文法推导是解决诸如语言识别、图像中的对象识别、蛋白质结构预测和基因结构预测等问题的一种合适的方法，而实现文法推导的其中一种方式就是人工神经网络。由于文法和自动机的等价性，用神经网络实现文法推导实际上就是从神经网络提取自动机。 首先，本文介绍了文法推导的神经网络方法。文中分别从传统文法推导和模糊文法推导这两方面进行阐述，主要介绍了该方法的网络拓扑结构、权重学习算法和自动机提取算法等。在总结前人工作的基础上，作者将离散化思想引入二阶反馈神经网络中，提出了一种新的用于学习模糊文法的神经网络拓扑结构，并给出了相应的神经网络的权重学习算法，从而解决模糊文法推导问题。 此外，本文研究了自动机的最小化方法。文中先概括前人在模糊自动机的最小化问题上的工作，然后本文提出了优化等价关系和优化同余关系等定义，并把模糊自动机推广为格值自动机，运用代数学理论，推导出了一种新的格值自动机的最小化算法。 本文中，作者的具体工作概括如下： 1．基于神经网络的模糊自动机的研究。首先，将离散化思想引入网络结构，提出了多级离散化函数，得到了一种用于模糊文法推导的、支持多输入字符的自聚类反馈神经网络，并推导出针对该网络模型的权重学习算法——伪梯度算法，一旦网络训练成功，网络的内部状态是有限和稳定的，从而解决了神经网络的内部状态对于长的未见字符串的稳定性问题，并且省略了用聚类的方法从网络提取自动机这个步骤，简化了模糊自动机的学习和提取过程。在提出网络结构和学习算法以后，给出了仿真的结果。 2．格值自动机的最小化算法的研究。首先，提出了优化等价关系和优化同余关系的定义，并将其应用到格值自动机的状态空间上，运用代数学理论，获得相应的等价类，构造出商空间，从而得到商格值自动机；然后在给出两个格值自动机等价的定义的基础上，证明了原格值自动机与商格值自动机的等价性，又由格值自动机的最小性的定义，证明了商格值自动机的最小性。在完成理论的证明后，提出了能在计算机上实现的格值自动机的最小化算法，并给出了实例说明。 本文主要采用了比较、归纳、分析与综合等理论推导方法，并进行实验仿真和实例验证。