神经元以及突触传递的动力学机制是大脑感知、识别、学习、记忆等宏观功能的微观基础，脑认知功能在本质上是基于神经元和突触微观动力学的一种宏观行为。论文通过分析神经系统中神经元以及突触的动力学性质和机制，设计几种神经回路结构，讨论神经系统中识别动作电位序列的涌现机制。 首先，通过分析突触后膜电位的阈值整合机制、神经元的不应期以及突触延迟时间的性质这三种微观生物学机制，设计相应的神经连接结构，给出神经系统识别单锋电位序列信息的一种可能机制。突触后膜电位的阈值整合机制，以及神经元发放动作电位后的不应期，构成了神经回路中的分解机制。神经元的突触延迟时间随着最大突触电导的不同而变化，以及神经元同步整合发放的性质，构成神经回路中的整合机制。由于神经元不只对某一个输入信号响应，每个神经元在不同的输入刺激下将参与到不同的回路中传递信号，该回路结构使相同数量的神经元可以识别的信息容量增加。 进一步，讨论了突触传递过程中的易化、反馈调节机制以及时间依赖的学习机制(STDP)，给出神经系统学习、存储和识别单锋电位序列信息的一种可能机制。设计了一种神经回路结构，先通过突触的易化和反馈调节机制，将单锋电位序列分解，并将动作电位的发放时间信息通过不同通路的神经元传递。利用STDP机制，使峰峰间期通过突触延迟时间学习并存储在回路中，并将峰峰间期的顺序也通过突触延迟时间存储在回路中。最后根据神经元同步发放的整合机制，完成对单锋电位序列信息的识别。 接下来，通过对Hodgkin-Huxley 神经元的振荡周期以及动作电位阈值发放性质的分析，得到了神经元对爆发性锋电位选择性响应的性质，给出神经系统识别爆发性锋电位序列信息的一种可能机制。将爆发性锋电位序列中的每一组锋电位作为一个单元，定义序列的信息由组内间隔以及组间间隔两个变量描述。设计了一种神经回路结构，首先通过神经元选择性响应的动力学性质，将爆发性锋电位序列的信息分解，并将每组锋电位内部间隔的信息通过不同神经元学习存储。通过突触延迟时间的动力学调整，将两组锋电位之间的时间间隔学习存储在回路中。经过多次学习训练，神经回路对输入信号形成特定的突触连接结构，实现对爆发性锋电位序列信息的识别。 最后，将前面几章分析的各种涌现机制应用于对声音信号的识别中。首先，根据论文中讨论的微观动力学机制，建立了一个神经回路，用于识别包含相同音节单词的声音信号。接着，分析美国南加州大学设计的 Dynamic synapses Neural Network 在识别过程中的涌现机制，找出了其中的关键参量，讨论该系统识别功能涌现的主要微观机制。