微观神经元建模发展历史

20世纪40年代，心理学家W·Mcculloch和数理逻辑学家W·Pitts提出了神经元的数学模型，这是微观神经元建模的开端。20世纪50年代，Rosenblatt提出了感知机模型，它是一种单层前馈神经网络，可以用于二分类问题。20世纪60年代，Werbos提出了反向传播算法，可以用于训练多层前馈神经网络。20世纪70年代，Hopfield提出了能量函数，可以用于模拟神经元之间的相互作用。20世纪80年代，Kohonen提出了自组织特征映射网络，可以用于聚类和降维。20世纪90年代，Boltzmann机和支持向量机等新的神经网络模型被提出。21世纪以来，深度学习技术的发展使得神经网络在图像识别、自然语言处理等领域取得了巨大成功。

相关问题

微观神经元脑血流建模发展历史

功能性神经成像技术是通过测量代谢的任一方面或神经化学的一个方面来测量神经元活动的变化。最常用的技术依赖于大脑活动的增加会导致能量代谢的增加和局部脑血流量的不成比例的增加。功能性脑成像可以识别慢性疼痛的新的潜在机制，可以提供可共同开发的生理和药理学治疗靶点。新的化合物正在开发中，其有可能调节我们认为对疼痛感知很重要的大脑控制系统。增加多学科合作，使用更精确的工具来理解疼痛矩阵中的反应，有望在未来几十年内开发出新的、更有效的慢性疼痛疗法。