神经系统中学习功能的计算模型

本项目在神经元群突触作用分析的基础上建立学习功能的计算模型。复杂性研究和自组织理论为神经系统计算模型提供了崭新的思路和算法。T. Berger和J. Liaw开发出了一个具有学习、记忆、识别功能的神经网络回路，并首次获得了能代替特定脑区行使部分功能的大脑芯片。学习的计算模型在此两项突破性工作的基础上进行。项目选择汉字学习为分析对象，详细讨论汉字学习中的音、形、义诸要素，并在神经元群层次上研究其信息的分解、传递、处理与整合过程。计算结果将与神经生物实验中的脉冲信号数据以及宏观的学习行为实验结果进行比较。基于突触的信息传递及其变化的学习计算模型为神经高级认知功能提供一种本源性的理解；也给出了神经系统中突触传递信息的动力学过程，成为神经计算有力的依据，有利于信息科学的发展。研究成果对于高性能的智能型软件的开发有直接的作用。本项目具有广阔的应用前景。