估计神经元模型中参数对研究神经元对刺激的响应以及了解人脑工作机制具有非常重要的意义。在神经元模型中，参数大致分为输入参数和内部参数，内部参数是描述神经元本身电化学特性的（如膜时间参数、离子通道电导）。这类参数通常与细胞的某些内在特性有关，有具体的生物学解释。此类参数对特定的细胞来说值是固定不变的同时可以利用一些电生理实验方法测定；另一类参数是描述神经元输入信号特性的参数称之为输入参数。输入参数是可变的，只能通过假定神经元膜电位服从给定的模型才能进行估计，因此输入参数是模型中最重要的参数。本文研究突触输入和噪声共同作用下的整合发放神经元模型中输入参数估计问题。对文中给定的数学模型，本文分别讨论了不考虑阈值情况下和考虑阈值情况下的输入参数估计问题。在不考虑阈值情况下，将膜电位变化看成是一个连续的变量然后采用最小二乘估计对所给模型中输入参数进行估计。在考虑阈值情况下，将阈值看成一个吸收边界，然后利用Fokker-Planck方程导出阈上活动下膜电位转移概率密度，最终采用极大似然估计得到了输入参数的精确估计，并将两种不同情况下的估计结果进行比较。结果表明，最小二乘估计依赖于活动，它仅仅适合阈下活动的参数估计而对阈上活动无效。极大似然估计适用于所有活动，它不依赖于活动。无论是从适用范围还是估计精度来说，极大似然估计都要优于最小二乘估计。