カオス系のニューラルネットワークのニューロンモデルには， 第 4.3 節で説明した， 式 (4.4) の内部状態を式 (4.5) に置き換えた カオスニューロンに，前節で説明した，シナプス前抑制関数を加えたものである。 これは，次式のようにモデル化され，図 6.1 の 破線内部を意味する。
ここで，自己相関学習により，昨年までの研究で用いた，図 1.1 の 特殊なパターンを学習させ，この式を使って想起させる。 シナプス前抑制を加え続けると， 不応性のためネットワークの状態は平衡点にとどまることはなく， 非周期的に様々なパターンを想起していく。
このカオス状態を実現した例を図 6.4 に示す[2]。 学習させたパターンや，その反転（白黒を入れ換えたもの）パターンを非周期的に 想起している。 この例のように記憶したパターンをすべて早い時間で想起できるカオス状態は， サーチアクセスを行う上で特に理想的である。
このカオス的な連想ダイナミクス（カオス状態）を実現するニューラルネットワーク は，津田，奈良，Davis らによっても提案されている[10]。
