神经放电是人和高等动物感知及处理机体内外信息的载体,可以揭示各种复杂神经活动甚至机体调控的基本规律。数学模型仿真、生物学实验分析是其研究的主要方法。在信息传递时,神经元会受到多种不同来源的噪声的影响。以往研究噪声的影响时,通常是在神经元模型的膜电位表达式中直接添加高斯白噪声作为噪声来源,但难以在现实中找到对应的噪声来源。因此,寻找更符合生物学意义的通道噪声并研究其对神经元放电活动的影响,同时实现更多放电模式的仿真和放电节律的自动分类十分重要。本文根据离子通道动力学中离子跃迁产生的噪声得到了产生随机放电的原因;利用改进的确定性模型仿真将多种放电节律统一到相同背景的同一分岔历程;利用基于稀疏自编码器的模型实现了放电节律的自动分类。本论文主要结果如下:(1)构建了基于离子通道动力学行为的离子通道噪声(包括白噪声和色噪声)和基于快钾离子通道噪声的随机Chay模型。具体化了噪声来源,明确了具体的离子通道噪声对神经元放电的影响,有效地将带有随机特征的周期交替节律和混沌节律统一到同一个分岔历程中。分析并讨论了钾离子通道敏感性,发现在相同噪声强度下,钾离子通道增加了离子电导的随机波动性,更容易在相邻周期分岔点附近引起随机放电节律,对神经放电的影响比较大。(2)从动作电位产生的机制上研究产生随机放电的根本原因。考虑了动作电位产生机制中去极化后钾通道中离子的流动情况,对确定性Chay模型进行了改进,得到了一个没有噪声的确定性神经元模型。结果表明改进的模型有较强的仿真能力,既可以仿真原确定性Chay模型仿真的放电节律和分岔模式,又可以仿真随机Chay模型仿真的带有随机特征的周期交替节律的放电历程,还有效地将多种放电节律统一到相同背景下的同一个分岔历程中,丰富了Chay模型中放电节律的转换规律的多样性。(3)实现了一种鉴定神经放电节律随机性的方法。以相同长时程动力学分岔背景为前提,从脉冲序列中提取峰峰间期时间序列,结合非线性时间序列分析方法及其他传统统计方法对放电节律进行分析,进而刻画放电节律的随机性及确定性特征以鉴定其基本性质。(4)构建了一个基于栈式稀疏自编码器的自动分类模型。以放电数据作为输入,将稀疏自编码器提取的特征与放电序列的非线性时间序列特征进行简单的加性融合,放到分类器中进行训练,得到了一个放电节律自动分类模型。该模型能快速地为神经元模型仿真数据和神经电生理实验数据提供较准确地分类结果,减少了人为设计特征的主观性及人工判断的时间,使放电类型的分类更加智能化,有助于我们对真实的神经元放电模式的识别、判断。