本论文的目的是通过理论分析，推导出第二类样条权函数神经网络算法复杂度计算公式，并且通过实验验证，第二类样条权函数神经网络在算法复杂度方面，要优于BP神经网络。本文研究的是第二类样条权函数神经网络算法复杂度。第二类样条权函数神经网络作为一种特殊的权函数神经网络，结合了权函数神经网络与三次样条曲线的优点。本文在第二类样条权函数神经网络的理论基础上，根据算法复杂度的定义，深入研究第二类权函数神经网络的算法复杂度。论文中推导出了第二类样条权函数神经网络的算法复杂度的计算公式，得出时间复杂度公式，从理论结果看出，第二类样条权函数神经网络算法复杂度在输入、输出维数确定的情况下，是和样本数呈线性增长关系。通过仿真实验验证了第二类权函数神经网络算法复杂度公式理论结果的准确性，对比BP神经网络，第二类样条权函数神经网络有着更快的训练速度。应用点研究的是人脸朝向识别问题，使用BP神经网络和第二类条权函数神经网络分别对人脸图像进行分类，实验结果表明两种神经网络都可以很好的解决人脸朝向识别问题，并且第二类样条权函数神经网络在算法复杂度方面优于BP神经网络。