在过去的半个世纪,人们对神经系统处理静态信息的计算机制有了深入的研究,并且据此发展的深度学习神经网络已被成功应用于静态物体识别上。但是,人们对神经系统如何处理时序动态信息的神经计算机制了解甚少。大脑无时无刻不在处理着时空信息,不论是运动控制、语音识别还是音乐欣赏,本质上都涉及对时空信息的表征和识别。成功提取和识别动态信息是我们实现脑的某些高级认知功能的关键。近几年,随着实验技术和方法的提高,实验科学家们以多种动物为实验对象,累积了大量的生理数据。人们在认识神经系统如何处理时空信息的机制上取得了关键性进展,为开展神经系统动态信息机理的理论研究提供了可靠的生理学数据和建模思路。基于已有神经生物学实验数据,本文主要研究时空模式识别的神经网络模型,包含两个部分:一是受脑认知抉择机制启发,提出了类脑的认知抉择神经网络模型,并将其应用于关键词语音识别任务当中（IEEE ICARM,2021）。二是基于听觉信息处理机制,构建初级听觉皮层的脉冲神经网络模型,以此研究初级听觉皮层对时空模式识别的神经信息处理机制（to be submitted）。同时本人对实时预测跟踪运动目标空间位置的神经计算机制及其应用作了系统地综述（河南师范大学学报,2021）。本文在时空模式识别的神经网络模型方面的研究成果具体如下:1)受脑认知抉择启发的神经网络模型:本文基于大脑的时空信息处理机制,发展了类脑的时空模式识别算法,并将其应用到关键词语音识别的任务中。其中,本文构建的神经网络模型主要包括两个部分:库网络模型,用于加工时空信息;认知抉择模型,用于实时接受并累积库网络模型中的时空信息,并最终完成判断。同时,本文还探究了多层级认知抉择网络的计算优势。对比其它机器学习算法,该模型在小样本学习条件下表现得更好,验证了该模型在实际问题中的应用潜力。2)初级听觉皮层的脉冲神经网络模型:为了探究初级听觉皮层中信息处理机制,本文受听觉系统音频拓扑结构特性和功能的启发,构建了初级听觉皮层的脉冲神经网络模型。本文所构建的神经网络模型只考虑MGB投射到A1L4,再到A1L2/3的局域神经环路。根据已有的神经生理学实验事实,对A1网络模型的参数进行细致地设置。该模型复现了初级听觉皮层中单神经元以及网络的响应特性,增强了初级听觉皮层模型的说服力,为更好地探究初级听觉皮层处理时空信息提供了重要启示。