在经典逻辑中，只有真、假二值，但在客观世界中有大量的模糊现象存在于真假之间。多年来，为了数学的分析、处理模糊现象，不同学科的许多科学家进行了不懈的努力并作出了积极的贡献。　　 20世纪60年代中期，L.A.Zadeh教授提出了模糊集合概念，从此奠定了模糊理论的基础，在某种程度上弥补了经典数学与统计数学的不足，迅速受到广泛的重视，“模糊”观念也渗透到许多数学分支。　　 但模糊理论仍不能完全解决数学研究对象的扩充问题。20世纪80年代，朱梧槚教授和肖奚安教授提出了中介原则，建立了以中介公理集合论为主要内容的中介数学系统，在纯粹数学基础理论意义下，实现了数学研究对象由精确性量性对象到模糊性量性对象的再扩充，拓宽了经典数学的逻辑基础和集合论基础。　　 然而中介系统一直局限于理论上的研究，其实际应用比较少，其主要原因在于中介系统不像模糊理论中通过隶属函数衡量模糊变量隶属于某个模糊集的程度，即没有具体量化。可喜的是，近两年，洪龙教授以中介系统为背景，将中介真值程度词数值化，并描述了一般应用数值化后的数值区域与其对应谓词的真值之间的关系，从而开辟了中介系统在工程科学中的应用前景。　　 鉴于中介真值程度数值化后更能合理、自然的处理模糊现象，本论文旨在建立起以中介系统为基础的神经网络，简称中介神经网络。本文的工作主要包括以下几个方面：　　 1.重点阐述中介个体真值程度和集合真值程度的度量方法，研究真值程度函数与模糊理论中的隶属函数的区别，分析真值程度函数的优点，并举例应用这些度量方法。　　 2.将传统的S型激励函数改造成两端点a、b间呈S型而端点外恒为0(假数值区域)和1(真数值区域)的新的激励函数，以更加合理、自然的描述模糊现象。　　 3.建立新的基于中介真值的神经网络模型。该模型由一个真值度网络和多个规则网络组成，其中在真值度网络中使用上述改造的激励函数，动态修改两端点a、b的值，并为真值度网络和整个中介神经网络设计详细的学习算法。　　 4.通过中介神经网络完成一些试验，并拟合、预测某沿海赤潮藻类的浓度值，试验结果表明，中介神经网络的预测效果要优于普通BP神经网络的预测效果。