本研究では先に述べた、ヘッブの学習法を応用した逐次学習法を用いて ネットワークへ学習を行ない、結合荷重の取り得る値の数を減らし、 従来の相関学習法によるホップフィールドのネットワークと比較を行なう。
ホップフィールドネットにおける相関学習法では結合荷重は 入力パターンの相関行列だけで決定される。 そのため、学習時にはネットワークを必要としない。 また、学習と想起は完全に分離している。
相関学習ではi番目のニューロンからj番目のニューロンへの結合荷重は式(4.1) で一意的に与えられる。
式(4.1) において 
は+1か-1の値をとり、S番目の学習させるパターンのi番目の要素を示す。またNは学習させるパターンの個数である。
相関学習では、
その結合荷重の取り得る値はNから-Nとなる。
またこの学習では 
となる結合荷重の対称性がある。
