下面以二维神经网络为例解释竞争过程中强化区域的变化。 　　在输出层中竞争过程中，对于"赢"的那个神经元c，其强化区域是以该神经元为中心的正方形，也可以是六角形的区域Nc，如下图所示： 图6-15 Nc(t)的形状和变化情况 　　Nc是t的函数，随着t的增加，Nc的面积逐渐缩小，直至最后只剩下一个，或一组的神经元，它们反映了一类样本的属性。 　　如果输入样本用矢量表示，P = 1, 2,…, K，共有K个样本；而每个样本的分量，i=1,…,n，与输入的第i个神经元相联，与输出的第j个神经元之间的权为wij，而其输出为yj。其输入与输出之间满足下列状态方程： 　　 　　上式中第一个项为输入的加权累加，第二项是一个与yj有关的函数，此函数可采用不同的形式，但为非线性项，它的效果是使yj的变化速率变慢。 　　这种网络通过算法的结果是连接权重wij越来越接近输入值。