ニューロンに入力が入った時に望ましい結果を出力させるために、 結合荷重や閾値などニューロン内部のパラメータを調整してやらなければ ならない。このことを学習といい、学習によってネットワークを実用的な ものにするわけである。 ニューロンは自分自身またはそのすぐ近傍からしか情報を得るすべはなく、 ネットワーク全体を見通すことは当然ながらできない。よって、学習は 各ニューロンについて局所的に行なわれるはずである。
学習の方法は大きく二種類に分けられる。その一つは、望ましい出力（教師信号 という）が外部から与えられて学習をするものであり、これを教師あり学習という。 もう一つは、教師信号が与えられずに入力信号の統計的な性質からニューロンが 自分で学習するものであり、これを教師なし学習という。
本研究では、階層型ネットワークにおける教師あり学習の代表的な学習方法である バックプロパゲーション（誤差逆伝搬法）を用いる。次に、その説明を行ないながら 具体的な学習式を導くが、そのモデルとして 図 2.5 の カオスニューロンを用い、各変数は式 (2.5)、 式 (2.6)、式 (2.7) に準ずる。