検索を行なうためのネットワークの構造を図4.2 に示す。
まず、 4.2.1 で述べた学習法により、 ネットワークにパターンを学習させておく。 また、 ネットワークの状態はランダムなパターンで初期化しておく。 そして、 検索させたいパターンの特徴を入力し、 カオスニューラルネットワークを動作させ、パターンを出力させる。 その出力されたパターンの特徴を抽出し、 入力した検索させたいパターンの特徴と比較する。 その比較結果から、 シナプス前抑制信号を計算し、 カオス状態と自己想起(非カオス)状態を制御する。 カオスニューラルネットワークは、 出力したパターンを次の入力とし、 これを繰り返す。
ネットワークの出力パターンの特徴と 入力した検索したいパターンの特徴が似てくると、 ネットワークはカオス状態から自己想起状態へと移行し、 ネットワークの出力パターンは、 検索したいパターン列を周期的に出力するようになり、 ネットワークは収束する。 このとき、 ネットワークの出力が目的のパターンに収束していれば、 検索は成功となる。
