人工神经网络由于其良好的容错性、鲁棒性和泛化能力,已经广泛的应用于模式识别、信号和图像处理、函数逼近、系统辨识、自适应控制等诸多领域.但是目前仍灰存在网络的拓扑结构和有效学习算法的设计两个问题没有很好地解决,从而也就限制了神经网络在实际中的应用.该论文主要就前馈神经网络（BP网络）的原理和应用进行了如下研究：1.关于如体构造一个性能良好的神经网络：关于该问题首先从如何提高BP网络的性能和如何构造一个适合于具体问题的网络的拓扑结构两个方面进行了研究;另外将小波分析、遗传算法等引入神经网络的研究,分析了小波神经网络、遗传神经网络的性能.2.关于神经网络在模式识别和图像处理中的应用：主要探讨了大规模复杂性问题的学习和分类问题.该部分分析了大规模复杂问题的分解和模块化网络设计的理论;解决了训练后的网络的模式或样本扩张问题;进行了模块化网络设计理论在模式识别和图像处理中的应用研究.