由于模糊文法和模糊有限状态自动机的等价性,使得模糊文法成为模糊自动机研究的一个核心领域。此外,模糊文法推导有着广泛的应用,比如在解决基于x射线的骨成熟度的句法识别、基于动脉波的动脉损伤的检测和量化的模糊性、智能接口设计、临床检测和词法分析等问题上模糊文法推导有着独特的优势。并且模糊文法推导也是解决诸如语言识别、图像目标识别、蛋白质结构预测和基因结构预测等问题的有效方法。再则,模糊文法推导中最简单应用最多的当属模糊正则文法推导。因此,借助于人工神经网络技术强大的功能,使得基于神经网络的模糊正则文法推导研究有着重要的现实意义和理论价值。本文从Chomsky体系下文法出发,对模糊自动机基本理论进行介绍后,主要介绍了神经网络技术在模糊自动机研究中的应用情况。包括模糊有限状态自动机及模糊文法和神经网络的关系,利用模糊自动机样本对网络进行训练,利用神经网络进行模糊文法推导和从网络状态中抽取模糊自动机这一完整的系统过程。由于基于神经网络的模糊有限状态自动机研究所涉及的领域和技术众多,本文的工作主要是集中于基于神经网络的模糊正则文法推导算法这一领域。应用于该领域的主要算法有实时间回馈算法(RTRL)和实编码基因遗传算法(RCGA)。但是,用实时间回馈算法和实编码基因遗传算法训练二阶递归神经网络进行模糊文法推导速度相当慢,而且时间复杂度高;实时间回馈算法还是一种不稳定的算法,实编码基因遗传算法也容易出现过早成熟现象。更糟糕的是,这两种算法在面对模糊有限状态自动机样本这种特殊的数据源时,异常情况在试验中出现频繁,在现有网络基础上泛化性不强。根据以上问题的存在,本文做了三项工作,概括如下:一、提出基于神经网络LMGA算法的模糊正则文法推导。在传统RCGA的基础上进行改进,将Levenberg-Marquardt算法引入到最优基因的选择过程中,提高速度并且剔除过早成熟的基因。实验显示了LMGA的能加快成熟速度但不是病态的过早成熟,解决了RTRL时间复杂度高、泛化性和稳定性问题二、提出了基于神经网络LMBP算法的模糊正则文法推导,作为目前最快的神经网络算法即Levenberg-Marquardt(LMBP)算法在模糊文法推导的实验中显示了快速收敛能力,主要解决了海量样本和超长串的模糊文法推导问题。三、提出了基于神经网络VLBP学习算法的模糊正则文法推导。VLBP算法是基于反向传播且能充分利用梯度信息的RTRL算法与启发式信息的技术相互结合的产物,它是在RTRL算法的基础上引进启发式技术中的可变学习速度。我们将该算法用应于模糊文法推导的相关问题,实验显示VLBP算法收敛速度比RGCA快而且继承了RTRL的优点并改善了其缺陷,在精确度上还优于LMBP算法。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。