人工神经网络与模糊系统在信息处理中各有其特点和应用范围，两者具有很强的互补性：人工神经网络是因受生物神经系统的结构和信息处理方式启发而设计的信息处理系统.从系统论的观点看，人工神经网络是由大量神经元通过复杂的相互连接而构成的自适应非线性动力系统，神经元之间不同的连接方式，构成了不同结构形式，从而产生不同功能的神经网络.人工模糊系统是以模糊集合理论、模糊语言变量以及模糊逻辑推理的知识为基础，力图在较高的层次上对人脑思维的模糊性进行工程化的模拟，是解决复杂的非线性系统决策所使用的一种方法.本文通过对模糊系统理论和神经网络技术的研究，将模糊系统理论处理不确定信息的良好性能与神经网络极强的学习能力相结合，在传统的神经网络的基础上，构造出性能更优良，应用更广泛模糊神经网络. 动力神经网络的理论基础是非线性动力学理论，本文首先研究非线性动力系统的有关问题；而后对模糊系统和神经网络中的有关问题进行了探讨；最后，将模糊系统理论与神经网络技术相结合，研究模糊神经网络. 本文得到了以下结果：1.研究了广义马尔萨斯(Malthus)增长模型的非线性动力特征，给出了广义马尔萨斯定律解决实际问题的方法.并对生命科学、国民经济以及银行信贷等方面的问题作了具体分析. 2.探讨了模糊综合评价方法，将其运用到大学生德育评估中，并提供了一套大学生思想品德教育的综合指标体系. 3.分析了前向神经网络，把用于解决N元奇偶校验问题的前向神经网络的激活函数由单条曲线推广到了带状区域；把阈值由一个固定值推广到了区间值.与已有的工作相比，本文设计的神经网络具有抗干扰的能力和容易开发的优点. 4.把模糊Kohonen网的自组织能力和BP网良好记忆能力相结合，构建了一种集成模糊聚类神经网络.该网络收敛速度明显优于模糊Kohonen网络，分类效果优于BP网络. 总之，本文一方面对动力系统、模糊系统和神经网络的某些问题进行了探讨.另一方面利用模糊系统和神经网络相结合方法研究一类模糊神经网络，并且给出了应用举例.因此，本文的理论和方法有一定的推广价值.