该文采用人工神经网络构成专家系统的主体框架,开发出了具有较强功能和较高效率的人工神经网络专家系统,对训练样本进行迭代学习之后,能够高速地完成目标识别与分类.在对神经网络的原理作了大量分析之后,重点研究了多层前向BP网络,以此为基础加以多种改进和扩展,并结合专家系统理论构成了人工神经网络专家系统,克服了传统专家系统知识获取等方面的一些重要缺点.对神经网络专家系统进行了二维异或、三维异或、函数内插、逻辑加法、线性预测、图象压缩等多方面的性能检测与研究,通过实验充分证明了所开发的人工神经网络专家系统的可行性及良好的分类与识别功能.为适应水下目标识别快速高效的要求,该文提出了子群学习法、打破平衡法,并在多层前向网络的基础上构建了双并联网络,实验证明,这些方法大大提高了神经网络专家系统的学习速度.在对神经网络专家系统目标分类功能验证成功的基础上对仿真声纳目标数据进行了分类与识别的实验,取得了很好的效果,目标识别率接近100%.