امروزه ذخیره و پردازش اطلاعات یکی از مسائل مهم در بسیاری از سیستم های تحقیقاتی و کاربردی به حساب می آید. در کامپیوترهای مرسوم اطلاعات براساس آدرس خانه حافظه آنها فراخوانی می شوند اما همزمان با روی کار آمدن کامپیوترها، شبیه سازی رفتار انسان در فرآیند ذخیره و بازیابی مورد توجه قرار گرفته است. حافظه های انجمنی یکی از روش های ذخیره و بازیابی اطلاعات است که از شیوه تداعی اطلاعات در ذهن انسان الگو برداری کرده و اطلاعات را براساس همبستگی میان آنها ذخیره می کند. این روش کارایی بالاتری به نسبت روش مرسوم ذخیره و بازیابی براساس آدرس فراهم می سازد. حافظه-های انجمنی مرسوم ارائه شده اگرچه توانایی مناسبی در ذخیره و بازیابی اطلاعات فراهم می سازند، دارای ظرفیت ذخیره سازی محدودی هستند. در این پژوهش یک حافظه انجمنی ناهمگون نوین ارایه شده است. در ساختار ارایه شده از یک روش یادگیری جدید براساس روش یادگیری اسپارس استفاده شده است که ظرفیت ذخیره سازی الگوها را افزایش می دهد. همچنین براساس الگو برداری از حضور پدیده آشوب در فرآیند پردازش اطلاعات در ذهن انسان، از این پدیده در ساختار خود استفاده نموده-ایم. پدیده آشوب با فراهم ساختن امکان جستجوی سراسری آشوبگونه، دقت بازخوانی الگوها را افزایش می دهد. ساختار ارایه شده دارای قابلیت یادگیری متوالی است به طوریکه قادر است الگوی جدید را حتی پس از مرحله آموزش یاد بگیرد و مرحله آموزش و بازخوانی از هم تفکیک شده نیستند. همچنین ذهن انسان ویژگی تداعی چند به یک را فراهم می سازد به طوریکه قادر است از روی هر یک از چندین الگوی مرتبط، الگوی خروجی متناظر آنها را تداعی کند. همچنین با بکارگیری یک دسته بندی کننده بازه ای به کمک شبکه عصبی راف و تشخیص کلاس داده ورودی قابلیت تداعی چند به یک نیز به شبکه اضافه شده است. کلید واژه: حافظه انجمنی، شبکه های عصبی آشوبگونه، تئوری آشوب، تئوری مجموعه بازه ای.