综合模型中的行为是研究人员之间的争论点[6]。这场辩论强调了计算模型中的多种方法，通常以“自下而上”和“自上而下”的方式来表征。自下而上的建模强调了大脑中发生的详细生物学过程的模拟[4，5]。模型参数主要由现有的生物学数据告知，其目的是为功能能力提供明显的约束，这些功能能力被假定自发出现[4，6]。自上而下的建模从功能能力明确开始。传统上是从识别大脑结构的功能，然后开发出实现这些功能的神经计算算法。近年来，这种假设驱动的方法已补充了目标驱动的深度学习[7]。这种启用的动力智能方法旨在生成通过参数优化实现大脑功能的神经计算算法，以便模型可以解决生态有效的任务[8]。自上而下的模型旨在通过模拟大脑的总体原理来实现脑样功能，而无需模拟其生物学细节。为了对这些方法进行深入评论，我们将有兴趣的读者推荐给[5-9]。