Estos modelos computacionales se usan para probar hipótesis que puedan ser verificadas directamente mediante experimentos biológicos actuales o futuros.
A pesar de los éxitos en la predicción del ritmo y las características cualitativas del potencial de acción, resultaba imposible predecir ciertas características esenciales tales como la adaptación y la derivación eléctrica.
Sabemos, por la biología molecular, que las diferentes partes del sistema nervioso liberan diferentes impulsos químicos, desde factores de crecimiento a hormonas que modulan e influencian el crecimiento y desarrollo de conexiones funcionales entre neuronas.
Los primeros modelos de procesamiento sensorial se basaban en el marco teórico postulado por Horace Barlow.
Los trabajos experimentales y computacionales posteriores han apoyado esta hipótesis de una forma u otra.
Estos intentos buscan comprender la formación de la memoria a medio y largo plazo, localizada en el hipocampo.
Sinapsis inestables son fáciles de entrenar, pero tienden a la interrpución estocástica.
Las sinapsis estables se olvidan menos fácilmente, pero son más difíciles de consolidar.
Una hipótesis computacional reciente incluye cascadas de plasticidad (Fusi et al, 2004) que permiten a las sinapsis funcionar en múltiples escalas temporales.
Es probable que en las próximas décadas las herramientas computacionales contribuyan enormemente a nuestra comprensión del funcionamiento de las sinapsis y cómo cambian en relación con los estímulos externos.
Las neuronas biológicas se conectan entre sí de forma compleja y recurrente.
Se desconoce cuánta información es transmitida a través de redes tan escasamente conectadas.