Запропоновано модель асоціативної пам'яті на базі клітинної нейронної мережі з архітектурою, яка залежить від даних, що запам'ятовуються. Показано переваги такого підходу у порівнянні з фіксованою архітектурою, що задається незалежно від даних, а також у порівнянні з повнозв'язною асоціативною мережею, для якої проведено процедуру селекції зв'язків. Окрім безпосереднього експериментального порівняння розглянутих алгоритмів навчання клітинних мереж, також обгрунтовано та проведено порівняння одержаних мереж за їх побічними ознаками.

Розглянуто структуру та функціональні можливості однієї з перших вітчизняних нейропрограм професійного рівня - комплексу NeuroLand. Наведено технологічні й експлуатаційні дані програми, а також результати порівняних іспитів, що демонструють її переваги перед відомими нейропрограмами професійного класу.

Зазначено, що Неповнозв'язна нейронна асоціативна мережа з архітектурою "тісного світу" забезпечує краще асоціативне відновлення даних, ніж нейронна мережа з такою ж кількістю регулярно розміщених зв'язків. У даному разі архітектура "тісного світу" зберігає такі переваги регулярної топології, як локальний характер зв'язків та їх малу сумарну довжину. Запропоновано модифікацію побудови архітектури "тісного світу", яка враховує особливості нейронної асоціативної пам'яті і, як наслідок, дозволяє досягти подальшого покращання її асоціативних якостей.