カオスニューラルネットワークを用いた学習法の一つとして、 ヘッブの学習則を用いた逐次学習法がある。 本研究室の過去の研究から逐次学習法が従来の相関学習に比べ学習の効率がよく、 ネットワークの学習法に向いていることが実証されている。
逐次学習法の特徴として学習条件が成立するたびに結合荷重を変化させるため 従来の学習法に比べ結合荷重の取り得る値の数が多くなる。
始めに結合荷重の量子化をいろいろなタイミングで加えネットワークの学習に与える影響を調べる。 また、その結果から逐次学習法によって学習を行なったネットワークに 量子化の処理を加え、従来の相関学習によって得られる結合荷重に近い条件とし、 その学習および、結合荷重の分布を調べる。