本篇論文提出一個兩個步驟的方法，用以解決不相交資料集合的自我組織神經網路的
問提。
步驟1.利用遞迴處理(recusive call) 的方法建立二分樹的分類架構 (binary tree
classifier) ，每一次以一個口袋式演算法(pocket algorithm)取得一個平面，這個
平面能切過兩個集合之間的相對應邊界，將資料區分成兩個部份，其中任何一部份只
要包含兩個集合的資料則遞迴以原演算法加以處理，直到能完全區分所有的資料為止
，這個演算法在訓練時能保留邊界點用以加快演算法的收斂速度，及避免搖擺的現象
產生。
步驟2.以二分樹或樹的分類架構建立神經網路，其中神經網路第一層的節點為一個平
面，對應一個分類架構的一個內部節點，第二層的節點作用如一個and-gate，每一個
節點對應分類架構的一條路徑，連接該路徑上內部節點所對應的第一層的節點，第三
層的每一個節點對應一個集合，連接所有該集合的路徑所對應第二層的節點，作用如
一個or-gate,以這個方式將二分樹或樹的分類架構建立神經網路。
這個方法具有4 個特性，
1.完整性：能正確區分所有的資料，
2.容量性：當受訓練的資料數量很多時也可以運作，
3.簡單性：所建立的神經網路非常簡潔，
4.一般性：能適用在其它分類的問題上。