本文从Freeman的生理学实验和仿真实验的结果出发,综合了Freeman和Tsuda对生物神经网络中混沌动力学的解释,从信息流动的角度论述了在生物神经网络中混沌存在的必要性和引入混沌机制的人工神经网络模型所具有的信息处理的潜力,指出认知系统对外界输入的反应是其动力学行为性质的改变而不仅是静态的数值输出.并认为具有混沌动力学性质的神经网络应同时具有模式分类器和解释器的双重作用.这一结合来自于系统的混沌动力性质.描述了混沌在模式识别中的作用,指出了其相对ART等传统神经网络模型的一些优势.部分结论在仿真实验中得到了证实.