カオスニューラルネットに対して 入力を与えない状態でニューロンを出力更新すると、 学習させた記憶の間をめぐり続ける動的想起とよばれる現象が起こる。 この現象は人間が何かさまざまなことを思いめぐらせている状態に対応し、 これを利用することで記憶情報の検索が可能となる。 検索時、動的想起は検索対象の記憶を取り出すため、 学習した正しいパターンを多く想起できる必要がある。
逐次学習法で多くのパターンを学習させたネットワークで動的想起をさせると、 学習できたパターンの中の わずかなパターンのみしか想起できないことがわかっている[1]。 そこで本研究ではより多くのパターンを動的想起によって想起できるよう、 従来の同期更新のネットワークより ネットワークのとり得る状態数が多いと考えられる非同期更新のネットワークを 用いて学習と想起を行なった。 また、更新規則が違う非同期更新のモデルを２種類挙げ、 どちらが正しいパターンを多く想起しているかを調査した。