上个月在读完冯.诺依曼的《计算机与大脑》之后就对目前的“神经网络”产生了一些新想法，我认为
目前流行的“神经网络”的神经元模型没有突出人脑区别于其他动物的特征，而这个模型也可以放在任何有神经元（不只是大脑）的生物上。而人脑的机制大部分还是黑箱，人们热衷的“智能部分”与进化过程中历时更长但也低级一些的非智能部分是密不可分而且以它为基础。
所谓我想找一些低等生物的（广义的）“计算神经模型”来作为认识“神经网络”的突破口，比如C.elegans的神经网络。虽然目前研究众多，但这个过程肯定非常艰辛曲折，理由如下：
1 多数研究是科学研究，侧重对生物体的了解，而不是通过他们发展计算机技术和计算模型
2 研究计算模型的大多也不会落到具体代码上。相比之下Practical neural network recipes in C++ 「 Timothy Masters ，此人是统计学出身，有多本类似的著作」这种书直接给出神经网络的代码实现，实在是难得。
3 代码不会自己说话，读代码很难猜到背后的设计思路和要点。
C.elegans的神经元只有302个，但功能俱全，很多非常高级的生物功能都可以在它身上找到原型。与其花很多时间瞎猜人脑的机制，不如先多研究一下这种低等生物的神经机制。
除了找动物的，我也找植物甚至更低级生物的研究。植物虽然没有神经元，但它的信号处理、环境感知自有一套非常复杂且高效的机制，这套机制也非常值得当作类似神经网络一样的东西对待并加以代码化探索。
我找到一些有价值的就放在这里作为存档，欢迎大家有兴趣的参与。
参考
不完全列举--持续更新
https://en.wikipedia.org/wiki/List_of_animals_by_number_of_neurons
https://github.com/openworm/CElegansNeuroML
https://github.com/japlatt/olfaction_NN
Structural Properties of the Caenorhabditis elegans Neuronal Network https://www.ncbi.nlm.nih.gov/pmc/articles/PMC3033362/