自上世纪八十年代以来,人工神经网络迅猛发展。现在,它已经被广泛应用于诸多领域解决实际问题。但是,就目前情况而言,我们所应用的人工神经网络属于第二代神经网络。尽管第二代神经网络帮助我们在很多领域取得了突破性的进展,但它并没有实现真正的仿生,不能够模仿真实大脑皮层神经元网络的工作机制。而构建与人类大脑神经元网络相类似的智能网络作为当下的研究热点,由于大脑结构和功能之谜尚未真正解开,变得极具挑战。本文从生物学的角度出发,对人工神经网络模型进行改进,构建更符合真实大脑皮层神经元网络的脉冲神经网络模型,从信息传输与处理的角度理解人类大脑智能。首先,根据生物学知识,本文提出了不确定神经元的概念,并将不确定神经元作为构建神经网络的节点,对研究大脑皮层不同脑区神经信息传输的前馈神经网络模型进行改进,提出了一种新的基于不确定神经元的前馈神经网络模型。在此基础上,通过软件仿真的方法,本文模拟了神经信息在不同脑区之间的放电率传输,并分析了一些重要参数对前馈神经网络传输性能的影响。然后,针对目前初级视觉皮层神经元网络研究的缺陷,从生物学角度出发,本文构建了一种更符合真实大脑初级视觉皮层刚出生时的状态的随机循环网络。并在此基础上,本文对神经元网络在接收刺激之前、接收刺激的过程中以及接收刺激之后三个过程进行仿真,以此来模拟初级视觉皮层在刚睁眼时、视觉经验的积累过程中以及完成视觉经验的积累三个阶段网络的变化。本文实现了对大脑皮层多个功能区以及针对某一特定功能区建模的仿真。仿真结果表明,在基于不确定神经元的前馈神经网络模型中,外界噪声强度、突触的传输成功概率以及神经元的不确定性概率等因素都会影响前馈神经网络中的放电率传输,对这些参数进行适当的调整能够使网络具备最佳的信号编码以及信息传输的能力,即最大交叉相关系数Q10的值最大。除此之外,本文还与只有兴奋性神经元构成的前馈神经网络进行比较,仿真结果表明由不确定神经元构成的前馈神经网络的放电率传输的性能更佳。在针对初级视觉皮层构建的随机循环网络的仿真中,仿真结果表明:随着视觉经验的积累,具备方位选择性的单个神经元的方位选择性变得更强,且在突触可塑性的诱导下,随机循环网络会随着视觉经验的积累出现特异性功能的视觉环路。这些结论表明我们模型中的学习过程与真实大脑初级视觉皮层生长发育过程中的学习机制相吻合,对于未来构建具有学习和记忆功能的智能网络具有重要意义。