大规模功能柱集群递归神经网络模型的理论、方法与应用研究

通过将基于细胞技术获得的微观水平的神经生理学数据与基于行为研究获得的系统水平的认知概率模型相联系，力图利用大规模功能柱集群递归神经网络（C-SHESN）的构建与创新性研究，加深对人脑神经计算机制的理解，促进计算智能理论与应用的发展。以人脑皮层认知的群体行为与层次特征为基础，发展具有非线性复杂现象的C-SHESN神经动力学模型，研究具有幂律分布、择优连接、同步效应和小世界特性的C-SHESN网络的自然发育模型，由此可获得大规模（神经元的数量可达数万个）的复杂动态网络。通过研究该网络同步振荡的能力，尝试揭示皮层多样化节律活动的可能机制。最后，基于认知过程的贝叶斯模型，探索大脑形成贝叶斯概率推理的计算机制，进一步改进该网络的自然发育模型，从而建立更加逼近神经生理学与神经解剖学特征的计算模型，获得原创性理论研究成果，并将其应用到极具挑战性的复杂系统建模与计算生物学问题中。