人工神经网络(Artificial Neural Network, ANN)是模拟生物神经网络的人工智能系统，具有分布并行处理、非线性映射、自适应学习和容错等功能。人工神经网络主要有两种实现方法：软件实现和硬件实现。以软件方法实现的神经网络存在并行程度低和处理速度慢等缺点，难于满足实时性的要求，造成了理论研究与实际应用脱节；而硬件方法实现的神经网络则克服了前者的缺点，能大规模并行处理信号，尤其对于复杂数据的处理更具有优势，能满足实际应用的要求。在集成电路设计中，模拟电路需要在功耗、速度、增益、精度、面积等多种因素间进行折中，并且版图对于模拟电路的影响远大于数字电路，这给模拟电路的设计带来了新的挑战。考虑到电流模式模拟电路对输入信号变化响应快、线性度好、功耗低等优点，本文的前馈人工神经网络采用电流模式模拟电路来实现。本文旨在完成两种前馈人工神经网络——感知器神经网络和径向基函数(RBF)神经网络的电路实现与研究，并探讨其应用，所做工作如下：(1)阐述了人工神经网络的硬件实现的研究背景和意义，探讨了当前国际国内的研究概况及发展趋势。(2)介绍了生物神经元模型，探讨了前馈人工网络——感知器和RBF神经网络的结构和原理。(3)基于TMSC0.35μm标准CMOS工艺，设计了一款可对线性不可分数据集进行分类的电流模式线性分类器，通过MATLAB软件采用Fisher线性判别法计算得到权重系数，运用PSPICE软件对所设计的电路进行了仿真分析。(4)设计了RBF神经元的单元电路，利用这些单元电路构成一个2输入/1输出且含有两个隐含层神经元的RBF神经网络电路，利用改进混合蛙跳(NHSFL)算法设定RBF神经网络参数，利用PSPICE软件通过异或问题验证了该神经网络电路。(5)介绍了版图设计流程、工具类型和模拟图版问题以及解决方法，完成了线性分类器和RBF神经元电路的版图设计。