众所周知，时间依赖的信息通过神经系统中的刻板峰值波形序列表示。波形序列（或尖峰列车）的数学建模与分析是计算神经科学领域的核心问题之一。这个问题显着挑战，因为人群神经元活动通常是随机性的，高度相关性和跨越时空的不存在性。通过使用最先进的方法，例如人工神经网络，信号处理方法，自适应滤波理论，参数和非参数，非参数，基于度量的分析以及信息 - 理论方法。技术进步使我们能够记录大规模的神经元集合活动，并且目前的研究已经致力于集成和分析越来越大的大容量，高维和细粒度的实验数据。

这一特别问题的主要重点是为研究人员提供国际论坛，以展示该领域最近的发展和创新思想。我们的目标是在理论，算法和应用中融入新的贡献。审查总结某些类型方法（例如，状态空间模型，尖峰列车指标和Spike Sorting）的文章。专注于涉及神经信号（例如，脑机接口）的临床和工程开发的论文也被征求。潜在主题包括但不限于：

• 统计建模与神经信号处理
• 神经网络建模与分析
• 神经动力学
• 合奏神经编码
• 基于峰值的脑机接口和神经假肢
• 高维集合活动的表示
• 钉火车指数
• 尖峰检测和分拣
• 斯派克列车之间的同步
• 尖峰-LFP依赖性和相关性

在提交提交人之前，应仔细阅读本期刊的作者指南，该指导方针位于//www.newsama.com/journals/cin/guidelines/。前瞻性作者应通过期刊手稿跟踪系统提交其完整稿件的电子副本http://mts.hindawi.com/submit/journals/cin/nst/根据以下时间表：