人工神经网络具有并行处理能力、自学习能力、自适应能力和以任意精度逼近任意非线性函数的特点,在模式识别、系统辨识、控制等领域都得到了广泛的应用。本文就神经网络在模式识别与系统辨识方面的应用展开研究,提出了几种较新的系统模型辨识和模型参数辨识方法。本文针对输入输出受噪声干扰的随机系统,通过对系统误差空间的划分,把系统辨识问题转换成了模式识别问题,提出了系统模型描述方法并建立了相应神经网络辨识模型。该模型充分利用了已知干扰的概率信息,可迅速模拟出系统输出的概率分布信息,使辨识的结果更加直观、实用。同时,辨识模型可快速构建的特性,也为随机系统的在线辨识提供了一种可行的解决方法。在系统参数辨识方面,本文基于完备状态点的概念提出了一种新的神经网络集成方法,该方法将系统的类型与参数辨识融为一体,在保证了神经网络集成辨识的精度和泛化能力的基础上,降低了对待识别系统需知测试信息的要求。