汉明网络（Hamming network），工学-控制科学与工程-智能控制-智能控制，用于二值信号分类的双层人工神经网络。由美国学者R.P.李普曼（R.P.Lippmann）于1987年提出，广泛用于解决手写体字符识别等分类问题。输入为二值信号，例如｛0,1｝、｛-1,1｝，输出为输入信号与各个模式的匹配度。汉明网络由匹配层和竞争层组成，每一层的神经元数量都等于类别数，且匹配层的每个神经元都只与竞争层的一个神经元连接，即匹配层的每个神经元的输出作为输入信号传送给竞争层对应的神经元。匹配层的每个神经元接收所有输入信号，完成类别样本的记忆存储以及信号输入与样本模式的匹配度计算。匹配度计算采用汉明距离度量，即计算输入信号向量与样本模式向量之间不同分量的个数。竞争层又称MAXNET层，通过迭代寻找最大匹配度输出。竞争层的每个神经元的输出作为输入信号反馈给同层的所有神经元。在学习阶段，匹配层将若干类别样本记忆存储在网络的连接权值中；在工作阶段，计算输入信号与各样本模式的匹配程度，并把结果送至竞争层，并由竞争层选出匹配度最大的输出，从而在最小汉明距离意义下实现对离散输入信号的识别与分类。