شبکه خود سازمانده پرکاربردترین شبکه عصبی برای انجام خوشه بندی و کوانتیزه نمودن برداری است. از زمان معرفی این شبکه تاکنون، از این روش در مسائل مختلف در حوزه های گوناگون استفاده و توسعه ها و بهبودهای متعددی برای آن ارائه شده است. شبکه خودسازمانده از تعدادی سلول برای تخمین تابع توزیع الگوهای ورودی در فضای چندبعدی استفاده می کند. احتمال وجود سلول مرده مشکلی اساسی در الگوریتم شبکه خودسازمانده به حساب می آید. مقداردهی اولیه نامناسب به بردارهای وزن سلول ها و محدب نبودن شکل توزیع ورودی دلایل اصلی به وجود آمدن سلول های مرده هستند. در این پایان نامه، از مفاهیم نظریه بازی استفاده و یک شبکه جدید خودسازمانده مبتنی بر نظریه بازی، به منظور بهبود تخمین تابع توزیع ورودی و حل مشکل سلول مرده، ارائه شده است. هر سلول به عنوان یک بازیکن با یک مجموعه استراتژی در نظر گرفته می شود. در طول آموزش، بازیکنان بر سر تصاحب تعداد بیشتری از الگوهای ورودی باهم رقابت می کنند. اجرای روش پیشنهادی بر روی مجموعه داده های مختلف، کارا بودن این روش را نشان می دهد.