In questa tesi sono state realizzate e sperimentate delle architetture di nuova generazione nell'ambito delle rete neurali artificiali. L'uso di reti neurali artificiali nell'ingegneria è in rapida crescita nell'ambito del riconoscimento di pattern, classificazione e predizione. Una differenza importante nelle generazioni recenti di reti neurali artificiali è quella di incorporare il tempo nel loro modello operativo.
In questa ricerca sono state indagate delle reti neurali artificiali con pesi e soglie dinamiche. Tali dinamiche si ispirano alle leggi note nelle neuroscienze come leggi di Hebb le quali sono alla base per la modellazione della plasticità delle sinapsi: ossia la capacità di rinforzarsi ed indebolirsi nel tempo in base agli stimoli esterni.In particolare nell'architettura realizzata sia i pesi che le soglie seguono un pattern di comportamento basato sulla stigmergia computazionale. Lo studio analitico e i successivi esperimenti hanno dimostrato la capacità di tale architettura di distinguere pattern non lineari nel tempo ed di raggiungere le stesse performance delle reti di generazione precedente ma essendo di due ordini di grandezza più piccole ed efficienti.