人間の脳には140億ものニューロン（神経細胞）が存在するといわれ、 これらがシナプス結合することによって巨大かつ複雑なネットワークを構成している。 ニューロンは単体での活動は単純であるといわれている。 ところが、人間は学習した内容を素早く思い出すことができる。 また、視覚、聴覚、嗅覚、味覚、触覚といった外部から伝わるものを 一瞬にして信号に変換し、脳内でこれらの情報を処理することができる。 これらの情報は体験として脳内に記憶され、素早くに想起することが可能である。 これらの働きは脳内のニューロンのネットワーク、 ニューラルネットワークによるものである。 ニューラルネットワークは、優れた並列処理機構であるといってよい。 脳の想起、学習する、 などの働きは現在の電子計算機である ノイマン型コンピュータより遥かに優れている。
このような脳の働きを、 工学的にモデル化したニューロンで疑似的に再現しようというのが ニューラルネットワークである。 効率的にモデル化されたニューラルネットの利用の幅は工学的に見ても とても幅広いものである。 例えば、文字や音声・画像を認識し、 柔軟な判断をすることができるようになる。 このような働きをすることができる事は、大きな魅力である。
ニューラルネット研究は、 1943年のマッカロ(W.S.McCulloch)とピッツ(W.Pitts)の研究に始まる。 彼らは、ニューロンは興奮状態になると 、出力側の軸索に１に量子化された電気パルス列の信号を出力し、 非興奮状態にある時は0に量子化された信号を出力すると考えた。 また、ニューロンには樹状突起がありそこに他のニューロンからの 軸索が結合しており、ここから信号を受けとる。 この結合部はシナプス結合と呼ばれる。 受けとった出力の総和がニューロンごとに決められたしきい値を越えると興奮し、 そのしきい値以下なら興奮しないと考え、ニューロンのモデル化を行なった。 彼らはシナプス結合の強さはすべて等しいと考えていたが、 後の研究者達はシナプス結合の強さはそれぞれ異なり、 その強さによった刺激が伝搬されると修正した。
1949年にヘッブ(D.O.Hebb)は、ニューロンが興奮状態となり、 刺激を出力すると、 その刺激を伝えた結合はより強くなりより刺激を伝えやすくなるという仮説を立てた。 この仮説によりニューロンが可塑性を持ち、 認識や記憶のもとになっていると主張した。
1982年、神経回路網のダイナミクスの研究を行なっていた アメリカの物理学者ホップフィールド(J.J.Hopfield)によって ホップフィールドのモデルが提案された。 彼は、ニューロンの発火のアルゴリズムと結合係数の組が決められた神経回路網に、 適当に与えられた興奮パターンが安定には存在しえず変化していくとき、 それにつれて必ず減少していくエネルギー関数が定義でき、 その関数の極小値に達するときパターンは安定になるという 神経回路網のダイナミクスを示した。 この極小値に対応するパターンを記憶パターンとすれば、 ネットワークは適当な刺激パターンから記憶パターンを想起する 連想記憶装置となるわけである。
一方、生体としてのニューロンの研究も行なわれた。 ヤリイカの巨大軸索の実験などによってニューロンにはカオス的な反応が認められた。 それを受けて1990年、合原らがカオスニューロンモデルを発表した。 生体にはごく自然に存在するとされるカオスの要素を導入することで、 ニューラルネットワークがより実際の脳の動作に近くなると期待された。
本研究ではカオスニューロンのネットワークに逐次学習法を用いて学習を行う。
逐次学習法とはヘッブの理論に基づき、
互いのニューロンが同じ状態にあるときシナプス結合を強め、
互いに異なる状態にあるときはシナプス結合を弱めるという動作を行なうことで、
個々のニューロンが自分自身の内部状態により結合を変化させるか判定を行ない、
追加学習を行なう学習法である。
この学習法を繰り返し行なうと、
シナプス結合である結合荷重の絶対値が徐々に大きくなってしまう。
そこで、結合荷重に対して規格化処理を加えることで増加を止めることを考える。
そして、規格化処理を行なうことによって行なわない場合と学習能力の変化について調べる。
また、結合荷重の規格化の値は不応性項の 
とも密接な関係があると考え、
それについても調べる。