协同神经网络是Haken提出的一种模式识别方法，它是一个自上而下的模式识别过程。本文在分析经典．Haken协同神经网络的主要关键技术问题的基础上，提出了一种改进的协同神经网络新算法，并将改进后的算法用于解决地层断面信息的识别。 首先介绍了协同神经网络的基本理论，对Haken协同神经网络的总体结构进行分析，将网络分为匹配子网和竞争子网，并针对神经网络中的原型选择、模式特征空间选择、伴随矩阵的求解、重构序参量、注意参数的选择、网络竞争迭代等关键问题，在研究现有算法的基础上进行改进，提出了一种改进协同神经网络新算法，使网络更适应地层断面信息的识别。 在原型选择方面，研究了基于遗传算法的原型选择算法和简单的数学平均值原型选择算法，提出了改进的平均值原型选择算法；在模式特征空间选择方面，研究了基于核函数的空间变换；在伴随矩阵的求解方面，研究了迭代算法和逆伪算法，对两种算法的性能进行对比；在重构序参量方面，分析了直接求相似度的序参量重构算法；在注意参数的选择方面，研究了基于奖惩学习机制的注意参数训练算法和四种动态注意参数选择算法，并提出改进的奖惩机制动态注意参数选择算法；在网络的竞争迭代过程中，采用快速Haken神经网络迭代法进行网络竞争。其中原型选择算法的改进和注意参数的选择均是在地层信息识别方面的一个新尝试。最后，将改进的新算法应用我们开发的“高速公路空间地理信息可视化管理系统(HSIVS)”的地层断面信息识别问题上，并与实际地层断面对比校验，表明网络的识别性能比经典Haken协同神经网络有较大的改进和提高。