本文研究了多向联想记忆(MAM)神经网络的多稳定性理论与多向联想记忆神经网络存储器的设计方法以及其在多模式识别中的应用。主要内容如下：本文的第二章研究了常系数时滞多向联想记忆神经网络多平衡点的存在性、多平衡点的指数稳定性与渐进稳定性。通过应用Brouwer不动点定理与Dini右上导数,得到了多个平衡点存在的充分条件以及多个平衡点指数稳定的充分条件。研究表明,具有m个域的多向联想记忆神经网络至少存在3l个平衡点,其中2l个平衡点指数稳定,其中l是与神经元数目相关的一个参数。同时,通过一个实例的数值模拟说明了结论的有效性。本文的第三章研究了具有变系数分布时滞的多向联想记忆神经网络多周期解的存在性与稳定性。通过构造合适的Liapunov函数以及Poincare映射得到了多个周期解存在及指数稳定的充分条件。多周期解的存在性与稳定性由系统的参数决定,周期解的数目,由多向联想记忆神经网络的域的数目,以及各个域的神经元个数决定。在一定条件下,具有m个域,每个域中至少有n0个神经元的多向联想记忆神经网络至少具有2m[n0/2]个稳定的周期解。本文的第四章研究了时滞多向联想记忆神经网络多个概周期解的存在性与稳定性,利用指数二分法得到多个概周期解存在与指数稳定的充分条件。在一定条件下,衰减率、连接权值与外部输入为概周期函数的多向联想记忆神经网络具有多个指数稳定的概周期解,数值模拟验证了结论的有效性。本文的第五章研究了基于感知器的多向联想记忆神经网络存储器的设计方法与算法,结合实际例子讨论了具体的设计步骤,并设计多向联想记忆神经网络存储器应用于字符识别,仿真发现所设计的MAM神经网络能作为高效的存储器工作。本文的第六章研究了多向联想记忆存储器在植物叶片的多模式识别中的应用。提取植物叶片的形状特征,利用多向联想记忆存储器成功实现了植物叶片的多模式识别,所有叶片都被正确识别到相应类别。