还有两种简化假定，就任意映射作业而言，这两者都造成对分布式表述有效性的低估。首先，这些演算假定，在最经常出现错误的场合，根本不存在用增加一些加权值并减少另一些加权值来改善性能的微调过程。第二，这些演算略去了存在于义素之间的交叉联结。如果每一词义都是一些义素的一个常见的稳定模式，那么就存在着一个强“清理”作用，对一个特定的词义来说，一旦义素层次上的激活模式充分接近常见模式，该作用势必抑制错误的义素。义素之间的相互作用也为单一字母串(例如bank)引出两种完全不同意义的能力提供了解释。激活词集单元自下向上的作用对两种义素集合都有帮助，但是在自上向下的因素对一种意义有利的同时，另一意义中的义素将被义素层次上的竞争性的相互作用所抑制(Kawamoto and Anderson 1984)。
模拟。只要义素单元中间存在交叉联结，并且存在为了避免频繁出错而对各个加权值进行的微调，上面给出的较为简明的概率分析就会失效。为了给交叉联结留出时间去清理输出，必须使用一个迭代过程，而不是简单的“直通”加工，在这种加工中，每一层都用单一的同步步子完全确定下一层中的所有单元的状态。含有交叉联结、反馈和非同步加工元素的系统很可能是更符合实际的，但是一般也是很难分析的。然而，我们现在开始发现，存在着这些较复杂系统的子类，它们的行为方式是易干处理的。第7章中较详细地叙述了一个有关这种子类的例子。它使用了一些表现出固有随机特性的加工元素。出乎意料的是，采用随机元素之后，这些网络得以更好地执行搜索，更好地学习，也更容易分析。
11 分布式表述
291