Hvis a = b = 2 er Kohonen-funktionen særlig nem af afbilde. Man kan tegne Kohonen-nettet oven i inputplanen. Dette er tilfældet i figur 9 og 9.
I de følgende figurer er neuronerne indtegnet i input-planen. Neuronerne er markeret med små cirkler. Fra hver neuron er der tegnet streger til de neuroner, der ligger nærmest i indeksrummet.
Når nettets værdier starter med at være tilfældige sker det tit, at
nettet får en fold som i figur fig:firkant. En sådan fold er
relativt lang tid om at blive elimineret, fordi den udgører et lokalt
minimum for summen 
.
Det første billede i figur fig:firkant viser netværket før
første iteration. Det andet billede er efter 13 iterationer, hvor
nettet er ved at rette sig ud. Det tredie billede er efter 69
iterationer, hvor nettet har krøllet sig ud pånær folden. I det fjerde
billede ses det efter den 249 iteration - lige efter nettet er kommet
af med folden. Efter 742 iterationer har nettet rette sig op og er
stort set faldet til ro.
Figur: 2 Kohonen-net med 
neuroner startet op med
tilfældige værdier i intervallet 
. Input er ligefordelt i intervallet
.
Figur fig:cirkel viser hvordan nettet former sig efter input,
når input ligger ligefordelt på en cirkel med radius 1. På figuren ses
iteration 0, 1, 25, 217, 685 og 
. Selvom der aldrig kommer
input indenfor cirken, vil der alligvel ligge neuroner der. Som det
ses, indtræder der efter lang tid en stabil tilstand, hvor neuronerne
har fundet en symmetrisk måde at hive i hinanden på.
Figur 3: Kohonen-net med 
neuroner startet op ordnet i
intervallet . Input ligger på en cirkel med radius
1. Vinklerne i input er ligefordelt.
Figur 4: Kohonen-net er en snor på 30 neuroner startet op ordnet i
intervallet 
. Input er ligefordelt i
intervallet .
Der er ikke noget magisk i valget af a = b = 2, ud over at det er nemt af afbilde. Som det fremgår af teorien bag Kohonen-net, er det ikke noget krav, at a = b, men det er oftest det mest interessante. Hvis a < b, altså hvis nettet har større dimension end input, vil nettet blive foldet og klemt, så det passer ind. I forhold til hvor mange neuroner, der er i nettet, bliver den endelige repræsentation ofte ikke så god. Hvis a > b, dvs. hvis nettet har et mindre antal dimensioner end input, vil nettet forsøge at slange og bugte sig, så det allivegel få dækket hele inputrummet.
I figur fig:endimfirkant ses et en-dimensionet net med 30 neuroner. Det første billede viser nettet efter 5'te iteration, det andet efter 39 iterationer, og det sidste efter 326 iterationer, hvor nettet et tæt på at dække kvadratet så godt, som det nu kan. Folden er temmelig lang tid om at blive elimineret.
Det næste eksempel drejer sig også om et en-dimensinelt net. Men denne
gang er input også endimensionelt - nemlig enhedscirklen i 
. Lad os se, hvordan nettet klarer den, (se figur
fig:endimcirkel).
Det første billede viser nettet før den første iteration. Det næste billede viser nettet efter 58'te iteration hvor det allerede er ved at folde sig ud. De tre næste billeder viser 215'te, 246'te og 870'te iteration, hvor vi ser, at nettet hurtigt kommer til at ligne. Den sidste fold er lang tid om at blive elimineret. Det næstsidste billede er taget umiddelbart efter at folden er blevet elimineret.
Det sidste billede viser nettet efter den 2250'te iteration. Hullet mellem ende-neuronerne vil næppe lukke sig meget mere end det. Selvom de to endeneuroner relativt ofte er vindere, er deres naboneuroner (fx de tre tætteste naboer) tilsammen langt oftere vindere fordi de tilsammen dækker et større område. De to endeneuroner vil altså oftere blive hevet mod de andre neuroner, end ind i det udækkede område, indtil dette område er så stort, at det kan modveje trækket fra de andre neuroner, og der opstår en ligevægt. Ønsker man ikke sådanne udækkede områder, er løsningen ganske ligetil: De to endeneuroner skal bare gøres til naboer. Generelt svarer dette til direkte at tilpasse nettets form efter inputtets form.
Figur 5: Kohonen-net med 
neuroner startet op med
tilfældige værdier i intervallet . Input er ligefordelt på en cirkel med
radius 1.