人工神经网络,简称神经网络,是一种模仿生物神经网络结构和功能的数学模型,由多个人工神经元互相连接构成。神经网络能够通过神经元之间的相互作用,表现出复杂的动力学特性,是一种高度的非线性动力学系统,具有并行处理能力、信息存储能力、容错能力、自组织和自适应能力。混沌是一种普遍存在的非线性现象,其行为复杂且貌似随机。生物实验表明,生物脑神经系统中存在有混沌现象,神经网络与混沌密切相关。引入混沌动力学的神经网络,即混沌神经网络,被认为是可实现其真实世界计算的智能信息处理系统之一,广泛应用于优化计算、模式识别、图像处理和联想记忆等领域。本文系统深入的研究了混沌神经网络的理论知识,介绍了混沌理论的相关内容,包括混沌的提出,混沌的特征,混沌与神经网络的结合；然后详细讲述了混沌神经网络在分离叠加模式、多对多联想和连续学习中的应用。进一步,文章通过对第四种基本电路元件——忆阻器的基础特性分析和研究,提出了将忆阻器用于混沌神经网络构建忆阻混沌神经网络的方法,利用忆阻器来实现混沌神经网络中的迭代运算,并通过计算机仿真验证了方案的可行性,能够实现分离叠加模式、多对多联想和连续学习。该方案有望大大简化混沌神经网络结构,有利于混沌神经网络的电路实现。同时,忆阻器独特的特性使其非常适合用来构建突触电路,以实现混沌神经网络中的连接权值。文章详细介绍了几种突触电路的实现方案,提出了一种基于放大电路的忆阻突触模型。理论推导和计算机仿真证明其能够实现正负突触权值。在此基础上,提出用自旋忆阻器来构建桥电路以实现突触权值,由于自旋忆阻器的阈值特性,基于自旋忆阻器的桥电路突触模型在突触参数设定上具有更加优秀的表现。最后,对基于此桥电路模型的混沌神经网络的联想记忆能力进行了详细的分析,通过引入延迟反馈控制信号成功实现了对网络的控制,使得网络的输出具有周期性。本文的研究成果将推动混沌神经网络的发展,有望简化混沌神经网络结构,为其物理实现提供了理论基础。