特徴とは、例えばアルファベットで考えると、 ``中心から縦にひいた線を境にして左右の形が等しい''といえば、 A,H,I,M,O,T,U,V,W,X,Y があげられ、 ``中心から横にひいた線を境にして上下の形が等しい''といえば、 B,C,D,E,H,I,O,X があげられ、また ``中心から縦にひいた線を境にして左右の形が等しく、 中心から横にひいた線を境にして上下の形が等しい''といえば、 H,I,O,X があげられる。これが特徴であり、これを数式化（あるいは数値化） したものが特徴量である。
| − | バツ | 三角 | 波 | 星 |
| 特徴1 | 0 | 0 | 1 | 1 |
| 特徴2 | 0 | 1 | 0 | 1 |
今回の実験では、 図 6.2 に示すような 4種類のパターンを相関学習により記憶させ、 それぞれのパターンに対し、 表 6.1 のように特徴を割り当てた。 ただし、特徴1とは``安定しているか否か''によって、安定しているパターンには 特徴量0を、安定していないパターンには特徴量そして、 特徴2には``開放しているか否か''によって、開放しているパターンには 特徴量0を、開放していないパターンには特徴量1を割り当てた。 この場合の``解放''、``安定''というのは、 パターンの``見ため''で判断したものである。
この特徴量をサーチアクセスを実行するプログラムに利用する事によって、 100個のニューロンからなる出力結果を、2個の値としてみることができ、 また逆に、 2個の特徴量から、100個のニューロンからなる出力結果を検索できる。