人工神经网络是复杂网络的重要分支,而形态学联想记忆是人工神经网络的重要组成部分。众所周知,不同的网络结构有着截然不同的物理动力学特性。本文研究工作围绕形态学联想记忆神经网络展开,重点研究了复形态双向联想记忆网络性能及模糊形态学联想记忆在模式识别中的应用。本文第二章详细分析了人工神经网络的结构、学习规则、神经元的节点特性及其应用领域,阐述了形态学联想记忆的工作原理。随着人工神经网络的理论和应用的研究不断深入,实数域内神经网络不能分析和处理复信号和复模式,对此复数域内人工神经网络的研究成为了国内外学者的研究热点。第三章在复形态联想记忆网络的基础上,通过引用偏序关系定义复数的大小,改变网络的拓扑结构,提出了复形态双向联想记忆网络,并对该网络的抗噪声能力、自联想的稳定性和存储能力等相关性能进行了定性分析,运用该网络对字符进行自联想记忆仿真实验,验证了该网络的有效性。模糊神经网络是人工神经网络和模糊逻辑系统有机结合,广泛应用于客观世界中的不确定性和模糊性信息的处理。第四章对模糊形态学联想记忆在模式识别中的应用进行了分析研究,介绍了模糊形态学联想记忆网络的模糊理论知识和网络相关性能、模式识别的工作原理和几类识别方法,并基于模糊形态学联想记忆方法对灰度图像进行识别,识别结果表明该方法可识别含一定噪声的灰度图像。