中文摘要：

本项目对于时空序列的学习、存储、识别与滤波等方面进行了理论与应用研究,取得了如下主要成果: (1). 获得了延时递归神经网络关于时空模式序列进行学习的匹配原理、有关学习算法和记忆（存储）能力和容量。(2). 提出了一种地址记忆和内容地址记忆相结合的混合联想记忆模型，对于认识大脑中信息存储与恢复，建立新型数据库结构具有重要的价值。(3). 提出了一种实时二元模式识别神经网络模型，能够在噪声环境下对一组二元模式进行实时模式识别，并可应用于二元时空序列的实时识别。(4). 建立了一种新型的时空滤波器，对一般时空序列进行学习与记忆，并在噪声环境下进行识别。(5). 在语音压缩编码和IP电话进行了一些应用等。