本稿は与えられた系列データから頻出な部分列を抽出することを目的とした．特に，抽出に際して(1)オンライン学習，(2)複数部分列の抽出, (3)さまざまな長さの部分列の抽出, (4)頻出とするしきい値の調節の4つすべて可能にすることをめざした．提案手法は，スパイキングニューロンを用いた2ブロックからなるニューラルネットワークである．LIFモデルに基づくユニットにより構成し，STDP学習則に基づいた結合荷重の更新を行うことで，自己組織的に部分列を抽出するネットワークを構築する．この結果，1つのSTDPのパラメータを調整するだけで，同じ系列から頻出として抽出する部分列を変化させることができた．具体的には，3,000シンボル長の系列から3シンボル長の部分列（出現頻度は0.4%, 3%, 5%）を抽出した際，3%以上出現する部分列の抽出と5%以上出現する部分列の抽出の切り替えに成功した．