As redes do tipo ART apresentam grandes vantagens, porém alguns problemas existem. O mais importante deles é o problema da proliferação de categorias e é provavelmente o mais crítico. Esse problema faz com que a rede crie várias categorias consumindo recursos (recursos de uso para armazenar uma grande quantidade de categorias impactando negativamente ou até mesmo inviabilizando o tempo de processamento da rede) sem contribuir para a qualidade da representação do problema. Ou seja, em muitos casos a quantidade excessiva de categorias geradas pelas redes ART faz com que a qualidade da generalização da rede seja inferior ao que deveria ser. Outro problema das redes do tipo ART é a dificuldade de aproximar regiões que tem geometria não retangular, ocasionando uma generalização inferior a outros métodos de classificação. A partir da observação desses problemas, foi desenvolvido esse trabalho que utiliza uma geometria mais flexível do que a geometria fixa presente nas redes ART tradicionais. Assim, propõe-se nesse trabalho a utilização de politopos convexos para representar a geometria de cada categoria da rede neural.