本书梳理了相关领域研究的国际进展，并基于国内高校和科研院所的优秀工作者在该领域的科研成果，为认知神经科学工作者进行计算建模提供参考，为有志于投身该领域的年轻学生指明潜在的研究方向，帮助其加深专业知识，同时也为广大的认知科学爱好者提供背景知识。

吴思，北京大学心理与认知科学学院教授、IDG麦戈文脑科学研究所研究员。研究方向是计算神经科学和类脑计算。发表科学论文上百篇。担任Frontiers in Computational Neuroscience共同主编，中国神经科学学会计算神经科学和神经工程分会主任。

丛书序（杨玉芳 吴艳红）
前言
缩略语表
第一章 高效节能的神经元与神经网络的神经信息处理
第一节 能量高效的动作电位及通道动力学特性
第二节 动作电位产生和传输的轴突电缆能量方程
第三节 神经网络信息处理高效节能的若干方面和机制
第四节 神经网络突触兴奋抑制平衡和稀疏编码
本章小结
参考文献
第二章 神经网络的自组织临界态及其功能意义
第一节 临界与自组织临界
第二节 神经网络的临界态
本章小结
参考文献
第三章 视网膜信息编码特征及计算机制
第一节 视觉通路和视网膜结构
第二节 神经信息编码
第三节 视网膜信息编码
本章小结
参考文献
第四章 多模态信息的整合机制及临床应用
第一节 多感觉整合概述
第二节 多感觉整合的神经机制研究
第三节 临床应用：残疾人感觉重塑过程中的多感觉整合
第四节 多感觉研究实例：自身运动认知中视觉和前庭信息的整合
本章小结
参考文献
第五章 基于脑电信号的情绪识别
第一节 背景介绍
第二节 基于脑电的情绪识别方法
第三节 基于脑电的情绪识别研究进展
本章小结
参考文献
第六章 癫痫的神经计算模型及临床应用
第一节 引言
第二节 癫痫的神经计算模型研究进展
第三节 基于随机癫痫振子模型的局灶性癫痫研究
第四节 失神癫痫的计算模型研究
本章小结
参考文献
第七章 认知计算的神经振荡模式分析及意义
第一节 同等节律分析
第二节 交叉节律分析
第三节 算法比较
本章小结
参考文献
第八章 复杂网络在神经计算中的应用
第一节 复杂网络概述
第二节 神经系统编码长时程秒量级的时间节律信息的机制研究
第三节 工作记忆有限容量的神经信息处理机制
本章小结
参考文献
本章附

计算认知神经科学是一
个新兴的正在高速发展的、
交叉学科研究方向，其主要
目的是用计算建模的方法来
理解和阐明认知神经科学所
关心的科学问题，为传统实
验手段提供互为补充的研究
工具。该领域目前的科研进
展还很初步，同时领域内也
缺乏好的中文相关书籍供广
大科研工作者和认知科学爱
好者阅读、参考。
为了填补这个空缺，我
们组织了国内高校和科研单
位在该领域的优秀工作者，
就领域研究的国际进展和国
内进展撰写了这本书。我们
希望这本书可以为认知神经
科学工作者在计算建模方面
提供参考，为有志于投身该
领域的年轻学生指明潜在的
研究方向和加深专业知识，
也为广大认知科学爱好者提
供背景知识。
本书共分为八章：第一
章高效节能的神经元与神经
网络的神经信息处理由于玉
国、俞连春撰写；第二章神
经网络的自组织临界态及其
功能意义由余山撰写；第三
章视网膜信息编码特征及计
算机制由肖雷撰写；第四章
多模态信息的整合机制及临
床应用由陈爱华撰写；第五
章基于脑电信号的情绪识别
由吕宝粮撰写；第六章癫痫
的神经计算模型及临床应用
由郭大庆撰写；第七章认知
计算的神经振荡模式分析及
意义由张涛撰写；第八章复
杂网络在神经计算中的应用
由弭元元撰写。

中国脑计划的一个重要组成部分，就是探索大脑对外界环境的感官认知，即探究人类对外界环境的感知，如人的注意力、学习、记忆以及决策制定等，这些都是认知神经科学的核心研究内容。经过最近几年的积累与突破，国内有一批心理学研究者在认知神经科学领域前沿做了很多重要的工作，并取得了有国际影响力的科研成果。“认知神经科学书系”汇集了国内认知神经科学领域的顶尖学者，能够反映国内认知神经科学领域的最新成果和最高学术水平。丛书分为认知与发展卷、社会与文化卷、方法与技术卷，涵盖了国内认知神经科学研究的主要分支与主题。本书为丛书的第二辑计算认知神经科学，主要用计算建模的方法来理解和阐明认知神经科学所关心的问题。

高效节能的神经元与神经网络的神经信息处理
大量的神经元通过突触相互连接形成庞大的神经网络，大脑则由众多负责不同感知和认知功能的神经网络集群构成（而相当数量的神经胶质细胞、脑脊液等附属组织对神经网络起到了营养、结构支撑和代谢废物排泄等作用）。神经系统通过神经元内部的电信号以及突触之间的电化学信号传递信息，而产生和传输这些信号需要消耗大量的代谢能量。因此，大脑在进行信息处理时如何有效地利用能量是神经科学领域的一个重要的科学问题。
在本章，我们对高效节能的神经信息处理有贡献的可能因素和相关生物物理机制进行总结。这些因素涵盖离子通道的动力学特性、动作电位在轴突上的产生和传输过程、突触前神经递质的低概率释放、突触间的兴奋抑制平衡、神经元与神经集群的尺寸大小、最优噪声强度、皮层中的神经纤维布线、功能性连接的组织方式、编码策略和身体温度等。实验和理论的证据都表明，神经系统可能有效地利用这些机制，在处理神经信息过程中达到能量效率最大化。
有研究指出，在自然界长期进化过程中大脑所能获得的能量极其有限，这一限制导致的进化压力可能是大脑需要高效利用能量的驱动力。这样的驱动力可能迫使神经连接通过一种高度经济的形式组织起来，以便节省能量消耗以及减少空间占用等，也会使神经网络中的每个神经元需要独立编码信号的某种独立成分，以便以最少的神经元达到对输入信号的高效表征。这一能量效率最大化的基本策略或许会从根本上改变我们对数以百亿计（1011）的神经元如何组织起来形成复杂的网络以生成自然界最强大、最智能化的认知过程的理解。
大脑独特的形态结构以及生理特征是为了满足生存的需要，是在自然选择的压力下通过漫长的进化而形成的。处理巨量信息必然需要消耗大量的代谢能量，这就要求大脑必须高效地利用这些能量。而这一点可以通过调整神经系统的形态与生理参数，在收益与支出之间进行权衡来实现。最终，我们的大脑从分子到网络层次都分别进化出了高效节能的信息处理方式。理解这些方式背后的信息处理机制不仅有助于我们理解大脑的计算与结构组织原理，还对如何构建新一代能量高效的人工智能技术有积极的启示作用。本章阐述近年来从微观分子层次的离子通道门控，到宏观层次的全脑功能性连接上的不同层次的证据，以展示自然界如何通过优化神经系统的设计来创造大脑这一高效节能的神奇计算机。
我们的大脑具有数以百亿计的神经元和数以百万亿计的神经连接，以及在毫秒尺度内进行信息编码和交换的惊人能力。正是如此巨大的并行处理能力使得视觉系统能在100ms内对复杂的图像信息进行编码（Rousselet et al.，2004）。近期对突触传递的研究表明，单个突触可以平均储存高达4.7bit的信息。这意味着全脑可以在ls内交换l015bit的信息——这和整个万维网的信息量处在同一个量级（Bartol et al.，2015）。
大量的信息流动是极其耗能的，事实上，人类的大脑只占据身体重量的2%，但大脑的耗能在静息状态下占整个身体耗能的20%，而这一比例在工作状态下可以高达40%（Attwell & Laughlin，2001；Howarth et al.，2012；Kety，1957；Laughlin et al.，1998）。大脑皮层内超过70%的能量消耗直接来自皮层神经网络中信息在亚细胞层面的处理过程，比如动作电位产生过程中离子通道的开放和关闭、突触传递过程中神经递质的释放以及形成微功能性连接的皮层网络之间的同频率振荡活动等（Bear et al.，2015）。反过来，有限的能量资源在优化网络连接以及神经信号产生与传递方式的过程中可能起到外部限制因素的作用（Cherniak & Rodriguez-Esteban，2009；Laughlin，2001）。在每个单独的生理和形态参数的较大取值范围内，既能够高效地进行信息处理又能减少能量消耗的参数值，可能在进化上是最适的，因此也更容易通过自然选择保留下来。这一自然选择可能最终影响大脑在表征输入信号时所选择的编码策略（Laughlin et al.，1998）。因此，“使信息处理能力和能量消耗之比达到最大化”被认为是神经系统在面对自然选择的压力时遵循的基本原则。同时，神经系统对代谢能量效率的巨大需求可能在大脑的构建、功能、进化等方面起到不可忽视的优化作用（Niven & Laughlin，2008）。
P1-2