- La plupart des méthodes d'apprentissage fonctionnent avec un seuil de tolérance EPSILON=. Avant d'utiliser ces méthodes, il est préférable de normaliser les données entre 0 et 1, si leur étendue est très grande ou au contraire très faible.
- La procédure d'apprentissage HFP, qui travaille seulement à partir d'un fichier de données, considère que la sortie est unique, et correspond à la dernière colonne de ce fichier.
- Certaines machines virtuelles Java (jvm) ne rendent pas la mémoire, une fois qu'elle est allouée, même si elle n'est plus utilisée. De grands tableaux peuvent être alloués lors de la lecture de fichiers de données volumineux. La seule solution pour libérer la mémoire est dans ce cas de sauvegarder le travail en cours, de sortir de FisPro et de le relancer.