定义
计算神经科学也被称为理论神经科学或者数学神经科学，这门学科会采用数学模型、理论分析和抽象的方法来理解神经系统的发展、结构和认知功能。
计算神经科学侧重于对符合生理学特征的神经元（和神经系统）及其生理学和动力学的描述，因此它常常被与用于连接论、机器学习、人工神经网络、人工智能和计算学习理论领域。
理论神经科学中的模型旨在捕获生物膜系统在多个时空尺度上的基本特征，从膜电流到通过网络振荡，再到记忆，学习和行为。这些计算模型构成了可以通过生物学或心理实验直接检验的假设。
计算神经科学的研究可以大致分为以下几类，在这些研究中，计算神经科学家与实验人员紧密合作，分析新数据并合成生物现象的新模型。
单神经元建模
即使是单个神经元也具有复杂的生物物理特征，并且可以执行计算。当今科学家认为，电压敏感电流种类繁多，这些电流的不同动力学，调制和灵敏度的影响是计算神经科学的重要课题。
在单神经元规模上对生物物理特性的丰富度进行建模可以帮助揭示机制，这些机制可以作为网络动力学的基础。
然而，详细的神经元描述依赖于高精度的计算，因此，研究大型神经回路的研究人员通常使用人为定义的简单模型来代表每个神经元和突触，而忽略了许多生物学细节。
感官加工
在理论上尝试理解早期感官加工的模型要归功于Horace Barlow。Barlow将早期感觉系统的处理理解为一种有效的编码形式，其中神经元对信息进行了编码，从而使尖峰次数最小化。此后，有不少的实验和计算工作都支持了这一假设。
对于视觉处理的例子，神经元的编码会以有效空间编码，颜色编码，时间/运动编码，立体声编码及其组合的形式体现。
计算临床神经科学
计算临床神经科学是一个聚集神经科学，神经病学，精神病学，决策科学和计算模型专家的领域，该领域希望定量地定义和研究神经病学和精神病学方面的问题，并培训将这些模型应用于诊断和治疗的科学家和临床医生。
参考文献
[1] https://en.wikipedia.org/wiki/Computational_neuroscience
