神经场理论是从整体结构分析的角度来理解人工神经网络的变化机理、动力学性质以及信息处理的能力与限制,研究由所有神经网络所组成的非线性空间的整体不变性质.这方面的研究,有助于揭示和理解人的感知系统的组织结构、变换和定位机理,提出了新的模型和方法来建立人脑信息处理一般机理以及组织形式,推动人工神经网络研究向更深层次的发展、提高连接主义模型的研究水平和层次.知识可增殖人工神经网络通过不断嵌入不同功能的独立学习人工神经网络来增殖整体人工神经网络的功能,具有知识继承和积累能力,其规模能不断扩充,因此可用来构造大规模人工神经网络,解决现有人工神经网络存在的问题--知识增殖和继承能力问题.另外由于它采用增殖人工神经网络的拓扑结构和神经场理论算法,所有独立学习人工神经网络都可并行处理,因而可有效地提高处理速度.该文利用微分流形、信息几何和代数拓扑作为工具,研究由所有神经网络组成的神经场的整体结构和增殖能力.该文工作围绕神经场结构模型的整体结构和增殖能力分析、基于结构的学习逼近理论分析等方面展开,并提出可行的知识可增殖系统模型,试验结果证明了模型的可行性和有效性.