 | 0.1 | 0.2 | 0.3 | 0.4 | 0.5 | 0.6 | 0.7 | 0.8 | 0.9 |
 = 0.1 | 0 | 0 | 2 | 9 | 0 | 0 | 0 | 0 | 0 |
| = 0.2 | 0 | 0 | 2 | 10 | 7 | 0 | 0 | 0 | 0 |
| = 0.3 | 0 | 0 | 1 | 3 | 37 | 0 | 0 | 0 | 0 |
| = 0.4 | 0 | 0 | 0 | 2 | 32 | 25 | 0 | 0 | 0 |
| = 0.5 | 0 | 0 | 0 | 1 | 17 | 38 | 22 | 0 | 0 |
| = 0.6 | 0 | 0 | 0 | 1 | 5 | 39 | 38 | 39 | 1 |
| = 0.7 | 0 | 0 | 0 | 1 | 0 | 1 | 14 | 40 | 40 |
| = 0.8 | 0 | 0 | 0 | 1 | 0 | 1 | 4 | 8 | 40 |
| = 0.9 | 0 | 0 | 1 | 1 | 1 | 1 | 0 | 5 | 5 |
ネットワークを変更したプログラムの検索結果を図 7.9 に示す。
今度も40回検索できるパラメータが3つある。
数多く検索できるパラメータが
前に述べた実験(2)、実験(3)より表上で右上にずれている。
この現象はネットワークを２つにしたためである。
普通のニューラルネットワークを加えたため、
カオス状態が弱くなり、 （相互結合入力に関する記憶の減衰定数）が小さく、
（不応性に関する減衰定数）が大きいほど検索がうまくいっている。
