人工神经网络模型(artificial neural networks,简称ANNs)是通过计算机程序或者电路设备对真实神经元网络的粗略模拟,在模式识别、分类、预测和模拟中有很大优势。近年来人工神经网络越来越被心理学研究者所重视,并在社会认知、记忆、学习等领域得到大量的应用,为相关理论提供了有效的证据。脑电(electroencephalogram,EEG)是从头皮上记录到的电位变化,反映了大脑的电活动特性。因其高时间分辨率,能够精确反应大脑的时变特性,因此被广泛应用于知觉、记忆、思维、情绪等心理学研究中。但是,EEG信号是一种复杂的非平稳随机信号,信号微弱而且个体差异很大,因而对信号的有效分析就尤为重要。而人工神经网络是在对人的模拟之上构建的,所以相比于其他方法,其在对EEG信号的特征提取和判断上有着其他信号分析手段无可比拟的优势,并已应用于疲劳驾驶、心理负荷、睡眠以及脑部疾病的相关研究中。本文将介绍ANNs在EEG研究中的应用。首先分析各个神经网络的特点,并着重介绍BP(Back Propagation,BP)神经网络和径向基神经网络在EEG信号分析中的应用。最后指出,在EEG研究中,BP神经网络由于容错、泛化能力良好,已广泛应用于涉及分类、模拟、预测等心理学研究中,但其学习速率慢、容易陷入局部极小值的问题日益突出。而径向基神经网络虽然目前在EEG研究中涉及较少,但其具有学习收敛快,逼近、自学习、自组织能力强的特点,这些优良特性使得径向基神经网络正在越来越多的领域代替BP神经网络,也将会给EEG研究带来新的方向。