在传统神经网络学习算法(如BP算法、RBF算法)中,权值为常数,不能够对样本信息进行完全记忆。针对这种问题,南京邮电大学的张代远教授在其专著《神经网络新理论与方法》中提出权函数神经网络算法,用权函数代替权值,能够实现在学习训练中对样本特征的精确记忆,并且,在这种新型网络算法中,神经网络泛化能力随着样本个数的增加而增强。但是一般情况下,通过有限个已知样本点求理论权函数是不可能做到的。在张代远教授的研究基础上,可以通过插值的方法求得近似的权函数,构造权函数神经网络。在MATLAB下编程的理论部分,主要是依据权函数神经网络的理论研究。通过插值方法构造近似权函数,对权函数神经网络结构在多输入单输出和多输入多输出两种情况下的误差进行分析。分析结果表明,训练样本个数越多,误差值越小。在软件实现部分,本课题主要实现的是关于权函数神经网络在MATLAB实现的应用研究。针对该软件需求分析设计出能够通过网络参数建立权函数神经网络,对于样本的采集,加权因子的输入,设计出能够读取纯文本文件和二进制文件功能。在软件的辅助功能里面,加入权函数神经网络的灵敏度分析。同时该软件拥有帮助菜单和英文版本,完善该软件应用功能。