一対多の連合を記憶する相関型連想記憶モ デルを議論する． 連想記憶モデルHASP は相互想起部と自己想起部から 成る一対多の連合を扱うモデルである． これまでこの二つの回路を分離して，絶対容量を議論してきた． しかしながら，想起過程に関しては連合ベクトルと回路の状態との統計的な 相関のため二つ回路を分離して議論することができない． そこで，本研究では HASP型の最も簡単な相関型連想記憶モデルを提案し，この モデルの想起過程を議論する． 一対多の連合を扱うために，複数の連合ベクトル間の対称性を破る外部入力 を導入する． 外部入力は想起される連合ベクトルに近いものから，無相関な入力までの様々 なものを考慮する． また，相互想起部または自己想起部のいずれに加えればよいかを議論する． これらの点に想起過程の性質がどのように依存するかを解析した． その結果，連合ベクトルは外部入力によって想起されることを示し，自己想起 部に外部入力を加えた場合の方がより想起しやすいことがわかった．

An associative memory model HASP that consists of hetero-associative and auto-associative networks, can treat one-to-many associations. By using a simple model, which seems to capture characteristics of the HASP, we analyzed its recalling process. In order to treat one-to-many associations, we introduced an external input to break the symmetry between the associative vectors. We analyzed how the recalling process depends on to which one of the two subnetworks the external input is injected. From the theoretical analysis and simulation studies, it has shown that the associative vector can be recalled by injecting the external input into the auto-associative networks better than by injecting it into hetero-associative networks.