Řešili jsme klasifikační problém pomocí dvou metod učení, gradientního učení a třífázového učení. Genetické algoritmy se pro tento případ nedají efektivně využít, neboť sítě o 150 jednotkách jsou pro ně příliš velké.
Uvažovali jsme síť s euklidovskou normou i použití vážených norem. V obou případech nalezl gradientní algoritmus řešení s menší chybou. Třífázové učení si však poradí s problémem během několika minut, zatímco gradientní algoritmus potřebuje zhruba hodinu.
Obě metody nalezly lepší řešení pro síť, která používá vážené normy. Jedná se o dvourozměrný vstupní prostor a tak víme, že RBF jednotka s euklidovskou normou dává významné výstupy na kruhové oblasti kolem svého středu. Vážená norma umožňuje transformovat tuto oblast do tvaru elipsy, která může být v případě obecné matice normy ještě pootočena. Lepší výsledky v případě použití vážené normy lze vysvětlit tím, že vstupní vzory uspořádané ve spirálách je jednodušší pokrýt elipsami než kružnicemi.