通过数值模拟，本论文主要研究了相关噪声对信息处理的影响，一种依赖于发放时刻的可塑性对信号传递的影响和多层前馈网络的动力学特征。所采用的模型为HH神经元模型，这个模型能够反映真实神经元的很多特征。 相关的发放行为是指不同神经元趋向于在同一时刻发放。这样的相关已经在许多试验中发现了。然而，这种相关性在信息处理中有什么功能还不太清楚。我的第一个研究内容就是研究这个课题。我们发现当噪声之间的相关增加时，网络的信噪比减少了。也就是说，噪声之间的相关会减少对很多神经元平均所带来的有益的作用。另一方面，这种噪声的相关性能够增强发放的同步和时刻发放精确度，这样会使信号更能有效的传递。 近来一种依赖于发放时刻的可塑性在实验上发现了。既然突触是信息传递的通道，这种可塑性应该会对信号传递有影响。为了研究有什么影响，我们构建了一个两层的网络。一个共同的信号输入使得突触前神经元的发放具有一定的相关。这些同步的输入能够在比较短的时间内触发突出后神经元的发放。按照依赖于发放时刻的可塑性，这样的一种时间序列可以有效地增强突触。突出强度的增大使得突触后神经元在收到突触前神经元的同步发放之后更能有效的在短时间内发放。这将导致突出强度的进一步增大。最后，在稳定态时，突触前发放的相关程度决定了突触强度。在一段合适的噪声强度范围内，突触前的发放具有更多的相关。所以和静态的突触相比，这种可塑性能够改善信号的传递。既然处于频率敏感带的信号能引起更大的突触前同步行为，这些信号的传递更能被明显的改善。另外，这种可塑性也能改善输出层的时刻发放精确度和发放的可靠性。这些结果暗示这种依赖于发放时刻的可塑性在神经系统中的信息处理中充当着重要的角色。 在神经系统中，信息在一个局域网络中处理完之后再传送到下一个局域网络。所以研究多层前馈网络的动力学特性是非常有意义的。Reyes教授通过做试验发现当仅仅在多层前馈网络的第一层有噪声背景时，同步能够逐步建立起来并且发放率能够被传播。我们的模拟结果验证了这样的一个现象。由于发放率能够被用来代表刺激的某个参数，所以我们的结果对信息的编码非常重要。发放率的传播是由于在开始几层中的同步行为的发生非常地依赖于第一层的发放率。由突触传递时间的分布宽度而产生的杂乱能够使发放率的传播变弱。第一层噪声的相关能使同步建立的更快。频率在敏感带的周期信号能够在网络中更好的传递。当每一层都有噪声时，相干共振在传递过程中增强。如果一个随机的信号输入到第一层，信号在开始的几层能够很好地被在一段很短时间内的发放个数所编码，但是在深层里是用同步的方式来编码。考虑依赖于发放时刻的可塑性的话，发现有关瞬时发放模式的信息能够很好的存储在突触强度里。 本论文的创新点如下：1）噪声之间的相关能够增强同步和时刻发放精确度。2）信号的传递能被依赖于发放时刻的可塑性所改善。这种改善被突触前发放的相关程度决定。3）从理论上验证了在多层前馈网络中的发放率的传播。4）在多层前馈网络中，相干共振在传递过程中得到增强。如果依赖于发放时刻的可塑性被考虑的话，有关瞬时发放的信息能够被存储。 具体章节安排如下： 在第一章里，首先介绍了神经科学的背景知识，然后提出本论文感兴趣的课题。 在第二章里，具体地介绍了HH神经元模型。几个在计算神经中常用的模型也顺带介绍了一遍。 在第三章里，详细地研究了相关噪声对信息处理的影响。 在第四章里，详细地研究了依赖于发放时刻的可塑性对信号传递的影响。 在第五章里，详细地研究了在前馈网络中发放率的传播。 在第六章里，详细地研究了前馈网络的动力学特征，比如相干共振和频率敏感。 在第七章里，给出了本论文的主要结论，并且列出了几个值得研究的课题。