竞争学习（competition learning）是人工神经网络的一种学习方式。人工神经网络的信息处理功能是由网络单元的输入和输出特性、网络的拓扑结构、连接权和神经元的阈值所决定。在网络结构固定时，学习过程则归结为修改连接权。人工神经网络的学习方式有多种。竞争学习是指网络单元群体中所有单元相互竞争对外界刺激模式响应的权利。竞争取胜的单元的连接权向着对这一刺激模式竞争更有利的方向变化。相对来说，竞争取胜的单元抑制了竞争失败单元对刺激模式的响应。这种自适应学习，使网络单元具有选择接受外界刺激模式的特性。竞争学习的更一般形式是不仅允许单个胜者出现，而是允许多个胜者出现，学习发生在胜者集合中各单元的连接权上。[1]