در قسمت اول پایان نامه برای درک بهتر موضوع ابتدا توضیح مختصری راجع به بیولوژی سلول های عصبی قسمتهای مختلف بدن بخصوص مغز انسان داده می شود. سپس از نحوه عملکرد و ارتباط سلولها با یکدیگر الگوهای ریاضی و شبکه های عصبی مصنوعی مورد بررسی قرار می گیرند. لازم به ذکر است نرونهای مورد بحث شکل بسیار ساده ای با نرونها بیولوژیکی بوده که می توانند به عنوان عنصری از یک برنامه کامپیوتری یا چیپ نیمه هادی در نظر گرفته شوند. آموزش یک شبکه نرونهای مصنوعی با بکارگیری سازه های با درجات آزادی بالا و تعدادالمانها سیستم را قادر به حل های کمینه در سازه های همان تیپ با حداقل دوره زمانی می نماید. برای این منظور یک نرم افزار کامپیوتری به نام ‏‎nets‎‏ که در آن روش پس انتشار خطا تعبیه شده برای کمینه نمودن درصد خطا و آموزش سیستم سازگار می گردد. بخش دوم پایان نامه در باره آنالیز و بهینه سازی خرپاهای دوبعدی و سه بعدی است . ابتدا به منظور بهینه سازی لازم است یک سازه خارج از محدوده قیود تحلیل شده در نهایت تنش های المان و تغییر مکانهای گره ای محاسبه شوند. این در حالی است که آنالیز خرپاها از طریق روش المان های محدود صورت گرفته همچنین از متدهای ‏‎sqp ,slp‎‏ جاییکه کمینه سازی وزن مدلها مقید به تنش اعضا و تغییر مکانهای گره ای هستند، استفاده می گردد. در قسمت پایانی این تحقیق مجموعه مقادیر بهینه سازی خرپاهای دوبعدی و سه بعدی به داخل سیستم ‏‎ann‎‏ تغذیه شده تا خطای ماکزیمم کمینه سازی روی نتایج خروجی تا حد 001/0 نزدیک گردد. این مرحله هنگامی که آموزش سیستم ‏‎ann‎‏ به پایان رسیده باشد. از این رو جهت آزمایش شبکه های مورد نظر شماری از خرپاهای بینابینی که آموزش روی آنها صورت نگرفته است مستقیما در خلال سیستم بهینه می شوند. بنابراین صحت کیفیت و دقت یادگیری از مقایسه نتایج حاصله با مقادیر دقیق برنامه های بهینه سازی بدست خواهد آمد.