metodzie podlega tylko ten neuron, którego sygnał wyjściowy jest największy. Inne elementy sieci nie są uczone do czasu, kiedy ich funkcja wyjścia będzie większa od wartości na innych wyjściach. Metodę tę nazywa się często uczeniem z rywalizacją, gdyż neurony jakby rywalizują między sobą o możliwość korekty wag. Często stosuje się zamiast funkcji wyjścia y ( 8.12) wartości, które są określane arbitralnie i tworzą wektor wymaganych wartości wyjściowych, tzw. ciąg uczący. Takie uczenie ma charakter "forsowania" poprawnych rozwiązań, bez względu na to co robi sieć, i należy do grupy algorytmów uczenia z nauczycielem.<br><br>&lt;tit&gt;8.6. ZASADY DZIAŁANIA NIEKTÓRYCH TYPÓW SIECI&lt;/&gt;<br>&lt;tit&gt;8.6