Yapay sinir ağlarında kullanılan bir öğrenme çeşididir. Gözetimsiz öğrenme olarak da bilinmektedir. Danışmansız öğrenmede ağa öğrenme sırasında sadece örnek girdiler verilmektedir. Herhangi bir beklenen çıktı bilgisi verilmez. Burada girdi verisinin hangi sınıfa ait olduğu belirsizdir. Örneklerdeki parametreler arasındaki ilişkileri sistemin kendi kendine öğrenmesi beklenir. Bu, daha çok sınıflandırma problemleri için kullanılan bir öğrenme şeklidir. Alternatifi olan danışmanlı öğrenmeye (supervised learning) göre daha uzun sürer. Bunun en büyük sebebi ilk değerlerinin hedeflenen değerden çok uzak olma ihtimalidir.
Sistemin doğru çıkış hakkında bilgisi yoktur. Girişte verilen bilgilere göre ağ her bir örneği kendi arasında sınıflandıracak şekilde kendi kurallarını oluşturur. Danışmansız olarak eğitilebilen ağlar istenen ya da hedef çıkış olmadan giriş bilgilerinin özelliklerine göre ağırlık değerlerini ayarlar. Bu öğrenmede ağ istenen dış veriler ile değil girilen bilgiler ile çalışır. Yalnız sistemin öğrenmesi bittikten sonra çıktıların ne anlama geldiğini gösteren etiketlendirmenin kullanıcı tarafından yapılması gerekir. Eğitim verisi olmadığı için uygulaması kolaydır. Ancak, zor problemlerde pek iyi sonuçlara ulaşılamayabilir. Bu metod gelecekte bilgisayarların insan yardımı olmadan öğrenebileceklerinin göstergesidir.
Örneğin, 100 kişilik bir sınıfımız var.Girdi değerleri; boy, kilo, saç rengi ve ayakkabı numarası. Sisteme ilk gelen kişiyi bir sınıf olarak ilan edecek ve ardından verilen tüm girdileri buna benziyor ya da benzemiyor diye ayırt edilecektir. Bu ayrımı yapabilmesi için 100 kişilik grubun değerleri, sisteme teker teker verilsin, YSA en sonunda öğrenmesini tamamlayacak ve 2 sınıf öğrenmiş olacaktır. 1.girdiye benzeyenler ve benzemeyenler. Adını koyamadığı bu sınıflar yardımıyla “kızlar” ve “erkekler” gibi iki sınıfa ayrılmış olur. Böylece bu iki sınıf başarıyla öğrenilmiş olunacaktır. Bu ağ modeline yabancı bir kişi değerleri verilirse, YSA bu kişiye doğru cinsiyetini söyleyecektir.
