过程神经元网络是根据生物神经系统信息处理机制并结合实际问题的应用背景提出的一种新的人工神经网络模型。网络的输入输出可为过程或时变函数。过程式输入放宽了传统神经元网络模型对输入的同步瞬时限制，是传统神经元网络在时间域上的扩展，是更一般化的人工神经元网络模型。研究过程神经元网络模型的拓扑结构，函数逼近性质，学习算法等具有十分普遍的意义。 论文在理论和模型部分，概述了过程神经元的概念和过程神经元网络基本模型，阐述了基展开和投影组合两类过程神经元网络模型，证明了两种模型的等价性。构建了径向基、自组织、并联三类前馈型过程神经网络模型，研究了反馈型过程神经元网络的拓扑结构。在过程神经元网络的算法研究中，应用函数空间正交基的概念，可将积分算子变换为求和算子，从而有效避免了繁杂的时域聚合运算。分析了三角函数基及沃尔什函数基两类常用基函数的性质，并针对投影组合模型给出了基于权函数正交基展开的学习算法。研究了前馈过程神经网络基于离散沃尔什变换的学习算法，证明了算法的有效性；给出了反馈型过程神经元网络详细的算法推导过程，仿真实验证明了网络加入反馈后对加速收敛的有效性。论文最后结合油田开发中具体实际问题，给出了过程神经网络在复杂水淹层识别中的应用。