Dokładnie taką samą własność mają sztuczne sieci neuronowe Hopfielda: aktywowanie części neuronów, odpowiadających jakiemuś wzorcowi (lub neuronów, które odpowiadają nieco zniekształconemu obrazowi wzorca) wystarcza do tego, by po pewnym czasie działania sieci aktywowane zostały wszystkie neurony, odpowiadające temu wzorcowi. W tym stanie sieć stabilizuje się (tzn. nie zmienia dalej swojego stanu).
U góry artykułu pokazano uproszczony schemat sieci Hopfielda, który kumuluje złożone czasowo działanie sieci w jednym obrazie a). nadawanie stanu początkowego b). sekwencyjne aktualizowanie się stanów losowo wybieranych neuronów sieci Hopfielda na podstawie aktualnych stanów pozostałych neuronów c). przejście sieci w stan końcowy. Dalej, w sekwencji sześciu grafik, pokazano przykładową sekwencję czasową zmian stanów sieci Hopfielda.
Struktura sieci Hopfielda. Trening sieci Sieć Hopfielda składa się z jednej warstwy neuronów, w której każdy neuron jest połączony z każdym innym neuronem, z wyjątkiem samego siebie. Połączenia są dwukierunkowe i symetryczne, co oznacza, że waga dla przejścia sygnału od neuronu do neuronu jest taka sama jak waga dla przejścia sygnału od neuronu do neuronu .