در آغاز گفته شد که شبکه هاي عصبي ،کار طبقه بندي الگوها را انجام مي دهند.حتي اين نگاشت خودسازمانده نيز مي تواند يک طبقه بند الگوها باشد.اگر اوزان به صورت مختصه هاي فضاي الگو در نظر گرفته شوند.آموزش شبکه با تقريب بالايي به طبقه بندي الگوهاي مشابه در اين فضاي الگوها مي پردازد به گونه اي که خوشه هاي الگوهاي مشابه ،باعث فعال شدن عصبهايي شوند که در شبکه در مجاورت (فيزيکي) يکديگر واقع شده اند

در ساده ترين حالت،خروجي يک شبکه عصبي ، جمع وزني ورودي هاست که معمولا پس از عبور از يک تابع سيگموئيد محاسبه مي شود.در صورتي که اين حالت مد نظر باشد ، خروجي ، يک 1 منفرد در ناحيه اي از فضاي مختصاتي خواهد بود که متناظر با کلاسي خاص از الگو ها مي باشد.واضح است که خروجي ها بايد تفسير شوند اما بايد اين امکان وجود داشته باشد که با نشان دادن الگوهاي شناخته شده به شبکه و جستجوي نواحي فعال مشخص شود کدام ناحيه متعلق به کدام کلاس است

حتي اگر جانمايي تجهيزات فيزيکي به صورت دوبعدي باشد، نيازي نيست خروجي شبکه به صورت دوبعدي باشد. اگرnوزن وجود داشته باشد آنگاه هر وزن مربوط به يک مختصه خواهد بود. بنابراين اگر چه در خلال ارائه الگوها به ورودي ، يک شکل دوبعدي از عناصر فعال ايجاد مي شود وليکن تفسير نگاشت انجام شده مي تواند داراي ابعاد خيلي بيشتري باشد به طور مثال،سيستمي که در آن هر عنصر داراي سه وزن مي باشد،ممکن است خودش را به گونه اي سازماندهي کند که کلاس هاي متفاوت الگوها ،بخشهاي متفاوتي از يک فضاي سه بعدي را اشغال کنند.در صورتي که شبکه بررسي شود، تنها عناصر منفرد را که فعال شده اند مي توان ديد.لذا فکر کردن در مورد جا نمايي فيزيکي مي تواند اشتباه برانگيز باشد