网络的输出神经元之间相互竞争，同一时刻只有一个神经元获胜。

二、学习规则

　　竞争神经网络的学习规则是由内星规则发展而来的Kohonen学习规则。

4.SOM学习算法

1. 设定变量:X=[x1,x2,x3,…,xm]为输入样本，每个样本为m维向量。ωi(k)=[ωi1(k), ω i2(k),…,ωin(k)]为第i个输入节点与输出神经元之间的权值向量
2. 初始化:权值使用较小的随机值进行初始化，并对输入向量和权值做归一化处理
   X’ = x/||x||
   ω’i(k)= ωi(k)/||ωi(k)||
   ||x||和||ωi(k)||分别为输入向量和权值向量的欧几里得范数
3. 将样本输入网络:样本与权值向量做内积，内积值最大的输出神经元赢得竞争，记为获胜神经元
4. 更新权值:对获胜的神经元拓扑邻域内的神经元采用内星规则进行更新
   ω(k+1)= ω(k)+ η(x- ω(k))
5. 更新学习速率η及拓扑邻域，并对学习后的权值重新归一化
6. 判断是否收敛。如果中心改变很小或达到预设的迭代次数，结束算法

自组织竞争神经网络 - matlab