图14-9的例子是一个4乘3矩阵。但是显然，无论数学运算，还是它的物理实现，都不受任何维数限制。在原理上，派利欧尼斯-利纳斯的联络矩阵可以实现维数达到数千个甚至更多的状态空间的变换。
平行纤维传入
图14-9示意的结构非常接近于小脑中发现的微细结构格局(图14-10)。(参阅Llinas1975，可知有关小脑构造体系的概况。)水平纤维在那里称为平行纤维，它们是从较高级的运动中枢传入的。密集的垂直位的细胞则称为浦肯野细胞，它们的传出穿过小脑核到达运动终末。事实上，由于对小脑精密规范的构造体系的观察，同时也由于试图通过在计算机中建立小脑的大规模物理联系，以重新建立小脑的功能特性，派利欧尼斯和利纳斯一开始就倾向于这种观点：小脑所做的工作，是将一个神经多维空间中的矢量系统地变换为另一个神经多维空间中的矢量(Pellionisz and Llinas 1979)。
了解了该问题的这个观点之后，特别是由于我们不能指望脑本身仅局限干笛卡尔坐标，张量计算自然就可以作为用来对这类事物编址的框架。在至此讨论过的例子中，沿着相关状态空间的任何一根轴的位置变动，与沿任何别的轴的变动无关，但是这种独立性并不表示非正交轴状态空间的特征。的确，在派利欧尼斯和利纳斯看来，该方法包括了非笛卡尔多维空间在内的这种普遍性，是他们这一解释的最重要的特征之一，除最简单的协调问题而外，这一特征对理解所有问题来说都是必不可少的。这里我不能继续讨论这一特征了。
14 认知神经生物学中的某些简化策略
381