ART2是基于自适应谐振理论的一种自组织神经网络，通过竞争学习和自稳机制原理实现分类，可以在非平稳的、有干扰的环境中进行无监督的自学习，其学习过程能迅速识别已学习过的样本，并能迅速适应未学习过的新对象。提出了一种基于慢速权值更新的ART2神经网络算法，该算法在对输入模式进行识别分类时，会减慢学习速率，降低模式漂移的速度。新的网络学习规则在分类实验中取得了较好的效果，并在一定程度上解决了模式漂移问题。