本研究では49素子のネットワークを使い、
パターンの 
ドットの1ドットと対応させる。
学習パターンは、アルファベットの大文字
26パターンを使用する。
このパターンは黒マスと白マスで構成され、
それらをそれぞれ1と-1に対応させネットワークに入力する。
同期更新では学習の手順は、 同じパターンを50ステップ連続して入力することを 全てのパターンにおいて行ない、これを1セットの学習とし、 繰り返し学習を行なった。 非同期更新では１ステップで 状態が更新されるニューロンが１素子のみであり、 この素子のみに学習則を適応する。 同期更新と同一のパラメータで学習できるよう、入力回数を素子数倍して、 １つのパターンを2450ステップ連続して入力する。 これを制約ありとなしのネットワークともに 繰り返し学習を行なった。 １セット毎に、同一の結合荷重を持つ ホップフィールドネットに学習したパターンを入力し、 出力と一致すればパターンの学習に成功したとする。
同期更新、制約あり非同期更新および 制約なし非同期更新のネットワークに26パターン学習させたときの 学習セットが進むにつれての学習成功パターン数の変化を 図 1 に示す。
学習の進行に違いがあるが、 非同期更新でも全てのパターンを学習することができることがわかる。
