中医脉象的客观识别是中医脉诊现代化研究中极具挑战和意义深远的前沿性课题，对此研究目前尚处于探索阶段。 人工神经网络(ANN)是近年来再度兴起的一门应用性非常广泛的学科，神经网络方法作为“统计模式识别”的一个新的分支，有其独特的优点。本文将神经网络应用于中医脉象的识别，研究了三种基于ANN的中医脉象识别方法。 首先，研究了基于改进的BP神经网络的脉象识别方法。考察了隐层节点数对网络收敛速度、识别正确率的影响以及学习率对收敛速度的影响，改进了网络训练算法。并利用改进的动量-学习率自适应调整BP算法进行了网络训练和脉象识别实验。 其次，利用小波变换具有揭示信号时频域的细节和局部特征的能力，提出了将脉象样本的小波包分析和BP神经网络相结合的识别方法。对脉象样本作三层小波包分解，利用小波包分解系数重构信号，然后计算第三层从低频到高频8个频带的信号能量，以此能量构造出脉象样本的特征向量送入改进的BP神经网络进行训练。大量样本的实验证实该方法具有较高的识别正确率。 最后，针对中医脉象模糊性强、种类繁多的问题，提出了一种基于概率神经网络(PNN)的脉象识别方法。研究了PNN模式分类的Bayes策略，分析了PNN脉象识别的数学原理和结构模型。然后运用所建立的PNN脉象识别模型对12种脉象(617例)进行了识别检验，平均识别正确率达93％。 为了与其它方法的识别结果进行比较，论文还研究了F-PFSR模糊聚类方法对中医脉象的识别分类。比较结果表明，本文提出的概率神经网络脉象识别方法的正确率比传统识别方法具有较大幅度的提高。