1.自適應共振理論網絡
自適應共振理論(ART)網絡有不同的方案。ART-1網絡包含兩層，輸入層和輸出層。這兩層是完全互連的，連接是在正向(自下而上)和反饋(自上而下)兩個方向進行的。
當ART-1網絡工作時，其訓練是連續的，包括以下算法步驟:
(1)對於所有輸出神經元，如果壹個輸出神經元的所有警報權重都被設置為1，則它被稱為獨立神經元，因為它沒有被指定為表示任何模式類型。
(2)給出了新的輸入模式X。
(3)使所有輸出神經元參與興奮競爭。
(4)從競爭神經元中找出獲勝的輸出神經元，即該神經元的X W值最大；在訓練開始時或沒有更好的輸出神經元時，獲勝神經元可能是壹個獨立的神經元。
(5)檢查輸入模式x是否與獲勝神經元的警告向量v足夠相似。
(6)若r≥p，即有共振，轉到步驟(7)；否則，獲勝的神經元暫時無法進壹步競爭，轉到步驟(4)，重復這個過程，直到不再有有能力的神經元。
2.學習矢量量化(LVQ)網絡
學習矢量量化(LVQ)網絡由三層神經元組成，即輸入轉換層、隱含層和輸出層。網絡在輸入層和隱含層之間是完全連接的，但在隱含層和輸出層之間是部分連接的，每個輸出神經元與不同組的隱含神經元連接。
最簡單的LVQ訓練步驟如下:
(1)預設參考向量的初始權重。
(2)為網絡提供壹種訓練輸入方式。
(3)計算輸入模式和每個參考向量之間的歐幾裏德距離。
(4)更新最接近輸入模式的參考向量(即獲勝隱神經元的參考向量)的權重。如果獲勝的隱神經元屬於與輸入模式同壹類的輸出神經元所連接的緩沖器，那麽參考向量應該更接近輸入模式。否則，參考向量離開輸入模式。
(5)轉到步驟(2)並用新的訓練輸入模式重復該過程，直到所有訓練模式都被正確分類或滿足某個終止標準。
3.科霍寧網絡
Kohonen網絡或自組織特征映射網絡包含兩層，壹層是用於接收輸入模式的輸入緩沖層，另壹層是輸出層。輸出層的神經元壹般排列成規則的二維陣列，每個輸出神經元與所有輸入神經元相連。連接權重形成與已知輸出神經元連接的參考向量的分量。
培訓Kohonen網絡包括以下步驟:
(1)為所有輸出神經元的參考向量預設壹個小的隨機初始值。
(2)為網絡提供壹種訓練輸入方式。
(3)確定獲勝的輸出神經元，即參考向量最接近輸入模式的神經元。參考向量和輸入向量之間的歐幾裏德距離通常被用作距離度量。
(4)更新獲勝神經元的參考向量及其相鄰參考向量。這些參考向量更接近輸入向量。對於獲勝的參考向量，調整幅度最大，而對於較遠的神經元，神經元的鄰域大小隨著訓練而減小，訓練結束時只調整獲勝神經元的參考向量。
4.Hopfield網絡
Hopfield網絡是典型的遞歸網絡，通常只接受二進制輸入(0或1)和雙極性輸入(+1或-1)。它包含單個神經元，每個神經元與所有其他神經元相連，形成遞歸結構。
搬新房就是從老房子搬到新房子。需要準備的東西主要包括搬家當天睡覺，搬家路線，選擇物品，搬家日子，攜帶物品等。這些地方要做好準備。
搬新家預示著新生活的開始，也就是從老房子搬到新房子。房子為了開個好頭，主要是註重搬家的過程，但是現在很多傳統習俗都被遺忘了。需要準備的東西主要包括搬家當天睡覺，搬家路線，物品選擇，搬家日子，攜帶物品等。這些地方要做好準備。