膜计算作为自然计算的重要分支,主要研究目标是从组织或器官等活细胞的结构与功能当中抽象出的一种计算模型。经过将近20年的发展,膜计算领域已硕果累累:在理论研究方面,有一些计算能力与图灵机等价的计算模型已被提出,还有若干能够在多项式时间内解决NP完全问题的计算模型也被提出;在实际应用方面,已有科学家成功地将膜计算这一学科广泛应用于机器人控制机制、某些系统故障诊断和数据建模等领域。脉冲神经膜系统是一种新型的膜计算模型,受到神经元之间以脉冲作为信号进行通讯的方法启发。传统的脉冲神经膜系统一般以顺序模式(一个时间单元内某个可用规则只能应用一次)或穷举模式(一个时间单元内某个可用规则尽可能多次使用)来使用规则。基于这两种不同应用规则模式的脉冲神经膜系统已经得到大量研究,因此本文考虑一种通用模式(将顺序使用规则的方式与穷举使用规则的方式做一个结合):如果某条规则在某一个时间单元内可用,那么它可以被系统非确定地选择应用最大范围内任何可能的次数。已有研究证明以通用使用规则方式的脉冲神经膜系统可以生成或识别图灵可计算的数字集合,本文主要在此基础上通过把该系统作为语言产生装置继续做一些相关研究。具体来说,本文将某个时间单元内输出神经元发出的脉冲标记为一个字符,以此构建了该系统所产生的语言集。主要工作如下:(1)本文通过构造通用使用规则的脉冲神经膜系统准确刻画了有限语言族FIN,同时还探究了由该系统产生的语言集与正则语言族REG的关系。初步探究以通用模式应用规则的该系统的语言产生能力。(2)在允许足够充足的神经元的情况下,通过将以顺序模式和穷举模式相结合的一种以通用模式使用规则的脉冲神经膜系统来模拟注册机,以此证明其能够刻画递归可枚举语言族RE,从而可以得到该系统的计算完备性。(3)基于通用模式下的脉冲神经膜系统,给出了判定形式下大数分解问题的一种解。综上,本文以基于以通用模式应用规则的脉冲神经膜系统的语言产生能力为研究目标,最终证实其计算能力与图灵机等价,还在解决数学问题上进行了应用,不仅丰富了脉冲神经膜系统领域的理论研究,并且为后续对其计算效率的研究证明以及实际应用都奠定了理论基础。