近年 階層型ニューラルネットワークの学習方式として提案されたバックプロパゲーション学習アルゴリズム(BP)が注目され 様々な分野に応用されている.複素パターンに対する学習アルゴリズムとして提案された複素BPは その学習パラメータがすべて複素数となっており 実数値を用いる通常のBPを複素数に拡張したものであると言える.複素BPには 従来のBPには見られない2次元運動学習能力が備わっていることは既に報告した.本稿では ネットワークアーキテクチャの観点から 複素BPの基本特性を解析的 実験的に調べ 従来のBPとの差異を明確にしたので報告する.得られた主要な結果は 次のとおりである(1)複素BPネットワークにおける重み係数は 従来のBPネットワークにおけるそれとは異なり 2次元運動に関係した制約を持っており 学習は基本的にその制約を保ちつつ行われる.(2)複素ニューロンの実部の決定表面と虚部の決定表面とは互いに直交しており 決定領域を均等に4つに分割する3層の複素BPネットワークにおける決定表面は基本的にこの構造を内包しており 中間ニューロンヘの総入力が十分大きいときに直交する.この意味で 複素BPは複素パターンに対する自然な学習アルゴリズムであると思われる・これらの特性は意図されたものではなく 複素数への拡張の結果として自ずと現れてきたものであることに注意されたい.