3. 感受野和神经采样

神经元及其神经元组的振荡和相干振荡完成简单快速的非线性加权运算，形成刺激响应-行为反应、模式识别-模式选择的一体化计算和表达的基础，竞争和近邻学习实现了皮层资源高效地自组织理论，形成复杂有序感受野与投射野，将数据及其数据流的从无序到有序、从简单到抽象的转变，实现信号采样。可以见得，神经系统与大脑皮层的信号与信息处理保存和修改的是信号采样和处理方法，即修改和保存神经元之间的联结强度，联结强度经过竞争和近邻学习的自组织过程形成的感受野和投射野，确保了外部刺激的数据及其数据流能够被神经系统和大脑精确采样成适合神经系统处理的形式，并被传输到不同层次处理皮层中不断加工和深度利用。

神经系统和大脑皮层的感受野和投射野是皮层表达数据且适合其处理的自然选择的结构，就如同“算盘”适合于十进制数的表达和计算，数字计算机适宜于二进制数的表达和计算，而感受野和投射野适宜于自然信号的表达与计算。感受野和投射野能够把听觉和视觉的自然信号的语音和影像精确地采集下来，并投射到深层进行深度加工和利用并产生响应的行为和心理反应。这种信号采集方式，如同信号与信息处理技术中的神农采样定理，能够把信号原样恢复出来，所不同的是，这种采样方式更加适合神经元细胞和网络的处理和加工。

上述定理表明了，零交叉点能够恢复出原始信号来，而零交叉点检测恰好是神经元最为基本的行为特性，即仅检测输入的刺激电位是否超过或低于诱发电位门限，超出时发放或低于时静息。形成纷繁复杂的感受野是大脑皮层和神经系统精确高效地采集外部刺激信号的神经生理学基础，也是投射到不同层次信息深度加工的要求。关于感受野和投射野的信息采集和加工的数学理论是神经计算基本，就如同，仅研究鸟飞行动力系统，而不研究空气动力学，制造不出真正意义上的飞机的，所以，模仿大脑的计算就必须研究大脑计算数学基础，感受野的信号采样的数学理论就是数学基础的一部分。

   基本假设：大脑与神经系统能够通过感受野神经编码通道，精确实时地记录下和完整地还原出外部刺激信号，并传送到投射野逐步进行深度加工，感受野和投射野成为外部刺激信号的符号表达形式。这表明了，大脑皮层确实具备外界信号的精确采样机制，但是未必具有还原信号的机制。这种机制不同于录像机、录音机的还原性的记录机制，即可以通过感觉信息流解析表示出外界信号。这种机制不同于申农(Shannon)的采样定理，而是一种适合于神经网络信号和符号处理的信号采样机制。