神經計算模型是嘗試以抽象和數學方式闡明生物神經系統或其功能組件中信息處理基礎的核心原理。本詞條在概述神經生物學計算的最權威模型，以及通常用于構建和分析它們的工具。

由于神經系統行為的復雜性，相關的實驗誤差界限是不確定的，但是可以根據特定子系統不同模型重現現實行為或響應特定輸入信號的接近程度來比較它們的相對價值。在與計算神經行為學密切相關的領域，實踐是將環境包括在模型中，從而使循環閉合。如果沒有競爭模型，或者僅對總體反應進行了測量或量化，那么明確制定的模型可以指導科學家設計實驗以探究生化機制或網絡連通性。

除了最簡單的情況外，構成模型基礎的數學方程無法完全求解。盡管如此，計算機技術有時以專用軟件或硬件體系結構的形式，允許科學家進行迭代計算并尋找合理的解決方案。可以以類似于原始生物體的方式與自然環境相互作用的計算機芯片或機器人是有用模型的一個實施例。然而，成功的最終標準是做出可檢驗的預測的能力。

生物神經系統中信息處理的速度受到動作電位沿神經纖維傳播的速度的限制。該傳導速度的范圍從1 m / s到超過100 m / s，并且通常隨著神經元過程的直徑而增加。由聲音的速度或重力決定的生物學相關事件的時間尺度較慢，在時間緊迫的應用中，神經系統壓倒性地傾向于并行計算而不是串行計算。

如果模型在噪聲引入的輸入或運行參數變化的情況下繼續產生相同的計算結果，則該模型是健壯的。例如，魯棒運動檢測器計算出的運動方向在亮度，對比度或速度抖動的微小變化下不會改變。對于神經元的簡單數學模型，例如，尖峰圖樣對信號延遲的依賴性比對神經元間連接“權重”變化的依賴性弱得多。

這是指這樣的原理：即使來自環境的輸入急劇變化，神經系統的反應也應保持在一定范圍內。因此，發送到視覺系統后期的信號始終保持在幅度非常狹窄的范圍內。

甲線性系統是一個其響應在測量的指定單元，一組在曾經被認為是輸入，是它的響應的總和由于單獨地考慮的輸入。

線性系統更容易進行數學分析，并且在許多模型中具有說服力，這些模型包括McCulloch和Pitts神經元，總體編碼模型以及在人工神經網絡中經常使用的簡單神經元。線性可能發生在神經回路的基本元件中，例如突觸后神經元的響應，或者作為非線性子回路組合的緊急特性出現。盡管線性通常被認為是不正確的，但最近的工作表明，在某些情況下，它在生物學上可能是合理的。

神經系統與大多數基于硅的計算設備不同，因為它們類似于模擬計算機（不是數字數據處理器）和大規模并行處理器，而不是順序處理器。為了實時準確地對神經系統建模，需要備用硬件。

迄今為止，最現實的電路是利用現有數字電子設備（在非標準條件下運行）的模擬特性來實現計算機模擬的Hodgkin–Huxley型模型。