事实证明，有一些神经网络旨在处理复数：

复值神经网络综述

基于人工神经网络 (ANN) 的机器学习模型，尤其是深度学习模型，已广泛应用于计算机视觉、信号处理、无线通信和许多其他领域，其中复数自然或设计发生。然而，目前大多数人工神经网络和机器学习框架的实现都使用实数而不是复数。人们越来越关注使用复数构建 ANN，并探索所谓的复值神经网络 (CVNN) 相对于其实值对应物的潜在优势。在本文中，我们通过对文献中关于 CVNN 的工作进行调查来讨论 CVNN 的最新发展。具体来说，在激活函数、学习和优化方面对各种 CVNN 进行了详细回顾，

还有复值 SVM：

复杂和超复值支持向量机：调查

近年来，由于复数和超复数表示与解析信号的兼容性，以及几何实体提供给对象描述符。因此，可以使用这些类型的数据和算法开发一些有趣的应用，例如信号处理、模式识别、电磁信号分类、光、声波/超声波和量子波、复杂域中的混沌、相位和相位敏感信号处理和非线性滤波、频率、时频和时空域处理、量子计算、机器人技术、控制、时间序列预测和视觉伺服等。