В статье введена инкрементальная модель сети, которая способна обучатся важным топологическим отношением между входными векторами, посредством простого Хэббовского правила. В противоположность предыдущему подходу, сходному с "Neural Gas", методу Martinetz и Schulten (1991, 1994), эта модель не имеет параметров, которые изменяются во времени, и способна продолжать обучение, добавляя узлы и соединения, до тех пор пока не будет ограничена производительностью. Приложение этой модели включает в себя векторную квантизацию, кластеризацию, и интерполяцию.

Оригинал статьи: A growing neural gas network learn topologies (как PDF)