本论文是结合教育部骨干教师培养计划项目“模糊混沌神经网络研究”完成的，选题具有重要的理论意义与实际应用价值。 尽管人工智能领域经过几十年的发展已经取得了显著的成果，但是就目前来说我们对于大脑—思维—计算之间关系的研究还刚刚起步，关于脑的计算原理及其复杂性，关于学习、联想和记忆过程的机理及其模拟等方面的研究还处于初级阶段。为了更好的理解人脑信息处理的过程，我们有必要以人工的方法模拟人脑的某些功能。这些方法主要包括：模糊逻辑、人工神经网络和混沌动力学等等。这些学科都属于新兴起的边缘科学，当多种边缘学科发展起来之后，人们往往会注意研究各学科之间的联系，找出其共同的本质。对于模糊逻辑、人工神经网络和混沌动力学的研究也应如此。 模糊逻辑、人工神经网络和混沌动力学都能够反映人脑实现信息处理机理的某一方面，而现存的各种人工神经网络都只能反映这三方面中的一个或者两个方面，也就是说它们没有同时从这三方面考虑建立一种实现人工智能的新方法。 本论文从模糊逻辑、人工神经网络和混沌动力学三方面出发，探索它们之间的相互交叉和融合，对三者结合即模糊混沌神经网络进行研究，试图从另一侧面更加全面的了解人脑处理信息的过程，从而推动人工智能科学向前发展。 本文设计了一种模糊混沌神经网络模型，将其命名为协作型模糊混沌神经网络，推导了协作型模糊混沌神经网络的数学模型，给出了该网络的训练算法。分析了它的混沌特征。该网络在结构上为神经网络，具有混沌特性，在功能上是模糊系统。并利用此网络进行了建模研究。 本文所做的工作主要有： 首先，简要介绍Sigmoid混沌神经网络模型并深入分析该模型的动力学特性，这主要包括分析只含有一个神经元时系统的Lyapunov特征指数、分岔现象以及系统的耗散性。并提出相关定理。