As redes cognitivas cerebrais se consolidam emergentemente de acordo com, mas não se limitando às experiências individuais ao longo da vida relacionadas à emoção, estresse, medo, atenção, aprendizado, sociedade, linguagem, religião, cultura e ambiente familiar. Portanto, o funcionamento cognitivo, questões de causalidade versus contingência, redes cerebrais, protocolo de intervenção e eficácia da reabilitação são desafios nas ciências cognitivas e das neurociências. Além disso, o conhecimento orientado a dados suporta a descoberta de padrões, a criação de estratégias de tomada de decisão e a possibilidade de análises preditivas e de perspectiva. No entanto, a reabilitação cognitiva também é desejada pela atualização do conhecimento e aprendizagem autônoma por meio de novas condições devido à consolidação cerebral emergente individualizada. Eventualmente, a infraestrutura digital e o desempenho da computação são essenciais para tornar os modelos desenvolvidos acessíveis, acessíveis e atualizáveis para o sistema de saúde. Uma das soluções práticas que podem enfrentar coletivamente todos os desafios é uma plataforma de computação cognitiva. A Computação Cognitiva (CC) é um nicho de conhecimento emergente baseado em ciência cognitiva, neurociência, ciência de dados e tecnologias de computador. Arquitetonicamente, proponho uma plataforma de Computação Cognitiva construída a partir de redes de micromódulos chamada computação neurocognitiva. A Computação Neurocognitiva (NcC) é uma unidade de computação cognitiva autorregulada que pode aprender e ser treinada em tempo real para gerar mecanismos de sistemas cognitivos individualmente ou em uma rede complexa. Neste projeto de 8 anos, tentei fazer uma Plataforma de Reabilitação Cognitiva (iCRP) integrada como computação neurocognitiva para navegar no comprometimento cognitivo (desregulação emocional) e reabilitação com técnicas de estimulação elétrica transcraniana para pacientes com zumbido. No iCRP, conceituamos e desenvolvemos parcialmente segmentos de computação neurocognitiva em paralelo, desde modelagem cognitiva teórica, ensaio clínico e mineração orientada a dados não/supervisionada até aprendizado profundo em tempo real. Tentei documentar a seção de ciências cognitivas do projeto de forma concisa e profunda, desenvolvendo caixas de ferramentas teóricas e experimentais para reconhecimento de padrões não supervisionado e explorando as metodologias orientadas por dados com avaliações de desempenho de métricas para alimentar o aprendizado de reforço profundo no futuro.

Brain cognitive networks consolidate emergently according to but not limited to individual lifelong experiences related to emotion, stress, fear, attention, learning, society, language, religion, culture, and family environment. Therefore, cognitive functioning, causality versus contingency issues, brain networks, intervention protocol, and rehabilitation effectiveness are challenges in cognitive and neuroscience sciences. Additionally, data-driven knowledge supports discovering patterns, creating decision-making strategies, and making predictive and perspective analytics possible. However, cognitive rehabilitation is also desired by updating knowledge and autonomous learning through new conditions due to individualized emergent brain consolidation. Eventually, digital infrastructure and computing performance are essential to make the developed models accessible, affordable, and updatable for the healthcare system. One of the practical solutions that can collectively address all challenges is a cognitive computing platform. Cognitive Computing(CC) is an emerging knowledge niche grounded on cognitive science, neuroscience, data science, and computer technologies. Architecturally, I propose a Cognitive Computing platform constructed from micro-module networks called neurocognitive computing. Neurocognitive Computing (NcC) is a self-regulatable cognitive computing unit that can learn and be trained in real-time to generate cognitive system mechanisms individually or in a complex network. In this 8-year project, I tried to make an integrated Cognitive Rehabilitation Platform (iCRP) as neurocognitive computing to navigate cognitive impairment (emotion dysregulation) and rehabilitation with transcranial electrical stimulation techniques for tinnitus patients. In iCRP, we conceptualized and partially developed neurocognitive computing segments in parallel, from theoretical cognitive modeling, clinical trial, and un/supervised data-driven mining to real-time deep learning. I tried to document the cognitive science section of the project concisely and profoundly, developing theoretical and experimental toolboxes for unsupervised pattern recognition and exploring the data-driven methodologies with metric performance evaluations to fuel deep reinforcement learning in the future.