计算认知神经科学是一个在建立在计算神经科学,机器学习以及神经网络理论基础上的新领域。它主要使用数学分析和计算模型去研究认知功能的神经基础,关注领域包括认知神经、认知心理学和计算模型之间的交叉研究。其中,具有神经科学基础的认知神经计算模型被用于模拟和研究诸如学习,记忆,注意,语言,知觉,决策和认知控制等多个领域的认知作用。计算认知神经模型与传统的神经网络模型不同之处体现在单个单元、学习以及行为是如何生成等方面。研究论述了三种较为代表性的计算认知神经科学模型原则:(1)O’Reilly六原则:生物现实主义,分布式表征,抑制竞争,双向激活传播,误差驱动任务学习,赫布类模型学习;(2)Meeter三原则:少量的假设,固定,本体论解释;(3)Ashby四原则:神经科学理念,简单的启发式理念,固化理念,拟合优化理念。这些原则被用于建立和评估计算认知神经科学模型。近年来计算认知神经科学在意识、工作记忆、认知控制和精神疾病等相关领域的研究十分活跃。如果分散来看,这些多种形式的创新促进了计算模型思想进展,加深了对认知生态性的理解;合并来看,它们能更有力的证明用条理性的计算思想去描述和评估认知神经科学中的理论位置特性的重要性。计算认知神经科学的研究价值在心理学研究中得到进一步体现。计算认知神经科学模型在以下两个方面优于其他方法:第一,计算认知神经科学模型添加了额外的模型约束,能够迅速的提高我们对于正在研究中的科学领域的理解。第二,与传统模型相比,计算认知神经科学模型除了能够测试行为数据外,还能够预测多种类型的数据,包括单机制记录数据、病变数据、精神药理学的数据、f MRI数据和EEG数据。但是在计算认知神经科学研究中仍然存在一些局限。在未来的研究中,应该尝试去建立一个完整而明确的理论和实验科学合作机制,培养具有物理学、数学和计算机学科背景的心理学专业人才,并重视其基础理论研究。