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して考え出された， カオスニューラルネットワークを用い，サーチアクセスを実現する。
サーチアクセスとは，あらかじめ学習させた複数のパターンの中から， 検索したいパターンの特徴を入力することにより， その特徴を持ったパターンを検索する方法である。 普通のニューラルネットワークでは，学習させたパターンの一つにのみ収束するため， 他のパターンを出力することができず，検索することができない。 そこで，非周期的に学習パターンが出力される， 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。
本研究室でのこれまでのサーチアクセスに関する研究[1, 2, 3] では主に図 1.1 のような， サーチアクセスが比較的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，サーチアクセスの特性を調べている。
また， パターンの相関内積と検索成功率の関係についても調べている [3, 4, 5]。 相関内積とは，パターンの要素の黒を 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。 学習させるパターンの白黒を同数にし， カオスニューロンの内部定数を一定にして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， 次のような事項について調べる。
これまでの研究では，学習パターンの要素の白黒を同数にして調べていたので， pzd192 の場合についても同様に検索可能であるかを調べる。 ただし，それぞれのパターンの条件を合わせるために， 直交したパターンのみで調べ比較する。 また，pzd193 については， 図 1.1 のパターンでは一部調べているが，ほとんどの場合， この特殊パターンでの検索が成功しやすい値に内部定数を固定し， この定数についてはあまり検討されていなかった。 また，pzd192 による検索では， パターンごとに適切な値に変更する必要が生じてきたこともあり， 本研究ではパターンごとに成功しやすく検索時間が短い，最も適切な定数値を求め， 学習パターンと内部定数の関係について検討する。
本論文では，まずサーチアクセスモデルを導出するまでの理論について説明する。 また，サーチアクセスのシミュレーションプログラムについて， ウインドウを開いてマウスで操作できる等の改良を施したので， そのことについても説明を加えている。 最後に，検索方法や結果について説明とまとめを示す。
