本文重点分析了连续时间和离散时间Hopfield网络的动力学行为,提出了设计各种神经记忆存储器的方法,并研究了神经记忆存储器在信息恢复、模式识别和系统评价等方面的应用.主要内容如下:本文的第二章研究了不对称连续时间Hopfield网络的动力学行为,给出了网络全局和局部稳定性的充分条件.进一步的,利用矩阵分解和单层前向神经网络的方法,提出了用于不对称Hopfield网络设计的新方法.另外通过仿真讨论了连续时间Hopfield网络在信息恢复和模式识别方面的应用.本文的第三章分析了不稳定的且具有不对称连接权值的Hopfield网络的动力学行为.研究发现网络的状态是有界的,而且网络是一个耗散系统.仿真发现一些Hopfield网络具有两个独立且关于原点对称的极限环或者混沌吸引子.基于此结果,本文提出了一个新的分段线性激活函数的混沌Hopfield网络.本文的第四章基于矩阵分解和连接权值删除策略,提出了一个简单且有效的设计稀疏对称离散时间Hopfield网络的方法.仿真表明,虽然大约80%的连接权值被删除了,但是所设计的稀疏网络仍然可以精确地恢复所存储的模式.本文的第五章分析了不对称离散时间Hopfield网络的动力学行为,给出了赋予网络记忆恢复能力的充分条件.另外基于权值删除策略和矩阵分解,提出了用于全连接和稀疏连接的不对称离散时间Hopfield网络设计的方法.仿真结果表明所设计的不对称离散时间Hopfield网络可以作为高效的记忆存储器来工作.本文的第六章基于一种退化的Cohen-Grossberg网络和连续时间Hopfield网络,研究了神经记忆存储器在彩色图像恢复中的应用.仿真发现所设计的神经记忆存储器可以有效地对灰度和真彩色图像进行记忆恢复.本文的第七章以顾客满意度测评及企业信用风险评测为例,探索了神经记忆存储器在系统评价等领域的应用.