中文摘要：

细胞神经网络是神经网络领域的热点研究问题之一，其二维结构网络在理论上日趋成熟，它也在工程领域中得到了广泛应用。本项目拟从传统的二维结构细胞神经网络模型出发，对网络的其它各维形态进行研究，通过扩展胞元连接模式建立各维网络的统一表达模型，再从机器学习理论出发，研究细胞神经网络的监督和半监督学习，建立相关算法并分析其收敛性。此外，项目还将对细胞神经网络的新应用进行研究，重点是研究如何利用基于监督学习的三维细胞神经网络来处理点模式结构的立体匹配，以及利用基于增量式半监督学习的高维细胞神经网络来处理大数据量模式分类问题。本课题是对传统二维细胞神经网络模型和应用的一种拓展，其研究目的旨在为细胞神经网络开发更多维数模型，并充分发掘其学习潜力，为模式匹配及分类等经典问题的细胞神经网络解决方案提供理论支持和算法依据。

结论摘要：

细胞神经网络是人工神经网络领域的热点研究问题之一，其二维结构网络在理论上日趋成熟，它也在工程领域中得到了广泛应用。本项目主要从传统的二维结构细胞神经网络模型出发，对网络的其它各维形态进行了深入研究，通过扩展胞元连接模式后，建立起了各维网络的统一表达模型，并且还从机器学习理论出发，研究了细胞神经网络的监督和半监督学习方法，分析了相关算法的收敛性。此外，在课题取得的理论研究成果基础之上，还研究了在DNA序列对齐、文字匹配、最短路径求解以及其它图像处理领域如车型轮廓提取等方面的应用方法。课题组在研究期间，已正式发表了10篇论文，申请了3项专利成果，资助了10名研究生完成硕士学位论文，预计尚有多篇论文待发表。课题总经费57万，经费执行情况良好，实际执行51.8296万元，结余5.1704 万元，执行率90.93%，结余率9.07%。本课题是对传统二维细胞神经网络模型和应用的一种拓展，研究目的旨在为细胞神经网络开发更多维数模型，充分发掘模型的学习潜力，为探索模式匹配及分类等经典问题的细胞神经网络解决方案提供理论支撑和算法依据。