まず，条件のうちの要素平均が最小である 0.25 のパターンについて，
, 
を適当に設定して検索した。ただし， 
についてはこれまでの
研究[1, 2, 4, 5, 13, 14]で使用していた 10.0 を用いた。
その結果すべての想起に成功し，想起時間の平均も 1 桁であった。
これまでの想起時間の平均は，早くても 40 程度[4]であったので，
このパターンの使用により短時間の検索が可能であることがわかる。
逆に，要素平均が最大の 0.75 のパターンについても同様に検索した。
しかし， , をどのように設定しても，全く成功しなかった。
そこで，原因を調べるために，カオスニューロンの出力パターンを調べた。
その結果，
出力パターンの要素 
の
平均 
が
約 0.75 となるようなパターンはほとんどなく，
約 0.25 のパターンがほとんどであった。
これは，0.25 のパターンと 0.75 のパターンを式 (8.2) を用いて
学習させると，どちらも同じシナプス結合値が得られるためである。
したがって，0.75 のパターンの検索が，
実際には 0.25 のパターンを検索していることに相当しているため，
成功しないと考えられる。
そこで，カオスニューロンの出力パターンの要素平均が約 0.75 となるように，
内部定数を変更することを検討した。
出力パターンの要素平均を大きくするためには，
式 (6.5), (4.2) から
内部状態 
, 
の値が大きくなるようにする必要がある。
そこで，式 (6.7) の に注目し，
この値を小さく設定することにした。
の値を小さくして，0.75 のパターンについて同様に検索した
結果，出力パターンの要素平均を約 0.75 とすることに成功した。
検索についても成功させることができ，
検索時間が 10 程度という短時間での検索も可能となった。
同様にして，要素平均 0.50 の直交パターンについても検索した。
これまでの研究 [4, 5] では，完全な直交パターンの場合，
半分ぐらいの確率でしか成功していなかったが， を 0.25, 0.75 のパターンの
場合の半分ぐらいの値にして検索した結果，
想起時間は 30 程度であったがすべて成功した。
したがって，この の設定により
完全な直交パターンでも検索成功率を高めることができることがわかる。
これは，
出力パターンの要素平均を 0.50 ぐらいにすることができるためと考えられる。
また，これまでの研究で失敗していた原因として，
出力パターンが学習させたパターンの一つから抜け出すことができず，
周期的な振舞いとなってしまうことがわかっている。
つまり，カオスニューロンのカオス的な性質が，
カオス領域から周期領域[10]へ移行してしまったと考えられる。
したがって，このパラメータの変更により，
カオスニューロンの状態がカオス領域から周期領域へ抜け出すことがなくなり，
目的のパターンを検索することができると考えられる。
想起が 0.25, 0.75 のパターンより時間がかかるのは，要素 1, 0 が入れ替わった 反転パターンもカオスニューロンから出力されてしまうためと考えられる。 これは前述のように，自己相関学習により， 反転パターンを学習させたものとシナプス結合値が同じになり，しかも， 反転パターンの要素平均も 0.50 となってしまうためである。
また，学習パターンの一つが出力されてから別の学習パターンへ移るのに， 時間がかかるのも原因の一つと考えられる。 これは，各パターン間のポテンシャルが 0.50 のパターンの方が高く， 別のパターンへの移動がしにくいためと考えられる。 0.25, 0.75 のパターンは別のパターンへの移動がしやすく， シナプス前抑制により自己想起状態に移行させると， 目的のパターンへ素早く収束するため， サーチアクセスには理想的なパターンといえる。
0.25, 0.75 のパターンは対称したパターンなので，
検索結果が全く同じになるように考えられるが，
カオスニューロンにより，要素 1, 0 のパターンを用いていることや，
内部定数やしきい値 
の影響でニューロンの状態が完全な対称にはならず，
検索結果に違いが生じるものと考えられる。
0.75 のパターンの検索で各内部定数を変更することにより，
0.25 のパターンでの検索に最適なニューロンの状態に，
なるべく近づけようとしていることになるが，
完全に同じ状態にならないため，
0.25 のパターンよりやや検索時間がかかってしまうと考えられる。
このことについては，次節の結果と合わせてもう一度検討する。
なお，最も最適な内部定数と想起時間平均 
は，
表 8.1 のとおりである。
| 要素平均 | | | |
|
| 0.25 | 0.35 | 0.64 | 10.0 | 5.515 |
| 0.50 | 0.46 | 0.55 | 6.7 | 27.330 |
| 0.75 | 0.15 | 0.86 | 2.8 | 10.660 |