معمولا دانش پژوهان اين شبكه را يكي از سخت ترين شبكه هاي تك لايه ميدانند.كوهنن شبكه اي طراحي كرد كه تنها پارامتر معلوم آن نرون هاي ورودي است در حالي كه وزنها و نرون هاي خروجي به عنوان پارامترهاي مجهولي هستند كه بايد پيدا شوند.مهمترين خصوصيت اين شبكه خودسازمان ده بودن آن است. روش كار كوهنن به اين صورت است كه براي تعداد نرون هاي خروجي عددي را انتخاب ميكند و از يك منطق ساده فاصله هندسي الگو را بدست مي آورد.نرون هاي ورودي و خروجي با مقادير باينري مقدار دهي ميشوند.اساس كار شبكه بر مبناي كم كردن فاصله خود از الگوهاي ورودي است. مقدار وزن ها با تكرار بدست مي آيد و شبكه به صورت غير خطي عمل ميكند. مدل کوهنن يک مدل بدون ناظر است . در اين مدل تعدادی سلول عصبی که معمولاً در يک توپولوژی مسطح کنار يکديگر چيده می شوند ، با رفتار متقابل روی يکديگر وظيفه شبکه خود سازمانده را ايفا می کنند . اين وظيفه تخمين يک تابع توضيع است . بردار را که هر يک از درايه های آن دارای چگالی احتمال است، در نظر بگيريد . در اين فضای چگالی نمونه هايی را به تناوب و تصادف انتخاب کرده به شبکه اعمال می کنيم بر اساس موقعيت بردار ورودی در فضای ، وزن های سلول ها طبق الگريتمی تغيير میکنند. اين تغيير به نحوی انجام می گيرد که در نهايت ، بردار های وزن مربوط به سلول ها به طور يکنواخت در فضای چگالی احتمال ورودی توزيع می شوند و بدين ترتيب شبکه با پراکندن سلول های خود در فضای ورودی پگالی احتمال آن را تخمين می زند .پراکندگی سلول ها در فضای احتمال ورودی به نوعی می تواند فشرده سازی اطلاعات محسوب شود، زيرا اکنون هر سلول مبين تقريبی از يک محدوده مشخص در فضای است .