если ни одни из сигнальных входов не обладает предварительным преимуществом, 
общий вес связи будет распространяться на все одновременно действующие 
сигнальные входы. В результате, элемент может «настраиваться» так, что он будет 
активизироваться только определенной конфигурацией входов, а не к.-л. одним из 
этих входов.
   Основные архитектуры
    Несмотря на то что материалом для строительных блоков нейронных сетей 
являются отдельные элементы, мн. из эмерджентных свойств сети определяются 
архитектурой их взаимосвязей. Существуют 2 осн. архитектуры, встречающиеся в 
большинстве моделей, а именно, сети, содержащие множество слоев элементов, и 
сети, в к-рых выходы возвращаются в качестве входов в сеть.
   Многослойные сети
    Пример простой многослойной сети приведен на рис. 3. Эта сеть имеет два 
входа (A, В), каждый из к-рых проецируется на два элемента (X, R). Элемент X, 
находящийся между событиями на входе и выходным элементом наз. скрытым 
элементом. Эта небольшая сеть содержит пять модифицируемых связей, а именно A-Х,
 A-R, В-Х, B-R и X-R.
    
    Рис. 3. Конфигурация многослойной сети, подчиняющейся правилу исключающего 
ИЛИ.
    Многослойные сети сыграли решающую роль в разрешении вопросов репрезентации 
стимула и формирования понятий, вызывавших трудности у традиционных психол. 
теорий и однослойных сетевых моделей. В частности, многослойные сети 
обеспечивают базис для обучения произвольному отображению (arbitrary mapping) 
входных паттернов стимулов в выходные паттерны реакций. Ключевая проблема 
оказалась связанной с нелинейными отображениями. При таком отображении, 
желаемая реакция на определенное сочетание входов не является аддитивной 
функцией реакций на отдельные входы. Примером простейшего нелинейного 
отображения является правило исключающего ИЛИ. Правило исключающего ИЛИ требует 
реакции на каждый из двух входов, предъявляемых по отдельности, но не на их 
совместное появление. Напр., мн. люди обнаруживают следование правилу 
исключающего ИЛИ в своих вкусовых предпочтениях. Человек может с удовольствием 
есть лакрицу, но отказываться есть картофель с лакричной приправой. Если бы 
отдельные отображения стимул — реакция являлись строго аддитивными, картофель с 
лакричной приправой съедался бы с большим удовольствием.
    Вообще говоря, можно преобразовать нелинейную задачу в линейную, постулируя 
особый вход для совместного появления осн. стимульных входов. Однако, когда 
число осн. входов увеличивается, эта тактика приводит к бурному росту числа 
особых входов. Более общее решение заключается во введении механизма обучения, 
к-рый формирует специализированные кодировки совместных входов по мере 
возникновения такой необходимости. Многослойные сети обладают этой способностью.
 Коротко говоря, установление подходящих весов связей от стимульных входов к 
скрытым элементам создает блоки, специализированные для конкретной комбинации 
входов. Связи между скрытыми элементами и выходными элементами обеспечивают 
отображение этих специализированных блоков в соотв. выходные реакции.
    Небольшая сеть, показанная на рис. 3, имеет конфигурацию, позволяющую 
проиллюстрировать поведение согласно правилу исключающего ИЛИ. В этой 
конфигурации вход A сам по себе не может активизировать элемент X, т. к. вес 
связи А — X не превышает величины порога X, однако вход A может активизировать 
элемент R, т. к. его порог оказывается достаточно низким для того чтобы связь A 
— R оказалась эффективной. Точно так же, вход В может активизировать лишь узел 
R. Т. о., входы A и В могут каждый по отдельности активизировать выход этой 
сети. Однако, согласно правилу исключающего ИЛИ, взятые вместе входы А и В 
будут подавлять выход. Это происходит потому, что суммарный вес связей входов А 
и В будет активизировать элемент X, а этот элемент X имеет большую 
отрицательную связь с элементом R. Следовательно, совместное появление входов А 
и В аннулирует их индивидуальные положительные связи с элементом R.
   Автоассоциативные сети
    Пример небольшой автоассоциативной сети показан на рис. 4.
    
    Рис. 4. Автоассоциативная сеть, в которой все выходные уровни могут 
связываться со входными уровнями.
    Каждый из пяти элементов (А, В, С, D, Е) получает один внешний вход (a, b, 
с, d, e). Эти внешние входы обладают фиксированными связями, каждая из к-рых 
способна активизировать выход из соотв. элементов. Кроме того, каждый элемент 
получает пять возвратных входов, по одному на каждый выход из элементов, включ. 
его собственный. Напр., как показано на рис. 4, элемент С имеет пять связей, 
обозначенных как Aс, Bc, Сс, Dc и Еc. Эти связи являются модифицируемыми и 
функционируют в соответствии с теми же самыми правилами обучения, что и 
единственный элемент или многослойная сеть. Т. о., всякий раз, когда выход и 
вход являются активными, на их пересечении может возникать эффективная связь.
    Помимо др. вещей, автоассоциативные сети могут реализовывать 3 функции, 
к-рые представляют особый интерес для психологии.
    1. Завершение паттерна. Если множество взаимосвязей было хорошо определено 
в автоассоциативной сети, тогда уже часть исходных входов может восстановить 
полное множество выходов. Напр., предположим, что для сети, изображенной на рис.
 4, неоднократно предъявлялись входы а и е. Отсюда следует, что установились бы 
четыре взаимосвязи, а именно Аа, Ае, Еа и Ее, к-рые локализованы в четырех 
углах матрицы пересечений. Впоследствии вход а сам по себе активизировал бы оба 
выхода, А и Е, через связи Аа и Ае. Точно так же, вход е активизировал бы оба