A method of achieving automatic learning of an input vector presented to an artificial neural network (ANN) formed by a plurality of neurons, using the K nearest neighbor (KNN) mode. Upon providing an input vector to be learned to the ANN, a Write component operation is performed to store the input vector components in the first available free neuron of the ANN. Then, a Write category operation is performed by assigning a category defined by the user to the input vector. Next, a test is performed to determine whether this category matches the categories of the nearest prototypes, i.e. which are located at the minimum distance. If it matches, this first free neuron is not engaged. Otherwise, it is engaged by assigning the matching category to it. As a result, the input vector becomes the new prototype with the matching category associated thereto. Further described is a circuit which automatically retains the first free neuron of the ANN for learning.

Метод достигать автоматический учить вектора входного сигнала представил к искусственной нервной системе (ANN) сформированной множественностью невронов, использующ режим к почти ближний (KNN). По обеспечивать вектор входного сигнала, котор нужно выучить к ANN, деятельность писания компонентная выполнена для того чтобы хранить компоненты вектора входного сигнала в первом имеющемся свободно невроне ANN. После этого, деятельность категории писания выполнена путем задавать категорию определенную потребителем к вектору входного сигнала. Затем, испытание выполнено для того чтобы обусловить сопрягает ли эта категория категории самых близких прототипов, т.е. которые расположитесь на минимальня расстояние. Если оно сопрягает, то этот первый свободно неврон не включен. В противном случае, он включен путем задавать сопрягая категорию к ему. В результате, вектор входного сигнала будет новым прототипом при сопрягая категория связанная к тому. Описанное дальнейшее будет цепью автоматически сохраняет первый свободно неврон ANN для учить.