Celem ćwiczenia jest poznanie możliwości sieci neuronowych jako narzędzi klastrowania.
Problemy klastrowania występują powszechnie w zarządzaniu, jednak szczególne znaczenie mają w marketingu. Pomocne mogą być tutaj sieci typu SOM (samoorganizująace się mapy Kohonena). Celem SOM jest odkrywanie istotnych wzorców czy cech w danych wejściowych bez udziału nauczyciela. Zmiany wag są lokalne - ograniczone do bezpośredniego sąsiedztwa neuronu. W trakcie procesu uczenia neurony starają się przesunąć w kierunku zagęszczeń danych i wytworzyć swoje strefy wpływów (dominacji). Uczenie odbywa się na zasadzie konkurencji, tzn. neurony rywalizują ze sobą o możliwość zagarnięcia indywidualnych punktów danych. Na koniec procesu uczenia cała przestrzeń cech zostaje podzielona na rozdzielne i spójne strefy wpływów poszczególnych neuronów, co odpowiada pogrupowaniu danych wejściowych; skupienia reprezentowane są przez poszczególne neurony (prototypy) tworzące centra tych skupień.