近十年来,神经网络理论与实践有了引人注目的进展,它再一次拓展了计算概念的内涵,使神经计算成为新的学科。近几年来发达国家的政府、军队、公司对神经网络给予极大的关注,并积极开展相关的研究。现在,神经计算及其应用已经渗透到各学科,并在模式识别、智能控制、风险评估、故障分析、知识发现、遥感技术等领域取得令人鼓舞的进展。事实上,探究大脑—思维—计算之间关系的研究还刚刚开始,道路还十分漫长,神经网络计算的理论研究及其应用的前沿问题将渗透在21世纪科学的挑战性问题中,并可能取得重大的突破。 本文对神经计算目前存在的问题进行了研究,主要包括如何增强神经网络的可理解性,将神经网络理论与多元统计分析理论相结合,并在实际工程中加以应用。主要研究成果有: 1) 针对神经网络内部知识提取的问题,提出了一种利用构造阶梯样本,将受训BP网络内部知识以直观的形式(阶梯图)反映出来,从而实现对样本输入与输出变量间的相关性定量分析的方法。与传统方法比较,这种新的相关性分析方法能更充分地揭示样本中输入与输出变量间的线性和非线性相关性。 2) 针对SOM网络拓扑映射的保序性形成机理,将样本对神经元的作用等价分析为模拟弹性力的作用,对SOM学习过程中神经元权向量演变过程和SOM网络拓扑映射保序性的机理给出了形象直观的解释。 3) 对神经计算与统计模式识别间的关系给出了简单的分析,提出一种利用统计方法评价神经网络模型性能的方法,为如何选择合适的模型提供了参考指标。实验证明利用此方法选择的模型确实在性能上比较优良。 最后,针对烟草行业卷烟配方设计的现状,结合统计的方法对行业数据进行分析、特征提取,进而利用神经网络构建感观评估模型,取得良好的效果,对某些指标的预测水平已经达到可以工程应用的水平。