Le reti neurali artificiali sono modelli computazionali ispirati alla neurobiologia per migliorare e testare analoghi computazionali dei neuroni. In una rete neurale feedforward (FFNN), l'elaborazione dei dati avviene in una sola interconnessione in avanti dallo strato di input a quello di output senza alcun ciclo a ritroso. Il clustering FFNN non supervisionato (UFFNN) ha grandi capacità come le architetture di elaborazione parallela distribuite inerenti, la regolazione dei pesi di interconnessione per imparare e dividere i dati in gruppi significativi con obiettivi speciali, la classificazione dei dati correlati in gruppi simili senza utilizzare alcuna etichetta di classe, il controllo dei dati rumorosi e l'apprendimento dei tipi di valori dei dati di input basati sui loro pesi e proprietà. Generalmente negli ambienti reali, i dati dinamici sono ad alto volume e dimensionali, quindi, i metodi di clustering UFFNN dinamico online dovrebbero essere sviluppati per avere capacità di apprendimento incrementale online.