在这封信中，我们提出了一个带有被动遗忘（HLRPF）的Hebbian学习规则，用于混沌神经网络（CNN）。 然后，我们基于欧几里得距离定义索引，以简化方式研究权重的演变。 数值模拟表明，在适当的外部刺激下，具有拟议的HLRPF的CNN可以作为模糊模式分类器，其性能要比普通CNN好得多。 结果暗示了学习与认可之间的关系。