本研究で用いたカオスニューラルネットワークモデルは，図 5.1の相互結合型ネットワークで，49個のニューロンを相互に結合した。相互結合型ネットワークでは，情報のながれは双方向的で，ニューロンは自分の出力を伝えた相手のニューロンからも情報を受けとることが許されている。 このようなネットワークでは，自分の出力が他のニューロンを経て再び自分の入力として戻る性質（フィードバック）があるので，ネットワーク全体の動作は複雑になる。 i 番目のカオスニューロンのダイナミクスは式(5.1)，式(5.2)となる。また出力関数は式(3.3)で与えられるシグモイド関数を用いた。
通常の連想記憶モデルでは入力パターンを初期入力としてのみ用いることが多いが，ここでは外部入力として入力パターンを継続的に与える。また，従来のカオスニューラルネットワークを用いた連想記憶モデルの多くはニューロンの出力に関してのみ時間加算を考慮しているのに対し，式(5.2)では外部入力に関しても離散的な時間加算を考慮している。式(5.2)の各パラメータの値を表5.1のように決めた。
= 0.015 
= 2.0 
= 0.99
