この条件式は、相互結合項と不応性項の和と、外部入力項との積が負の時に、積が正になるまで 結合荷重を変化させることで学習することを表している。積が正であるか負であるかの判定をで きるようにするために、逐次学習方で用いる出力関数は、式(4.2)のものを使用する。
学習による結合荷重の変化は、相互結合の項にのみ影響を与える。未知のパターンを入力した時 、相互結合項の符号は全てのニューロンで外部入力と一致するわけではなく、学習条件式 (4.1)が成立する場合がある。結合荷重の値の変化は、相互結合項にのみ影響を及ぼすので 、相互結合の力の向きを正しくする。また、ある程度時間が経過すると、外部入力項と反対 の符号を持つ不応性項の値が大きくなっていく。それにより、不応性項の絶対値が外部入力項の 絶対値を超えると、再び条件式が成り立ち、外部入力項の絶対値が不応性項の絶対値を超えるよ うに再び学習が始まる。これを繰り返すことにより学習を強めていく。学習条件に不応性項が含 まれるのは、相互結合項の大きさが不応性項より小さい時も学習させ、記憶を深めるためである。
式(4.1)が成り立つということは、そのニューロンにとって入力が未知のものであるという
ことである。逐次学習では、入力が未知のものであれば学習により結合荷重を変化させる。番
目のニューロンの番目のニューロンからの出力に掛かる結合荷重の変化は、式(4.3)
で表される。
である時、番目のニューロンに出力させたい値と番目のニューロンの出 力が同じ向きであるため、結合荷重を分加算して、番目のニューロンが番目のニュー ロンの出力を、自分の出力と一致させようとする働きを強める。これを強調作用と呼ぶ。 である時、番目のニューロンに出力させたい値と番目のニューロンが逆向き であるため、結合荷重を分減算して、番目のニューロンが番目のニューロンの出力を、自分 と異なる方向にしようと働きを強める。これを競合作用と呼ぶ。
なお、フィードバックはないため、である。[2]