脑基因模型是自上而下策略的简化模型:模型重心是函数执行,而不是细节执行任务结构后一种类型方法典型即实事求是模式使用自下而上方法基因学模型试图捕捉最基本特征,以模拟模型学基本运算神经元函数方面这些特征的例子有不同类型的神经可塑性(合成非合成性)、各种激活功能(希维赛德、线性、仿真性、高赛安)和各种抑制性(完全或完全、减值和避试抑制性)。这些模型忽略细节,使模型计算效率低,允许在普通计算机上快速计算正因如此,可嵌入设备实用性,即计算速度、可移动性及实施经济学像微控制器、应用专用集成电路或现场可编程门数组等具有决定性作用

物理模型选择变量和参数时使用解析原理,只选择函数级相关变量,忽略参数和变量描述使用基数类型时使用(以脑为例,以碳基生物基数)。因为他们比较基数独立, 并由于计算效率, 人文学模型很容易允许转置混合平台平台使用机器学习技术或人工智能应用到模式识别、流程控制、预防性维护、时序预测等任务由于其混合特征,人文学模型在计算机和神经系统前端接口方面有巨大潜力,例如在脑机系统、神经修复术和自学脑接口方面。

在此特题中,我们欢迎各种类型贡献,包括脑神经元学模型,从理论数学模型到实用实施我们特别感兴趣的模型应用理解脑机能失常通过查找函数或算法比挖掘数以百计或千计变量和参数更容易理解故障正因如此,人文学模型有利于理解脑疾病,如阿尔茨海默氏病、精神分裂症、双极失序症、自闭症、多动性、精神错乱、恐惧症等原创研究和评论文章受欢迎

潜在题目包括但不限于:

• 算法模型和数学模型脑结构:Telamus、cortex、kioocortex、cerebellum、hippocampus、basalbanglia等
• 脑操作学模型:感知和疼痛处理、学习、推理、启发学、认知学等
• 脑疾病模型:阿尔茨海默氏病模型、精神分裂模型、双极混乱模型等
• 嵌入微控件器、应用专用集成电路或可编程门数组
• 神经修复学、脑机和变异界面中的基因模型