人工神经网络是最近发展起来的十分热门的交叉学科,它涉及生物、电子、计算机、数学和物理等学科,有着非常广泛的应用背景,这门学科的发展对目前和未来的科学技术的发展将有重要的影响,其独特的结构和处理信息的方法,使其在许多实际应用领域中取得了显著的成效,能够解决一些传统计算机极难求解的问题。DNA计算是一门新的学科。这门学科主要研究如何利用DNA分子Waston-Crick互补配对原则进行极度并行计算的特点去解决人类数学中的各种问题,特别是计算机所不能解决的NP问题。目前已验证有大量的问题可以通过DNA计算来解决。1994年,美国科学家Adleman首次利用DNA计算解决了七节点Hamilton路径问题。此外,2001年11月22日Nature杂志上关于威兹曼实验室制造出自动DNA计算机的报道,再一次向世人证明了DNA分子具有强大的计算能力。本文建立了一个通用的DNA计算模型来解决神经网络分类问题,此模型的主要思想不同于传统的串行修改或计算神经元之间的连接权值,而是从所有可能的权值组合中寻找到一组适合所有样本对的理想输入与理想输出的对应关系的权值组合,也就是并行的实现了神经网络的学习过程,充分地利用了DNA计算极度并行的特点。同时由其通用的特性,可将这个DNA计算模型用于一般的n层前向式网络,用于解决其分类问题。