov pri večproduktnih šaržnih procesih, - razvrščanje opravil v šaržnem sistemu, - vpeljava pristopov s področja umetne inteligence v modeliranje na področjih farmakokinetike in farmakodinamike, - rudarjenje podatkov pri načrtovanju zdravil in terapij, - metode ocenjevanja farmakokinetičnih parametrov. Osnovni lastnosti naštetih študij sta celovitost pristopa in težnja k vrednotenju praktične uporabnosti rezutlatov, pri čemer ne gre prezreti tudi uporabe v sodobnih oblikah izobraževanja.