本文以正则模糊神经网络为前提.以方形分片线性函数为工具,系统研究了广义分层混合模糊系统的泛逼近性问题.设计了相应的模糊学习算法.为模糊化神经网络及其软计算技术的应用奠定了理论基础.研究内容主要分为三个部分：第一部分：介绍本文选题背景,研究现状及预备知识.第二部分：正则模糊神经网络的泛逼近性能力分析.首先在模糊神经网络中将多元连续函数类推广为保极大值函数类.借助函数的保极大值定义研究了紧集上扩展模糊函数类的特性,进而讨论了三层前向正则模糊神经网络对其扩展模糊函数类的泛逼近性问题.此外.通过模拟实例分析了目标输出与网络实际输出的逼近性能.第三部分：广义分层混合模糊系统的泛逼近能力分析.首先.引入方形分片线性函数和K-拟可加积分转换定理,并在积分模意义下.应用诱导算子的优良性质讨论了方形分片线性函数对一类有界可积函数类的逼近性问题.其次.基于Mamdani模糊系统和T-S模糊系统,通过引入调节参数η建立广义分层混合模糊系统.证明了该系统的分层与不分层的等价性,进而从理论上避免了出现“规则爆炸”现象.最后,以方形分片线性函数为桥梁.系统研究了广义分层混合模糊系统在积分模意义下的泛逼近性.获得一些重要结论.此外.依据仿真实例给出了广义分层混合模糊系统具有逼近性能的实现过程.