本文的研究工作是结合市内某信息科技公司的“印鉴自动识别系统”研发项目开展的，作者在深入分析了人工神经网络的各种数学模型及算法的基础上，重点剖析了前馈神经网络的算法思想，对其进行了实用、有效的改进，并将它成功的应用于“图象识别技术”，取得了较为满意的成果。文中作者详细分析了经典BP算法，找出了经典BP算法造成误差震荡的原因，提出了理论上的解决方案。以此为基础，对经典BP算法、BP网络结构、学习样本数据的处理等方面进行了综合的改进，论文作者从计算机软件的角度，实现了这些改进措施并利用大量的实例对改进方案和软件功能进行了验证。作者以硕士论文为中心所开展的应用研究，在广泛吸收了前人的科研成果的基础上，创造性的将其应用于模式识别领域，在“图象识别”等方面进行了一系列尝试性的应用，效果明显。作者所建立的基于BP神经网络的“图象识别”数学模型对数字图象处理也具有一定的参考价值。本文首先对人工神经网络的基本理论和基本模型进行了论述，简要介绍了在人工神经网络应用和研究领域当前几种主导的数学模型和机器学习算法：BP、Hopfield、SOFM、Boltzmann 机、CMAC神经网络等；第2章深入分析了BP神经网络模型和算法，重点分析了该算法存在的问题，剖析经典BP算法造成误差震荡的原因，并提出了理论上改进方案。第3章给出了作者利用VC++实现改进BP算法的程序设计思想和部分源代码，并简要介绍了作者编写的基于BP神经网络的“机器学习软件”；第4章介绍了基于BP神经网络的“机器学习软件”的部分应用领域及其应用效果；最后是作者应用BP神经网络和基于BP神经网络的“机器学习软件”在“图象识别”技术研究方面的研究成果，包括数学模型介绍和图象识别实用效果。