Các thuộc tính đƣợc sử dụng bởi mạng Kohonen đƣợc tóm tắt nhƣ sau:
Halt: thiết lập bằng true để kết thúc huấn luyện.
learnMethod: phƣơng thức học, thiết lập bằng 1 cho trừ, hoặc giá trị khác
learnRate: tốc độ học ban đầu.
outputWeights[][]: trọng số nơron đầu ra và đầu vào.
quitError: Khi đạt đến tỷ lệ 1ỗi này thì ngừng huấn luyện.
reduction: Lƣợng giảm learnRate ở mỗi chu kỳ
retries: Tổng số chu kỳ cho phép, số chu kỳ huấn luyện cao nhất có thể
diễn ra.
train: Tập huấn luyện
Đầu tiên, cần lƣu ý rằng có một phƣơng thức dùng để sao chép ma trận trọng số. Sao chép ma trận trọng số là điều quan trọng bởi vì khi huấn luyện mạng Kohonen, ma trận trọng số mới tìm đƣợc thỏa mãn là ma trận trọng số tốt nhất, nó phải đƣợc sao chép để lƣu lại ma trận trọng số tốt nhất này. Cũng có một phƣơng thức có khả năng xóa trống hoàn toàn ma trận trọng số. Nó thực hiện bằng cách thiết lập tất cả các trọng số của ma trận bằng 0. Cuối cùng có một phƣơng thức khởi tạo sẽ thiết lập tất cả ma trận trọng số giá trị khởi tạo ngẫu nhiên.
Một số phƣơng thức khác nhau đƣợc sử dụng để chuẩn hóa, bởi vì chuẩn hóa là một phần quan trọng của mạng Kohonen. Chuẩn hóa để cho mạng Kohonen hoạt động tốt: Chuẩn hóa đầu vào, chuẩn hóa trọng số.
Khi huấn luyện, chúng ta không quan tâm đến đầu ra của mỗi nơron mà chỉ quan tâm đến đầu ra của nơron thực sự chiến thắng. Phƣơng thức "winer" tìm nơron chiến thắng hoạt động bằng cách lập trên từng nơron và tính toán đầu ra của từng nơron riêng biệt. Trong vòng lặp này sẽ lƣu lại chỉ số của nơron có đầu
ra cao nhất. Nơron với đầu ra cao nhất đƣợc coi là nơron chiến thắng. Phƣơng thức trả lại nơron chiến thắng.