경쟁 학습은 인공 신경망의 학습 방법입니다.

네트워크 구조가 고정되면 학습 과정은 연결 권한을 수정하는 것으로 축소되며, 이 중 경쟁 학습은 네트워크 단위 그룹 내 모든 단위가 외부 자극 패턴에 응답할 권한을 놓고 경쟁하는 것을 말합니다.

이러한 자극 패턴에 대해서는 경쟁에서 승리한 유닛의 연결 가중치가 경쟁에 더 유리한 방향으로 변화합니다. 상대적으로 말하면, 경쟁에서 이긴 단위는 경쟁에서 진 단위의 자극 패턴에 대한 반응을 억제합니다. 이러한 적응적 학습을 통해 네트워크 단위는 외부 자극을 수용하기 위해 패턴을 선택하는 특성을 가질 수 있습니다. 보다 일반적인 형태의 경쟁적 학습에서는 단 한 명의 승자뿐만 아니라 여러 명의 승자가 등장하며, 학습은 승자 집합의 각 단위의 연결 가중치를 기반으로 이루어집니다.