Dla układu neuronów wagi przejść między neuronami tworzą macierz kwadratową , która jest symetryczna, tj. dla oraz nie występują samosprzężenia neuronów, tj. . Dzięki temu Hopfield wyeliminował przypadki nieustannego wzbudzania się sieci, która nigdy nie zmierzała do stanu stabilnego.
Sieć jest "trenowana", aby zapamiętała pewną liczbę "wzorców". Trening to de facto obliczenie macierzy wag połączeń między neuronami, z zastosowaniem reguły Heba wzorem:
gdzie: – liczba neuronów, – liczba wzorców do zapamiętania, – wektor -elementowy -tego wzorca, , którego elementy przyjmują wartości lub .
Związek między wagami połączeń neuronów a wzorcami, które ma odtwarzać sieć Jeśli neurony często są w tym samym stanie w zapamiętywanych wzorcach (tj. oba są często jednocześnie w stanie lub jednocześnie w stanie ), to waga połączeń między nimi jest dodatnia, tj. ; przy tym waga ta będzie tym większa, im silniejsza jest ta korelacja. Jeśli neurony często są w stanie przeciwnym w zapamiętywanych wzorcach (tj. jeden częściej w stanie , a drugi częściej w stanie lub odwrotnie), to waga połączeń między nimi jest ujemna, tj.