为了设计出记忆性能较优的人工神经网络，本文比较了各种不同连结的联想记忆神经网络的记忆性能，并且提取出了刻划其性能的关键特征量。 受到自适应控制方法的启发本文提出了一种变时滞神经网络的同步和镇定的方法，并且可以基于同步对其连结权重进行估计。此方法是结合反馈控制和自适应策略，借助Lyapunov泛函方法及LaSalle不变原理提出的，具有很强的抗噪声能力，并且在控制对象的参数发生大范围变化时能够自觉调整控制器本身的参数使其达到同步或镇定。数值仿真结果很好的展现了此自适应方法的优点。 具体地，本文的研究内容及创新之处如下： 一、第一部分比较了通过规则网，随机网，小世界和无尺度连结的联想记忆神经网络的性能，并由此得出网络连结越随机，越无序，其记忆性能越好。 二、对于参数未知的变时滞混沌神经网络，提出了一种自适应策略使其同步和镇定。在第二部分应用Lyapunov泛函方法及LaSalle不变原理，研究了混沌神经网络的同步和镇定，并给出了一种基于同步的参数识别方法。在第三部分，自适应方法被用于控制不同的参数未知的混沌系统，并使其同步。