自从1982年,J.J.Hopfield发表了他早期的论文[1],并提出了离散型的Hopfield神经网络[1][2]以来,由于其简单和快速收敛的特性,而在各个领域得到了大量地运用[3]-[10]并且快速地发展。最近,E.M.Casermeiro等提出了一个多值自联想反馈神经网络(MREM)[11],它是对Hopfield神经网络的扩展,使得其不仅能像Hopfield网络那样存储二进制样本和两极样本(bipolar sample)而且能够存储多值的样本(比如red, green, blue)。可是,它的容量与传统的Hopfield神经网络相比,相差不多。为了进一步提高多值自联想反馈神经网络的容量,本文提出了核化的多值自联想反馈神经网络(KARN),该网络利用核函数把维数较低的样本映射到高维空间,再通过能量函数来计算经过核化的多值网络的容量。理论与实验结果表明,核化后的KARN与MREM相比,能够有效地提高网络的容量。本文还论述了目前普遍使用的光谱自联想反馈神经网络(SARN)[12],并且将神经元状态取值的多样化和光谱自联想反馈神经网络的理论相结合,提出了多值光谱自联想反馈神经网络(MSARN),相对于光谱自联想反馈神经网络,多值光谱自联想反馈神经网络的主要优势在于有效扩大了网络的神经元状态的取值范围,使其不仅仅能存储两级样本,而且能够存储其他一些值(比如:waves, colors,等等),这样能够使得神经元之间的联系更为紧密。