本文就就现行的模式识别领域进行了相关的调研了解，尝试将表现不俗的人工神经网络用于人工味觉识别。本文发现BP网络能成功地进行人工味觉的模式识别，并达到较高的识别效果和较小的训练成本，。BP网络是目前应用最多的一种神经网络形式，它在很多实际应用中有着非常优秀的表现。BP网络实现了从输入到输出的映射功能，而数学理论已证明它具有实现任何复杂非线性映射的功能，因此它特别适合于求解内部机制复杂的问题，并具有自学习能力和一定的推广、概括能力。但是BP算法的学习速度很慢，网络训练失败的可能性较大，且网络结构的选择尚无一种统一而完整的理论指导，一般只能由经验选定。本文就以上各个难点，改进了标准BP网络的学习算法和优化算法。实验证明改进后的BP网络在基本味的识别和中式菜肴的分类识别中有着很好的评判效果。相比常用的两种统计模式识别方法——主成分分析-马氏距离判别法与贝叶斯判别函数分析法，本文选定的多层前向BP神经网络分类方法有着更加出色的效果。