摘要：本文提出了一种用基因算法（ＧＡ）来进行模糊联想记忆（ＦＡＭ）系统设计的方法──基因ＦＡＭ法。同自适应模糊联想记忆（ＡＦＡＭ）和神经网络设计方法相比，该方法不要求有训练样本；而且可以设计出好的ＦＡＭ系统最后，举例说明了该方法的应用。

摘要：本文提出了一种特殊的模糊联想记忆系统（ＦＡＭ）─正则模糊联想记忆及其学习算法─正则化学习算法．正则模糊联想记忆具有比一般方法所设计的模糊联想记忆更好的性能，且其性能受训练数据不足和训练数据噪声的影响很小．最后，举例说明了正则模糊联想记忆在模糊控制器中的应用．

摘要：基于模糊联想记忆（ＦＡＭ）系统的特点，阐述了一种ＦＡＭ系统规则提取的方法．在已知控制系统输入特征空间的划分时，规则的提取可以转化为聚类平面的问题；当可以确定输出变量的语言值的个数时，首先利用数据各维直方图抽取平衡点处的规则，然后通过聚类平面将其余规则的提取转化为分类器特征空间的划分问题，用树型分类器确定输入特征空间的划分．倒车系统ＦＡＭ控制器的设计证明了该方法的有效性．

摘要：提出了最大最小联想记忆网络的一种动态调整学习算法，分析了动态调整算法所设计出的连接权阵网络对记忆模式对吸引域的影响．在一定条件下，它能够简便而有效地对训练模式进行联想推理．首先给出了一种快速调整学习算法，再进一步发展了一个动态指数细调规则学习算法，它以快速调整学习算法的结果作为连接权矩阵的迭代初值．计算机实验结果表明了所提学习算法的优越性．

摘要：将小世界网络体系与神经网络融合设计,提出了一种基于小世界体系的模糊联想记忆模型,采用伪逆学习规则设计联想记忆权值,然后计算权值模糊隶属度,最后动态构造小世界神经网络模型。针对电机故障诊断进行了应用研究,仿真结果验证了本文所提算法的模式存储和联想记忆的性能最优性。

摘要：经过多年的发展,人工神经网络在传感器信息处理、信号处理、自动控制、知识处理、运输与通信等领域都取得了较大的发展,但是在建筑设计工程方面却涉猎较少。本文简述神经网络的发展和基本原理(包括模糊联想记忆),重点研究分析神经网络(FAM网)在民用建筑设计工程中的应用。在此基础上,提出了建筑设计领域应用神经网络尚需进一步研究的问题。