(1) 網絡的使用利用聯(lián)想記憶法則。

(2) 根據(jù)現(xiàn)代認知心理學的理論，通過組塊聯(lián)想記憶法進行英語詞匯教學可以有效提高學生的詞匯應用能力。

(3) 介紹了應用于灰度圖像的聯(lián)想記憶和識別的動態(tài)核方法，給出了動態(tài)核選擇的原則和途徑。

(4) 在協(xié)同學中，模式識別及聯(lián)想記憶可以看成是在一個非線性動力學系統(tǒng)中的動態(tài)過程。

(5) 基于此，給出了雙向聯(lián)想記憶網絡的開關電流電路。

(6) 聯(lián)想記憶是人腦的一項重要功能。

(7) 提出了一種基于切比雪夫插值的高階聯(lián)想記憶系統(tǒng)，能提供對任意階多變量多項式函數(shù)的無誤差逼。

(8) 本文提出了一種異聯(lián)想記憶模型的優(yōu)化學習算法。

(9) 在純記憶區(qū)，偽吸引子被完全消除，因此它非常適合于聯(lián)想記憶的應用。

(10) 在動態(tài)核模型的基礎上，推導出了一種聯(lián)想記憶模型。

(11) 聯(lián)想記憶是人類腦細胞的重要功能之一。

(12) 數(shù)獨和填字謎游戲被說成是可以改善聯(lián)想記憶的技能，然而批評者們認為只有用上那些填字游戲才知道。

(13) 聯(lián)想記憶法常用于一些有具體情境的識記材料,如一些寫景、敘事的文章,一些英語情境對話等。

(14) 類比知識間的異同,聯(lián)想記憶;把知識編成順口溜,口訣記憶;繪制直觀圖以形助教,數(shù)形結合記憶;挖掘本質的屬性,特征記憶;整理概括,系統(tǒng)記憶等。

(15) 本文是在MBAM的基礎上，提出了一種利用動態(tài)核的形態(tài)聯(lián)想記憶網絡，其目的是解決含有任意隨機噪聲圖像的聯(lián)想記憶問題。

(16) 文中用作者提出的通用前饋網絡和排序學習算法，提出了一種設計具有期望容錯域的前向掩蔽聯(lián)想記憶模型的方法。

(17) 已有的研究結果表明，混沌神經網絡在求解復雜優(yōu)化問題和聯(lián)想記憶等方面比現(xiàn)有網絡有著更好的性能。