近年、人間のように柔軟な情報処理を行なう手法として、ニューラルネットワーク、ファジィ、遺伝的アルゴリズムなどと並んでカオスが注目されている。そして生体の脳の神経回路網で観測されるカオスは、脳における記憶や学習に重要な役割を果たしていると考えられている。 そのため、人工的なニューラルネットワークの研究においてもカオスを導入した研究が行なわれており、カオスの果たしている役割について様々な議論がなされている。 合原らは、ヤリイカの巨大軸索に周期刺激を与えた時にカオス応答を示すことを発見し、カオス的ダイナミクスを有するカオスニューロンモデルを提案している。これは、従来のニューロンモデルに実際の神経細胞に見られる時空間加算、不応性、連続値出力を考慮することによってカオスを導入したモデルである。[1]
Freemanらは、ウサギやラットに既知のにおい刺激を与えると嗅球の集合電位が基底カオス状態から安定なリミットサイクル若しくは弱いカオス状態へと遷移する一方、未知のにおい刺激を与えると基底カオス状態とは異なるカオス状態が形成されることを実験的に示している。彼らはカオスが記憶探索する媒体としてだけではなく、新しい感覚パターンを識別 
学習するためにも使われていると考えている。[2]
このように、生体中に数多く発見されつつあるカオスが一体どのような役割を担っているのか、またそのようなカオスダイナミクスは人工ニューラルコンピューティングにおいてどのように利用できるかという問題は興味深い課題である。
また一方で、人間の連想記憶機能を模擬する試みも盛んに行なわれており、ホップフィールドネット、アソシアトロン、双方向連想メモリなど多くの連想記憶モデルが提案されている。従来の連想記憶モデルの多くは、学習時にパターンの相関行列に基づいて重みを学習し、想起時にはその重みを利用して想起を行なうというものである。この学習のしかたは結合荷重を他のニューロンとの関係だけで決めるものである。
本研究ではカオスを用いて、新しいパターンを識別し追加学習を行なうカオスニューラルネットワークを構築し、またニューロンの内部状態により結合荷重を変化させる学習法を構築できるか検討する。