竞争型学习网络（competitive learning networks），理学-计算机科学技术-人工智能-机器学习-神经网络学习，用人工神经元之间的竞争来模拟生物神经细胞的兴奋与抑制机制，从而实现非监督学习的人工神经网络。代表性的竞争神经网络模型包括自组织映射网（self-organizing map）、自适应共振理论（adaptive resonance theory）等。竞争神经网络一般由一个输入层和一个竞争层组成，其基本结构如图所示。输入层的每个神经元对应于输入数据的一个维度；竞争层的每个神经元对应于一个与输入数据具有相同维数的权重向量；输入层和竞争层之间一般以全连接方式进行信息传输。竞争层神经元的权重向量和输入数据的特征向量属于同一向量空间，因此神经元对输入数据的响应程度可以通过两个向量间的距离或相似度进行衡量，例如欧氏距离或余弦相似度。竞争神经网络的结构图神经科学研究发现，生物神经网络中存在一种侧抑制现象：当一个神经细胞兴奋后，会对周围神经细胞产生抑制作用，从而使细胞之间出现竞争。