人工神经网络技术以其大规模并行处理、分布式存储、自适应性、容错性等优点吸引了众多领域科学家的广泛关注,被广泛地应用于生物、电子、计算机、数学等领域。随着网络通信技术和互联网的飞速发展,分布式计算成为影响当今计算机技术发展的关键技术力量之一,在现代社会和经济发展中得到越来越广泛的应用。这两项技术都离不开数据,而大量的数据来自数据仓库存储的多维数据;这两项技术都需要数据分析,都会涉及多维矩阵。因此,研究基于多维数据分析的神经网络与分布式计算有着重要的意义,使得本研究工作得到国家自然科学基金的支持。本文的工作主要分为以下四个方面。在多维数据分析与多维矩阵研究方面,针对数据仓库中进行多维数据分析处理的重要性,引入多维矩阵的概念,对应用最广泛的立体阵,讨论了它的运算性质,为在神经网络和分布式计算中的应用打下基础。在基于多维数据分析的神经网络研究方面,首先构造了一种无监督学习的凸约束神经网络模型,该网络具有特殊结构,能实现数据压缩与还原过程,经过训练后可以表示信息的主要特征。其次研究了一种贝叶斯神经网络,运用广义朴素贝叶斯方法来处理连续变量,构造一种正交多项式核函数对其先验分布的密度函数进行估计,进一步研究了密度函数及其导数的核估计的优良性。然后针对全要素生产率研究,构造了一个分岔神经网络,实现了利用随机前沿面模型进行TFP测度。最后,构造了一种通过相互影响而使输出结果一致的半监督异构神经网络来计算TFP贡献率,并且详细地讨论了该神经网络的结构与算法。在基于多维数据分析的分布式计算研究方面,首先针对结构方程模型改进了偏最小二乘算法,构造了确定性算法。其次研究了多对象结构方程模型,采用分布式计算来计算结构方程中每组的系数,使用带凸约束的广义线性模型建立新模型,给出了多对象结构方程模型的算法。然后研究了多元非参数回归曲线漂移模型,使用分布式计算进行多元曲线漂移模型销售曲线的预测。最后研究了若干具体的分布式计算的应用,包括一般分布函数表的Monte Carlo分布式计算,蛋白质分子构造的分布式计算问题以及MOS管寿命分布的负指数矩估计与分布式计算。最后,作为基于多维数据分析的神经网络与分布式计算的综合应用,本文介绍了我们团队研发的大型应用系统——顾客满意指数测评分析系统。它基于数据仓库与.NET技术开发,采用无监督学习的凸约束神经网络模型架构,实现了基于远程方法调用的分布式计算。