実験方法は前章と同様であるため， ここでは今回の実験のネットワークモデルについてを説明する．
今回の実験で比較するモデルは， 「非同期学習＋同期想起」のネットワークモデルと 「同期学習＋非同期想起」のネットワークモデルである． この２つについて，想起パターン数，想起率，想起度数の偏りを調べる．
「非同期学習＋同期想起」は非同期で学習し同期で動的想起をするモデルである． 学習時は１パターンにつき１セットあたり2450ステップ入力し，非同期で学習を行う． その後の動的想起は同期とし，400,000ステップ動かす． もう一方の「同期学習＋非同期想起」は学習を同期で行い，動的想起を非同期で行うモデルである． 学習時の入力は１パターンにつき１セットあたり50ステップで， 動的想起は，2,000,000ステップ行う．実験のイメージを図6.1に示す．
ここでの非同期における動作素子の決定方法は，制約ありの乱数とする． 制約あり乱数の非同期を使用する理由は， 前章の実験で動的想起の状態が一番良かったことと， 乱数に制約があるため全ての素子が必ず同じ回数動作するため， 学習と想起において同期との整合がとりやすいためである．
