図 4.1 に示す4個のパターンを、 ニューラルネットワークに相関学習で記憶させ、ネットワークを動作させていくと、 不応性のためにネットワークの状態は平衡点にとどまることなく、 非周期的に様々なパターンをランダムな順で想起していく。 この動的想起状態を実現した例を図 4.2 に示す。
パラメータを調整して与えることにより、動的想起状態を実現させている。 パラメーター各値は図中の左上に示す。またtはネットワークの動作回数(時間) を表し、初期パターンはランダムなパターンを用いている。
図 4.2 の動的想起状態では、t=8では、バツを想起し、 t=10では、波に近いパターンを想起し、t=46では、再びバツを、 t=56では、星にかなり近いパターンを、t=94では、三角を想起している。
この動的想起状態は相関学習法によって実現されているものだが、 本研究では逐次学習法により実現させ、その改善を目指す。