研究神经系统如何处理信息不仅能够促进对大脑工作原理的理解,而且为大脑功能性障碍提供理论上的解决方案。神经系统由数以亿计的神经元构成,神经元的动作电位为神经信息表达的最基本单位,因此神经元网络的放电时空动力学性质是信息处理的基础表现。比如同步、随机共振等都是典型的时空动力学现象——同步的放电模式在视觉皮层中有利于信息的传播,感觉神经元网络在产生随机共振时有利于检测外部弱信号。而通过建模、计算的方法研究神经系统为生理实验提供了理论指导或理论验证。本论文从数值仿真的角度研究神经元网络的时空动力学特征从而理解神经系统处理信息的过程,特别是有抑制性神经元(或神经突触)的网络中,抑制性神经元对系统动力学特性的影响。第一章为绪论章节,概括了本论文的研究内容、背景和意义,并对当前国内外在这方面的研究进展进行概括总结,在此基础上论证了本课题研究的创新之处。第二章为本论文的研究铺垫、准备相关的基础知识,介绍了神经生物学的理论知识和研究背景,以及数学建模涉及的非线性动力学的基本知识和和群体行为的动力学特征,此为后续工作的基础。第三章研究具有集群结构的神经元网络的同步现象,讨论了集群的参数对系统同步的影响;并且在有抑制性神经元集群作用的神经元网络中,抑制性神经元对网络的同步程度有调控作用,使任何初始同步程度不同的网络调控至中等同步水平,即抑制性可以减低过度同步的网络的同步性能,也可以促进混乱的网络的同步水平,并且指出抑制性的耦合强度和抑制性神经元的比例都是重要的调控方法。第四章研究具有小世界特性的神经元网络的随机共振现象,在兴奋性神经元网络中,随着外部阈下信号的周期与系统本征的平均周期的倍率的增加,系统会出现多次随机共振的现象,这有利于系统在多个噪声强度下都能较好的检测阈下信号;另外在小世界网络中引入抑制性神经突触,特别地发现抑制性能够促进阈下信号的检测,即在更小的噪声下有更强的对阈下信号的响应,而且通常在兴奋抑制突触数量比例在4:1时表现较好的检测能力。最后一章为全文的总结。