انجام محاسبات مربوط به بازنمایی بافت در مغز بیشتر بر عهده دو ناحیه v1 و v2 قشر بینایی می باشد. مدل محاسباتی پورتیلا و سیمونسلی در این راستا برای مدل سازی کارکرد این دو بخش معرفی شده است. اما در این مدل تلاشی برای تاثیر رفتار نرون ها در امر انجام محاسبات صورت نگرفته است. امروزه تلاش های موفقی برای مدل سازی رفتار و یادگیری نرون های در سطوح پایین انجام شده است. همچنین شبیه سازهای قدرتمندی را می توان یافت که قادر به شبیه سازی شبکه های عصبی ضربه به صورت کلان و در قالب پردازش موازی می باشند. در این پایان نامه سعی شده است، برای هر بیشتر کردن تاثیر رفتار نرونی در انجام محاسبات سطح بالا و به نوعی واقع گرایانه تر کردن محاسبات، با استفاده از یکی از شبیه سازهای رایج اقدام به معرفی و شبیه سازی مدارهای نرونی معادل برای هر یک از آماره های معرفی شده در سطح دوم محاسبات مدل مرجع گردد. همچنین مدارهای نرونی تطبیق گر برای هر یک از آماره ها به همراه روش استفاده از یادگیری وابسته به زمان ضربه برای تنظیم ورودی و تلفیق دو مدل با یکدیگر به همراه نتایج عملیات تطبیق ارائه شده اند. بافت های ساخته شده توسط مدل محاسباتی پیشنهادی و مدل مرجع، دارای شباهت ساختاری بالایی از دید دسته بند های موفق بافت موجود می باشند. این امر توانایی محاسباتی مدل را به خوبی نشان می دهد.