本研究では3.1節で述べたように相互結合型ネットワークを用いる。 加えて構成要素となるカオスニューロンのパラメータについては過去の研究によって検討されているため、 表5.1 のように設定した[12]。 はシグモイド関数の立ち上がりの鋭さ、 , , はそれぞれ外部入力、 カオスニューロン間の相互結合、 不応性の時間減衰定数、 は不応性の係数である。
次にカオスニューラルネットワークに学習させるパターンは1との2値パターンを用いる。 従来は学習させるパターンにアルファベットを模したパターンを用いてきた。 本研究では学習させるパターンに特徴は必要ないため 2値をランダムに配置したランダムパターンを用いる。
そして逐次学習特有の「学習回数」、「学習セット回数」について定義する。 そこで、入力パターンをカオスニューラルネットワークに入力する時を考える。 逐次学習では、まず1つのパターンを連続して回入力する。 同じように次のパターンを50回入力する。 これを全ての入力パターンが終わるまで行なった時、1セットの学習が終了したとする。 この時各パターンを入力する回数(例では50回)を「学習回数」とし、 全ての入力パターンを学習回数入力した回数(例では1セット)を「学習セット回数」と定義する。
最後に、本実験に関するその他の言葉をここで定義しておく。