模糊神经网络是人工神经网络与模糊技术的有机结合,是集智能信息处理与自适应性于一体的混合智能系统.模糊化神经网络作为一种纯模糊系统可以有效处理自然语言信息,在实际生活中除语言信息外.更多表现是数值的数据信息.因此,可以通过测量数据或数字传感器获得反映一个模糊性系统输入输出关系的数据信息.本文分为三个部分：第一部分：前言,主要给出了本文的选题背景.研究现状以及一些预备知识.第二部分：引入诱导算子和K-拟可加积分概念.针对前向正则模糊神经网络,应用积分转换定理研究了该网络依K-积分模对模糊值简单函数类的泛逼近能力,进而在K-积分模意义下.以模糊值简单函数为桥梁讨论了前向正则模糊神经网络对一类可积有界函数类的泛逼近性问题.第三部分：为克服模糊数运算的复杂性引入了n-折线模糊数的概念,并通过实例给出了模糊数转化为折线模糊数的方法.获得了11-折线模糊数的线性运算性质和n-折线模糊值函数的表示定理.此外,依据人工插值神经网络的构造方法探讨了模糊环境下三种形式的折线模糊神经网络模型.证明了这三类折线模糊神经网络对连续n-折线模糊值函数具有泛逼近性.最后,针对给定连续n-折线模糊值函数构造了一个带有初值的三层前向折线模糊神经网络,同时设计了具体学习算法.并给出了该网络逼近的实现过程.