La red de Hamming fue desarrollada por Richard P. Lippmann a mediados de 1.987, al año siguiente lo publica como “An introduction to computing with neural nets”. La red es muy similar a la de Hopfield, con la única diferencia de que ésta implementa un clasificador máximo de confianza, el aprendizaje también es similar.
Se la denomina de Hamming debido a que utiliza la denominada distancia de Hamming, computacionalmente es el número de bits en el cuál difieren dos palabras en el computador, el método fue desarrollado por Richard W. Hamming para identificar y corregir errores en la transmisión de información entre dispositivos de cómputo.
Es una red simple feedforward de tres capas:
- La capa de entrada tiene numerosas neuronas binarias totalmente conectadas a la siguiente.
- En la capa oculta (Hopfield) también llamada de categoria, cada elemento está conectado a todos los demás elementos de la misma, así como a una conexión directa a la neurona de salida.
- La capa de salida coincide en cantidad de neuronas con la capa oculta.
Las capas más importantes son la segunda y tercera. La segunda realiza una correlación entre el vector de entrada (E) y el vector patrón (P), y la tercera realiza la competencia y determina cuál de los patrones está más cercano al vector de entrada, es decir, tiene la menor diferencia en bits de los dos vectores y por tanto el más representativo de los patrones de entrada.
Por ejemplo:
| Vectores | E | P(1) | P(2) | P(3) | P(4) |
| 0 | 1 | 0 | 0 | 0 | |
| 1 | 0 | 1 | 0 | 0 | |
| 1 | 0 | 0 | 1 | 0 | |
| 0 | 0 | 0 | 1 | 1 | |
| P(1) – E | 1-0 | 0-0 | 0-0 | 0-0 | |
| P(2) – E | 0-1 | 1-1 | 0-1 | 0-1 | |
| P(3) – E | 0-1 | 0-1 | 1-1 | 0-1 | |
| P(4) – E | 0-0 | 0-0 | 1-0 | 1-0 | |
| Distancia | 3 | 1 | 2 | 3 |
Como es una red competitiva lo debemos ver de este modo, la neurona ganadora indica cuál patrón prototipo es el más representativo, en el ejemplo P(2).