泛函网络是对人工神经网络一种全新的拓展,在许多应用领域取得了较大的成功。但由于泛函网络是人工神经网络一个新兴的研究分支,在理论和应用方面尚存在许多的不足,需要人们进一步提出一些新的理论、学习算法,完善其理论基础,拓宽其应用范围。本文针对目前国内外泛函网络研究所存在的不足,如在现有的泛函网络学习算法中,当基函数选取不当降低了内存的使用率。对如何设计出个最优或者近似最优泛函网络结构来提高泛化能力等问题开展研究,取得以下成果：1)针对已有的泛函网络学习算法基函数选取方法的不足,考虑泛函网络学习过程中基函数筛选过程的特点,提出一种基函数可递归泛函神经元网络学习算法,该算法借助于矩阵伪逆递归求解方法,实现对泛函神经元网络基函数的自适应调整。实验结果表明,该算法具有较高的计算精度；2)针对泛函神经元网络结构优化问题,结合剪枝算法,考虑泛函神经元网络的复杂度,提出一种基于泛函神经元网络复杂度的剪枝算法；该算法结合剪枝法与信息熵理论,有效地实现了泛函神经元网络中无用基函数的删除,从而确定其内部结构,提高了泛函神经元网络的泛化能力；3)由于泛函神经元是泛函网络的基本部件,考虑将若干个泛函神经元组装成一个泛函网络,研究泛函网络神经元的集成理论、方法,可将集成网络应用到实际问题中,解决一些工程与科学计算问题。本文所取得的结果,对于丰富泛函网络的理论和拓宽其应用范围,都有着重要的理论意义和应用价值。