A cortronic neural network defines connections between neurons in a number of regions using target lists, which identify the output connections of each neuron and the connection strength. Neurons are preferably sparsely interconnected between regions. Training of connection weights employs a three stage process, which involves computation of the contribution to the input intensity of each neuron by every currently active neuron, a competition process that determines the next set of active neurons based on their current input intensity, and a weight adjustment process that updates and normalizes the connection weights based on which neurons won the competition process, and their connectivity with other winning neurons.

Een cortronic neuraal netwerk bepaalt verbindingen tussen neuronen in een aantal gebieden gebruikend doellijsten, die de outputverbindingen van elk neuron en verbindingssterkte identificeren. De neuronen zijn bij voorkeur dun onderling verbonden tussen gebieden. De opleiding van verbindingsgewichten wendt een proces in drie stadia, dat berekening van de bijdrage tot de inputintensiteit van elk neuron door elk momenteel actief neuron, een de concurrentieproces impliceren dat de volgende reeks actieve neuronen bepaalt die op hun huidige inputintensiteit worden gebaseerd, en een gewichtsaanpassingsproces aan dat bijwerkt en de gebaseerde verbindingsgewichten normaliseert op welke neuronen het de concurrentieproces, en hun connectiviteit met andere winnende neuronen won.