人脑是是具有高度智能的复杂系统，它能灵活处理各种复杂的、不精确的和模糊的信息，并具有混沌回想能力。从信息处理的角度对人脑进行研究，并由此研制出一种像人脑一样能够“思维”的智能计算机和智能信息处理方法，一直是人工智能追求的目标。模糊逻辑，混沌理论和人工神经网络技术应运而生，三者都致力于对人脑某一结构或功能的模拟，并取得了一定成就。然而将这三者相融合的研究还刚刚起步，值得我们深入探讨。 已有的模糊神经网络多为静态网络，不存在混沌特性，因而对非线性系统尤其是混沌系统逼近能力较差。将混沌机制引入到模糊神经网络中构成模糊混沌神经网络是一个新的思路和课题。本论文在前人研究的基础上，对模糊、混沌、神经网络的融合技术进行研究，并提出新的构想。具体内容及结果如下： 1．介绍混沌神经网络和模糊神经网络的研究现状，以及动力学系统的相关理论和分析方法。对动力学系统的不同形式分别给出了计算Lyapunov指数的方法，并针对混沌系统着重介绍了小数量法。 2．分析带时延的神经网络的动力学行为。探讨了时延神经元系统的Hopf分岔现象和混沌现象。通过数值仿真和对最大Lyapunov指数的计算，验证了参数取特定值时混沌现象的存在性。 3．介绍T-S型模糊神经网络和递归模糊神经网络模型的结构和参数调整方法。分别对普通非线性系统和混沌系统进行仿真，发现T-S型模糊神经网络容易陷入局部极小点，递归模糊神经网络对混沌系统的逼近能力有限。 4．将混沌机制引入到模糊神经网络中。验证基于混沌BP算法的模糊混沌神经网络的性能。提出基于Logistic映射的模糊混沌神经网络模型，即把Logistic映射引入到动态递归模糊神经网络中。仿真结果表明，模糊混沌神经网络能够提高对普通非线性系统和混沌系统的逼近能力。 5．介绍构成模糊混沌神经网络的其他方法，并提出新的设想。