由于神经网络是高度非线性动力学系统，而混沌又具有上述的特性，因此神经网络与混沌密切相关，所以混沌神经网络被认为是可实现其真实世界计算的智能信息处理系统之一。目前对混沌神经网络的研究还处于初始阶段，其研究主要限于认识单个神经元的混沌特性和对简单混沌神经网络的行为分析。1990年，Aihara等在前人推导和动物实验的基础上，给出了一个混沌神经网络模型。大量的生物实验表明，脑神经系统具有分岔、混沌和奇怪吸引子动力学行为，然而，神经网络作为一个极其复杂的非线性系统是否也具有类似的动力学行为呢？下面先介绍两种混沌神经元的基本模型，并对神经元模型特性进行分析，进而引出了混沌神经网络模型。
目前广泛研究的混沌神经网络模型是在Hopfield神经网络中引入了一个具有混沌特性的负反馈项，进而得到了混沌神经网络模型，因此在深入研究混沌神经网络之前，有必要先介绍一下Hopfield神经网络。美国物理学家J.J.Hopfield首先提出一种单层反馈网络系统，这种单层反馈网络就称为Hopfield网络。反馈神经网络的非线性和高维数，使得现有工具难以确定其状态轨迹，甚至可能出现混沌现象。由于具有混沌特性的神经网络其动力学特性十分复杂，因此获得了广泛研究
