认知科学建模实验室(CSML)为学生和实验室主任提供了一个使用计算机来帮助理解认知的项目的空间. 这项工作的大部分涉及与标准相反的动态关联网络(dan), 人工神经网络. DANs differ from ANNs in that they use no predetermined network structure; rather, 为了提高认知功能，我们会在网络中任意添加节点. 它们的不同之处在于没有固定的权重. 相反，它们使用由信息理论方法确定的动态权重. 使用dan的训练是通过基于案例的推理方式完成的. 另外, 新的信息可以添加到DANs中，而无需重新训练网络, 这是相对于传统模式的真正优势.

尽管DANs一直是实验室的主要研究重点, 项目还包括几个基于代理的建模项目和一些涉及预测引擎的项目. 最近, 例如, 学生们在实验室里做一个项目, 重构之, 来创建一个基于主体的柏拉图模型 共和国. 在那之前, 学生们参与了一个为期两年的项目, 预测NFL, 在此期间，建立网络结构以在NFL比赛之前确定获胜者. (我们的预测准确率达到了70%，远远超过了抛硬币的准确率.)

这个实验室在不同类型的项目上有着悠久的历史. 它开始于20世纪90年代中期，作为“互联网应用实验室”开发学术用途的搜索引擎. 随着“数字人文学科”作为一个研究领域的发展, 实验室的名字改为“数字人文实验室”,然后, 最近, 认知科学建模实验室,“更密切地反映我们在这里所做的事情. 多年来, 这个实验室有50多名学生，他们从事各种各样的项目, 包括互联网搜索引擎设计, 埃文斯维尔交通灯模式的基于主体的探索, 印第安纳州和课堂模拟. 特别是关于DANs，我们研究了一系列模型，包括:

1. 基于属性和上下文敏感性的对象识别
2. 比较属性和对象之间的异同
3. 简单形状的形状识别，不管它们可能出现在人工视野的哪个位置
4. 跨模拟感觉模态的关联
5. 任意七位数的主顺序存储器
6. 网络分支从一个子网到另一个基于单一刺激的存在
7. 可以执行标准的8位寄存器控制, 机器级的操作，就像标准的图灵式计算设备一样
8. 基于刺激/反应的基本自然语言处理.e. 反乔姆斯基的)语言概念