可拓学的研究对象是现实世界中普遍存在的矛盾问题,研究方向是探讨处理这些矛盾问题的规律和方法。可拓学试图把人们解决问题的过程形式化,并建立相应的可拓模型,在这个基础上发展新的设计方法和工程技术。神经网络由大量的简单的处理单元相互连接构成的复杂系统,能够模拟生物大脑的结构和功能。具有大规模并行计算、非线性处理、自学习等特征。一个神经网络可以存储多种信息,每个神经网络的连接权存储多种信息的一部分。 神经网络自问世以来,在信息领域、自动化领域、工程领域、医学领域和经济领域得到了广泛的应用。神经网络虽然具有很多优点,但是神经网络的层数和每层节点数的确定至今没有完善的理论,神经网络结构的选择往往通过训练样本在设计好的神经网络中的测试结果来确定使用那一种网络结构。神经网络的算法至今已有上百种,但是各自都有自己的局限性。 神经网络的每个神经单元可以容纳不同的信息,而可拓元有不同的特征也即含有不同的信息,这说明可拓学和神经网络有一定的联系。在本文中,按神经网络的拓扑结构对神经网络重新进行了划分,并给出了定义。把可拓学和神经网络的知识相互结合,提出了两种基于可拓的分类神经网络结构,针对不同的网络结构提出了不同的算法。在文中也讨论了输入、输出节点数的确定方法,利用上述的知识建立了两种不同的网络结构模型。然后通过用matlab6.5编程来验证模型的正确性。通过程序我们得到了很好的实验结果,运行速度也比较快,这就证明了两种可拓分类神经网络模型的可行性。