计算神经科学学科简介对脑和神经系统的研究源远流长

至18世纪末，人们认识到脑分为不同的部位，行使不同的功能

1891年Cajal创立神经元学说，认为整个神经系统是由结构上相对独立的神经细胞构成

在Cajal神经元学说的基础上，1906年Sherrington提出了神经元间突触的概念

20世纪20年代Adrian提出神经动作电位

1943年McCulloch 和 Pitts提出了的 M-P 神经网络模型

1949年Hebb提出了神经网络学习的规则

50年代Rosenblatt 提出了的感知机 (Perception) 模型

八十年代以来, 神经计算研究取得了进展

Hopfield引入Lyapunov函数(叫做"计算能量函数")给出了网络稳定判据, 它与VLSI有直接对应关系, 为神经计算机的研制奠定了基础

同时它还可用于联想记忆和优化计算, 开拓了神经网络用于计算机的新途径

甘利俊一(Amari)在神经网络的数学基础理论方面做了大量的研究， 包括统计神经动力学、神经场的动力学理论、联想记忆，特别在信息几何方面作出了一些奠基性的工作

计算神经科学的研究力图体现人脑的如下基本特征:① 大脑皮层是一个广泛连接的巨型复杂系统； ② 人脑的计算是建立在大规模并行模拟处理的基础之上； ③ 人脑具有很强的"容错性"和联想能力, 善于概括、类比、推广； ④ 大脑功能受先天因素的制约, 但后天因素, 如经历、学习与训练等起着重要作用， 这表明人脑是有很强的自组织性与自适应性

人类的很多智力活动并不是按逻辑推理方式进行的, 而是由训练形成的

目前，对人脑是如何工作的了解仍然很肤浅，计算神经科学的研究还很不充分， 我们面临的是一充满未知的新领域，必须在基本原理和计算理论方面进行更深刻的探索

通过对人脑神经系统的结构、信息加工、记忆和学习机制的分析研究，从人脑工作的机理上进行仿真， 提出智能科学的新思想、新方法

计算神经科学的科学问题如下：神经活动的基本过程：研究神经元离子通道及其调控、突触传递及其调控、神经元受体及信号转导、神经活动的同步机理

单个神经元的计算模型：单个神经元是构成神经网络的基本单元，它由神经细胞体、树突和轴突构成，神经元之间通过突触连接学习和记忆的神经机制：神经系统因活动和环境等因素的作用而在结构和功能上发生改变，这种改变是学习和记忆等高级脑功能的基础

研究产生这种可塑性、特别是神经突触的可塑性的机制以及学习规则

研究神经元回路信息编码及加工机理

神经元和神经系统发育的分子机制：神经细胞在脑发育时由神经干细胞分化而来，以后经过迁移、长出突起、通过形成突触互相连接等过程逐步形成复杂精密的脑

研究调节神经干细胞分化、维持神经细胞存活、调节神经细胞迁移、突起生长和突触形成的神经营养因子，研究它们的作用和作用机理

神经递质：研究神经递质的构成，神经递质的合成、维持、释放及与受体的相互作用

以上内容由大学时代综合整理自互联网，实际情况请以官方资料为准。