در این پایان نامه یک شبکه عصبی‎ltrfootnote{‎neura‎l network}‎ تک لایه بازگشتی برای ماشین بردار پشتیبانی‎ltrfootnote{support vector machine} (svm)‎ در الگوی یادگیری طبقه بندی و رگرسیون را ارائه می کنیم. اولین مساله یادگیری ‎svm‎ تبدیل به فرمول معادل آن، و پس از آن یک لایه شبکه های عصبی بازگشتی برای یادگیری ‎svm‎ پیشنهاد شده است. شبکه عصبی پیشنهادی برای به دست آوردن راه حل بهینه از طبقه بندی بردار حامی و رگرسیون تضمین شده است. شبکه های عصبی موجود دو لایه برای طبقه بندی ‎svm‎، در مقایسه با شبکه عصبی پیشنهادی پیچیدگی کمتری برای پیاده سازی دارد. علاوه بر این، شبکه عصبی پیشنهادی می تواند همگرای نمایی به جواب بهینه از یادگیری ‎svm‎ باشد. نرخ همگرایی نمایی می تواند به سادگی با تبدیل کردن یک پارامتر مقیاس به صورت دلخواهی بالا رود. نمونه های شبیه سازی بر اساس مشکلات پایه مورد بحث قرار گرفته اند تا عملکرد درست شبکه عصبی پیشنهادی برای یادگیری ‎svm‎ نشان دهند‎.