第1章 绪论 1
1.1脑研究的核心问题 1
1.2神经信号与神经信息 2
1.3研究神经信息学的重要性 3
1.4研究神经信息学必须考虑的几个基本问题 7
1.5研究神经信息回路的困难 14
1.6衡量理论研究方向的准确性的几个原则 20
1.7小结 21
参考文献 23
第2章 非线性动力学基础知识 26
2.1相平面的基本概念 26
2.2分岔现象 31
2.3极限环与神经脉冲 41
2.4振荡 43
2.5同步 52
2.6混沌 56
2.7圆映射 80
2.8符号动力学 81
2.9混沌控制 85
2.10可激发介质动力系统 87
2.11小结 89
参考文献 90
第3章 神经系统的基本生理特征 92
3.1脑的结构 92
3.2神经细胞的形态和生理特性 93
3.3突触的形成和突触的重排 102
3.4郎飞结 103
3.5神经系统的电信号 104
3.6神经系统携带信号的方式和特点 108
3.7神经元的可塑性 111
3.8脑内神经回路和电子回路的比较 111
3.9胶质细胞 112
3.10小结 115
参考文献 115
第4章 S空间理论 117
4.1 S空间的性质 119
4.2 S空间的运算 122
4.3序的重要性 126
4.4符号动力学与S空间 127
4.5 S空间与不确定性 127
参考文献 129
第5章 神经系统的数学模型基础 130
5.1理论神经信息科学的基本出发点 130
5.2神经回路中信息流通的抽象化 131
5.3数学模型研究中需解决的几个关键问题 133
5.4神经元的数学模型 135
5.5集中参数与分布参数模型 140
5.6 H-H模型是一种累积—释放模型 140
5.7 H-H方程的圆映射分析 141
5.8神经元输出脉冲序列按参数排序的规律 146
5.9广义圆映射 153
5.10神经元输入和输出之间的另一个关系 155
5.11神经元之间的信号连接 156
5.12延迟特性 160
5.13抑制性神经信号 161
5.14耦合映像格子模型 161
5.15 神经回路的基本模型 163
参考文献 164
第6章 S空间神经信息编码 167
6.1神经信息与编码 167
6.2衡量神经信息编码的几个准则 170
6.3神经信息过程的基本描述 172
6.4神经信息回路的三个基本环节 174
6.5神经脉冲的分类 175
6.6 S空间神经信息编码 176
6.7神经编码的两大支柱 185
6.8神经系统的逻辑回路 185
6.9 S空间神经信息编码与现有神经编码理论的关系 187
6.10神经编码的优越性分析 188
6.11神经系统与S空间 190
参考文献 191
第7章 嗅觉神经信息编码分析——无时空结构的信息分析 193
7.1研究神经信息要从感觉器官开始 193
7.2嗅觉神经系统 194
7.3僧帽细胞的输入输出规律 201
7.4嗅觉对气味的识别 201
7.5 PG细胞和Gr细胞 204
7.6小结 204
参考文献 205
第8章 听觉神经信息编码分析——生物声呐信号处理机理分析 206
8.1听觉系统及其信号处理过程 206
8.2海豚、蝙蝠等生物的生物声呐信号——多普勒效应测量 211
8.3双耳多普勒效应 215
8.4变频多普勒效应计算 221
8.5生物声呐系统——双耳定方向机理分析 223
8.6两串脉冲序列的相位差测量 226
8.7听觉系统侧抑制原理 232
8.8语音辨识 233
8.9小结 234
参考文献 234
第9章 神经信息系统的结构特性 237
9.1神经信息系统的基本框架 237
9.2神经信息系统的简并性 239
9.3同一性 253
9.4用同一性原理分析神经信息处理机理 258
9.5根据位置确定信号性质 259
9.6分析神经信息系统框架必不可少的两个原理 260
参考文献 260
第10章 视觉信息处理——有时空结构的信息处理 262
10.1视觉系统 262
10.2视觉信号的强弱测量 267
10.3视觉信号在通路中的波形变化 268
10.4视觉的侧抑制 269
10.5图像识别机理 272
10.6小结 275
参考文献 276
第11章 噪声在神经系统中的作用 277
11.1对噪声的看法 277
11.2编码理论与噪声 277
11.3神经系统中的噪声及其分类 278
11.4神经系统中影响最大的噪声——噪声脉冲 279
11.5 L效应 281
11.6海量神经树突信号处理 284
11.7神经元如何识别噪声脉冲 290
11.8神经系统抗干扰能力分析 291
11.9小结 292
参考文献 293
第12章 神经系统与统计方法 295
12.1统计的不变性与S空间的不变性 296
12.2统计方法的适用性 298
12.3对随机现象的看法进展 303
12.4统计方法与现有处理方法 303
12.5统计观点在脑整体系统分析中的作用 306
12.6小结 307
参考文献 308
第13章 高层次信息处理与记忆 310
13.1高层次信息研究现状及存在的问题 312
13.2高层次信息研究与新概念介入 317
13.3高层次信息与低层次信息之间的差异和关系 319
13.4高层次信息处理研究与神经回路 322
13.5信息通路 324
13.6微观与宏观的关系——M效应 330
13.7 M效应、自组织现象与突现 334
13.8对M效应的进一步思考 337
13.9高层次信息研究的切入点和研究方法 338
13.10绑定、联想和条件反射 339
13.11决策与神经回路 342
13.12记忆 344
13.13对人工智能学习机制的质疑 351
13.14形成性格的神经回路 353
13.15 关于“非器质性疾病”的看法 354
13.16小结 356
参考文献 357
第14章 向脑学习，研制模拟机 361
14.1数字机的计算精度及局限性 362
14.2数字机和模拟机的区别 363
14.3脑作为模拟机与现有模拟机的差别 366
14.4新的模拟机方向——数模混合机 369
参考文献 370
致谢 371
索引 373