Agrupamiento (Clustering). A partir de un conjunto de entrada se desea determinar si se puede dividir ese conjunto en diferentes clases.

§  Permite determinar qué clases existen.

§  Permite decidir a qué clase pertenece cada dato de entrada determinando su neurona ganadora.

§  Permite caracterizar cada una de esas clases mediante los pesos de cada neurona.

Prototipado. Similar al anterior, en lugar de conocer la clase del dato, interesa obtener un prototipo de la clase a la que pertenece.

§  Usa los pesos de la ganadora para determinar ese prototipo.

Codificación. Se obtiene a la salida de la red una versión codificada del dato de entrada.

§  Se busca una salida de menor dimensión de la entrada.

Análisis de componentes principales. Se trata de detectar qué vectores de conjuntos de entrada caracterizan en mayor grado ese conjunto de datos. Los demás vectores podrán eliminarse sin una pérdida significativa de información.

Extracción y relación de características. Se pretende organizar los vectores de entrada en un mapa topológico.

§  A partir de la red entrenada, patrones parecidos producirán respuestas similares en neuronas cercanas.

§  Si existe una organización global de patrones de entrada, se verá reflejada en la salida de la red.

§  Se ubican entradas parecidas y/o relacionadas en zonas próximas de la red.