对向传播网络（Counter Propagation Network，CPN）是将自组织竞争网络与Grossberg基本竞争型网络相结合，发挥各自特长的一种新型特征映射网络。这一网络是美国计算机专家Robert Hecht-Nielsen于1987年提出的。这种网络广泛应用于模式分类、函数近似、统计分析和数据压缩等领域。

CPN的网络结构如图3.5所示。网络分为输入层、竞争层和输出层。输入层与竞争层构成SOM网络，竞争层与输出层构成基本竞争型网络。从整体上看，网络属于有导师型的网络，而由输入层和竞争层构成的SOM网络又是一种典型的无导师型的神经网络。其基本思想是由输入层到竞争层，网络按照SOM学习规则产生竞争层的获胜神经元，并按照这一规则调整相应的输入层到竞争层的连接权。由竞争层到输出层，网络按照基本竞争型网络学习规则，得到各输出神经元的实际输出值，并按照在导师型的误差方法，修正由竞争层到输出层的连接权。经过这样的反复学习，可以将任意的输入映射为输出模式。

图3.5　CPN网络结构