Competitive Learning ist eine Lernmethode künstlicher neuronaler Netze.

Wenn die Netzwerkstruktur festgelegt ist, beschränkt sich der Lernprozess auf die Änderung der Verbindungsrechte, wobei sich kompetitives Lernen auf den Wettbewerb aller Einheiten in der Netzwerkeinheitengruppe um das Recht bezieht, auf externe Reizmuster zu reagieren.

Das Verbindungsgewicht der Einheit, die den Wettkampf gewinnt, verändert sich in eine für den Wettkampf günstigere Richtung für dieses Stimulationsmuster. Relativ gesehen hemmt die Einheit, die den Wettbewerb gewinnt, die Reaktion der Einheit, die den Wettbewerb verliert, auf das Stimulationsmuster. Dieses adaptive Lernen ermöglicht es Netzwerkeinheiten, Muster auszuwählen, um externe Reize zu akzeptieren. Eine allgemeinere Form des kompetitiven Lernens ermöglicht es, dass nicht nur ein einzelner Gewinner, sondern mehrere Gewinner hervorgehen, und das Lernen erfolgt anhand der Verbindungsgewichte jeder Einheit im Gewinnersatz.