ホップフィールド型ニューラルネットワークを用いた連想記憶において一般化ヘップ則(外積則)は最も有名な学習法である.一般化ヘップ則は非常に単純な学習法であるが, 多くのパターンを記憶させると一般に多数の偽記憶が発生するという問題がある.偽記憶の個数を少なくする方法として反学習法等が提案されているが, 偽記憶を一つも生じない学習法は見当たらないようである.本稿では, 一般化ヘップ則を基にした, 偽記憶を生じない学習・想起アルゴリズムを提案する.このアルゴリズムは次のように要約される.1)パターンを複数のネットワークに分散して記憶させる.2)すべてのネットワークに同一の入力パターンを与え, それぞれの最終状態を求める.3)偽記憶に陥ったネットワークとそれに記憶されているパターンを取り除く.以下, ネットワークが1つになるまで1)〜3)を繰り返し, 最後に残ったネットワークを出力を連想の結果とする.