1.一种针对乌贼巨型轴突中动作电位的建模方法，其特征在于，包括以下步骤：S1：根据FitzHugh‑Nagumo模型参数的弱先验知识生成FitzHugh‑Nagumo模型参数，再利用生成的模型参数并结合FitzHugh‑Nagumo模型生成不含噪声的膜电位数据，在不含噪声的膜电位数据上添加一阶自回归噪声模拟生成含有噪声的膜电位测量数据，将FitzHugh‑Nagumo模型参数和对应的含噪声的膜电位测量数据构建成数据集；其中，FitzHugh‑Nagumo模型表示为：膜电位u＝u(t)以及恢复变量v＝v(t)是FitzHugh‑Nagumo ODE的未知量；γ是一个恒定值，ζ表示总膜电流，θ0和θ1为模型参数；所述模型参数的弱先验知识具体为：模型参数的取值区间大于[0,1]；

S2：建立由卷积层、池化层和全连接层构成的用于FitzHugh‑Nagumo模型参数估计的神经网络；其中，所述神经网络的输入为含噪声的膜电位测量值，输出为FitzHugh‑Nagumo模型参数估计值；

S3：利用步骤S1构建的数据集对神经网络进行训练，同时使用模拟退火法对所建立的神经网络超参数进行整定；其中，采用模拟退火法对所建立的神经网络超参数进行整定时，将神经网络输出值与真实值的最小化均方误差作为内能，根据Metropolis准则以一定的概率接受一个比当前解要差的解，表示为：其中，p为概率，E为温度T时的内能，ΔE为两组超参数对应的E的改变量，k为Boltzmann常数；

S4：将实际测量的膜电位数据输入至整定好超参数的神经网络进行FitzHugh‑Nagumo模型参数估计；

S5：利用估计所得的FitzHugh‑Nagumo模型参数对乌贼巨型轴突中动作电位进行建模。

2.如权利要求1所述一种针对乌贼巨型轴突中动作电位的建模方法，其特征在于：所述步骤S1具体包括如下子步骤：S1.1：假设FitzHugh‑Nagumo模型参数θ0,θ1是独立同分布的正态分布：θ0～Ν(0.4，0.3)，θ1～Ν(0.4，0.4)

且θ0,θ1的区间范围：

θ0∈[‑0.2,1.0]，θ1∈[‑0.4,1.2]

通过从先验分布中采样参数θ，求解FitzHugh‑Nagumo ODE并在等步长存储膜电位uθ(ti)，i＝1,...,Nt；Nt为时间采样点数；

S1.2：在不含噪声的膜电位数据上添加一阶自回归噪声模拟生成含有噪声的膜电位测量数据d(ti)，表示为：d(ti):＝uθ(ti)+η(ti)

其中，d(ti)为模拟的含有噪声的ti时刻的膜电位测量数据，η(ti)为一阶自回归有色噪声；η(ti)大小为原始uθ(ti)的5～10％；

S1.3：最后将采样得到的参数θ和对应的含噪声的膜电位测量数据构成数据集。

3.如权利要求1所述针对乌贼巨型轴突中动作电位的建模方法，其特征在于：所述步骤S3中，使用模拟退火法整定的神经网络超参数包括卷积层滤波器数量、卷积核大小、卷积步长、池化层类型、池化层滤波器大小、池化步长、全连接层节点数、激活函数、学习率、时期、批大小、损失函数、卷积层层数以及全连接层层数。