二进神经网络是应用于布尔空间的神经网络，知识提取是它的一个重要研究领域。由于二进神经网络的学习算法是多种多样的，因此在一个学习后的二进神经网络中，可能存在不同的神经元属于不同的几类线性可分结构系的情况，因此研究二进神经网络中各类线性可分结构系的判别方法和逻辑内涵，对二进神经网络的规则提取是十分有意义的。 论文介绍了二进神经网络的研究现状和基本理论，通过讨论KT方法、MofN规则表达形式以及蕴含性规则和等价性规则的差异，提出了从分析二进神经元权值、阈值关系的角度进行规则提取研究的WTA方法。超立方体结构、汉明球、SP函数和笛卡尔球是布尔空间中几种重要的线性可分结构系，本文为这几种线性可分结构系分别建立了在二进神经网络中的一般判别方法和构造方法，此外，还提出了LEM规则和GEM规则表达形式，定义了布尔空间中笛卡尔球的概念，证明了笛卡尔球是一类线性可分结构系，剖析了汉明球和笛卡尔球的逻辑内涵。 另一个研究成果是在分析线性可分和样本连通性关系的基础上，以MIS问题为例，讨论了抑制神经元在二进神经网络规则提取中的独特作用，提出了二进神经网络的模式匹配学习算法，采用这种算法对布尔空间的样本集合进行学习，得到的二进神经网络隐层神经元都归属于一类或几类线性可分结构系，只要这几类线性可分结构系的逻辑意义是清晰的，就可以分析整个学习结果的知识内涵。