爱华网分析的方法主要有两种—统计聚类法和神经网络法。统计聚类法包括系统聚类法、动态聚类法、模糊聚类法、最优分割法等等。
可以用于聚类分析的神经网络包括BP网络、模糊神经网络、自组织映射网络SOM、自适应共振网络ART2等。
自适应共振网络ART2：该网络具有在学习新的模式时不破坏已存储的模式的优点，可以快速的识别已存储的模式，实现快速聚类。同时它还可以通过调整警戒参数协调网络的稳定性和可塑性。
自适应共振理论（ART）
在无监督方式下学习的自适应共振理论
ART-II是用于模拟输入模式的聚类
自适应共振理论结构，是一种在无监督学习领域用于聚类的一种神经网络方法
聚类中心的动态分配问题
自适应共振理论网络是一种无监督的矢量分类器，能按照已存储的最相似的模式对接收输入矢量进行分类
如果已确定一个输入模式明显地不同于已存在的类，则ART网络能创建一个新的相应于这个输入模式的神经元。
稳定性&可塑性
网络的自适应以及在运行的任何阶段能够很好地学习新模式的能力，称为可塑性。
ART提供了一种网络能在不忘记旧知识的情况下学习新模式的机制。
在自适应共振理论中的学习（即修改权值）只有在共振期间才能发生。
传统的ART2网络由于只把类模板作为聚类时检验相似度的标准，对输入模式的渐变不甚敏感，因而聚类性能不太
理想。有鉴于此，本文提出了一种具有双向检测机制的ARTZ网络，该网络通过设置门限作为相似度检验标准，使聚类更加严格，提高了网络对渐变模式的敏感性。试验证明BM一ARTZ网络的聚类性能优于以往的ART2网络。
很多人工神经网络在学习新的模式时，都会改变己经训练好的权值。因此，一个完全训练好的网络在学习一个新的模式时，可能会严重破坏已有的联接强度，即已存储的模式，导致不得不重新训练网络的全部联接矩阵。这和人脑的记忆方式完全不同。人脑在存入新的记忆时，并不丢失也不会改变原有的记忆。
ART2网络具有以下特点:
①.在学习新的模式时不会破坏己存储的模式。对已学习过的对象具有稳定的快速识别能力，同时又能迅速适应未学习过的新对象;
②.ART网络的学习不需要样本，它可以自动的向环境学习，不断的自动修正网络结构参数，进行无监督的学习。因此又称ART网络为自组织网络;
③.具有相当好的稳定性，而且不会被大量的任意输入所干扰，能适应非平稳的环境;
④.具有自归一能力，根据某些特征在全体特征中占的比例，有时把它作为关键特征，有时又可将其作为噪声处理;
⑤.当系统对环境做出错误反应时，可通过提高系统的“警觉性”，而迅速识别新的对象;
⑥.ART结构很容易就能与其它分层认知理论结合起来。它考虑到了来自ART网络外围的其它子系统诸如注意子系统、预测子系统或取向子系统对特性和分类层的影响。
稳定性 可塑性上述充分相似的含义是由一个警戒参数p来确定，o<p<1。
ART网络包括ARTI、ARTZ和ART3网络，此外还有模糊ART(FuzzyART)网络。ARTI网络用于处理二进制输入矢量;ARTZ网络可处理连续信号矢量;ART3网络是ART网络的同形级联结构体系;模糊ART则是从ARTI和ARI，2中发展起来的一种新型网络。
具有双向检测机制的ART2网络(BM一ART2网络)。该网络通过增设双门限使模式聚类的实施更加严格，杜绝超大类并有效减少模式交混。
传统的ARTZ神经网络对渐变模式具有不敏感性，当它对一组渐变样品实施聚类的时候就很容易出现超大类。
ART2由比较层F1、识别层F2、重整模块和增益控制模块几部分组成。
