本文简略研究了神经网络的发展历史和总体发展动向，简述了神经网络的一些最基本的理论。通过对感知器模型（单阈值神经元模型）的研究，结合所学数字电路，实现基本逻辑运算，并通过MATLAB验证了感知器能够实现逻辑与，或运算，能进行正确分类。
本文还提出了一种用两个MOS晶体管组成的电压型突触电路，它的优点是不仅能很好的完成神经元的乘法功能，而且结构简单，线性度好；然后又提出一种基于BiCMOS工艺的判别转换开关电路，构成电压型神经元阈值判别电路的核心单元，其阈值为压控电流，在实现输入信号与阈值信号比较判别的同时，还能将电流信号转换为电压信号，这种单元电路结构简单，灵活性强。在这个基础上，用限幅电压开关理论作为指导，提出从开关级设计多阈值神经元阈值判别函数电路的一般方法，并设计了实现异或运算的多阈值神经元电路。通过一些文献已经提供的参数进行大致模拟，结果表明，这样的电路不仅能实现正确的逻辑功能，而且速度较快。
通过从单阈值神经元到多阈值神经元的研究，可以发现，单阈值神经元所含的信息量少，不能满足大型设计运算的需要，而基于BiCOMS工艺的多阈值神经元电路结合了CMOS器件高集成度、低功耗等众多的优点，且输入级为连续电压值电路，互连比数字神经元省，输出级为电压开关电路，精度较高，所以这种多阈值神经元电路特别适合于神经网络VLSI的实现；并......

目录
摘要  3
Abstract 4
1 引言   5
1.1 神经网络 5
1.2 人工神经网络的发展历史  5
1.2.1 兴起阶段 5
1.2.2 萧条阶段 6
1.2.3 兴盛阶段  6
1.3 人工神经网络的特点
1.4 人工神经网络的应用和发展方向
1.4.1  人工神经网络的应用 7
1.4.2  人工神经网络在控制领域的发展
1.4.3  我国人工神经网络的发展现状及未来展望          8
2 人工神经网络理论基础  10
2.1 人工神经网络模型 10
2.2 激励函数
2.3人工神经网络的分类及学习规则 11
2.3.1 人工神经网络的分类
2.3.2 神经网络的主要学习算法 12
3 感知器在布尔函数中的应用    14
3.1 单层感知器  14
3.1.1 单层感知器模型 14
3.1.2单层感知器算法  14
3.1.3单层感知器解决逻辑运算及其仿真  15
3.2多层感知器   17
3.2.1 多层感知器模型  17
3.2.2感知器的局限性                            17
3.3 BP网络和BP学习算法 17
3.3.1 BP网络的模型   18
3.3.2 BP学习算法  18
4 多阈值神经元电路的设计和应用 20
4.1 多阈值神经元模型 20
4.2 多阈值神经元电路的设计 20
4.2.1 数字神经元结构 20
4.2.2 突触权值电路  21
4.2.3 多阈值数字神经元电路设计中的突触部分  21
4.2.4多阈值判别函数电路 23
4.3 异或运算的多阈值神经元电路的实现  25
5 总结与展望 27
参考文献 28