本研究では，そのニューラルネットワークをより生物に近付けようと考えられた， カオスニューラルネットワークを用いたサーチアクセスに関する研究を行なう。
サーチアクセスとは，あらかじめ複数のパターンを学習させ， 検索したいパターンの特徴を入力することにより， 目的のパターンを検索することである。 特徴を入力し，その特徴を持ったパターンを見つけ出すことができれば， 検索成功である。 簡単なことに思えるが，普通のニューラルネットワークではそれができない。 よって，カオスニューラルネットワークを用いることで対処している。
昨年までの研究[1, 2]では，図 1.1 のような， サーチアクセスが成功しやすい特殊な四つのパターン，「バツ」，「三角」， 「波」，「星」を相関学習によって学習させ，サーチアクセスを実現させている。
また，パターンの相関内積と成功率の関係を調べている[3]。 相関内積とは，パターンの黒を 1 白を -1 とした時， 各成分ごとの積をとりその和をとったもので， 普通のベクトルの内積の計算と同じである。 また，内積値が 0 になる場合，そのベクトルは互いに直交しているように， パターンの相関内積が 0 になることを直交するという。 サーチアクセスを行い相関内積の関係を調べた結果， 直交より少しずれているパターンは成功しやすく，直交していたり， 大きくずれているパターンは成功しにくいということがわかっている。
そこで，本研究では，以上のことを考慮して，次のような研究を行なう。
まず，多くのパターンを使って成功率を調査するので， 1 では，異なったパターンを作成できるように， 乱数を使ったプログラムを完成させる。 2 では，そのプログラムで作成したパターンの内積値を求め， 調査の仕方によっては， 必要に応じて内積値の条件を満たすようにパターンを変更するプログラムを作成する。 3 でそのパターンを使って実際に検索を行ない， 4 でその結果をまとめる。 最後に，5 でその結果について考察し， 可能であれば改良を行なう。
