A semantic attractor memory uses an evolving neural network architecture and learning rules derived from the study of human language acquisition and change to store, process and retrieve information. The architecture is based on multiple layer channels, with random connections from one layer to the next. One or more layers are devoted to processing input information. At least one processing layer is provided. One or more layers are devoted to processing outputs and feedback is provided from the outputs back to the processing layer or layers. Inputs from parallel channels are also provided to the one or more processing layers. With the exception of the feedback loop and central processing layers, the network is feedforward unless it is employed in a hybrid back-propagation configuration. The learning rules are based on non-stationary statistical processes, such as the Polya process or the processes leading to Bose-Einstein statistics, again derived from considerations of human language acquisition. The invention provides rapid, unsupervised processing of complex data sets, such as imagery or continuous human speech, and a means to capture successful processing or pattern classification constellations for implementation in other networks.

Una memoria semántica del attractor utiliza una arquitectura de red de los nervios de desarrollo y reglas que aprenden derivadas del estudio de la adquisición y del cambio humanos al almacén, proceso de la lengua y recupera la información. La arquitectura se basa en los canales múltiples de la capa, con las conexiones al azar a partir de una capa al siguiente. Unas o más capas se dedican a la información de proceso de la entrada. Por lo menos se proporciona una capa de proceso. Unas o más capas se dedican a procesar salidas y la regeneración se proporciona de las salidas de nuevo a la capa o a las capas de proceso. Las entradas de los canales paralelos también se proporcionan a las unas o más capas de proceso. A excepción de las capas de proceso del lazo y de la central de regeneración, la red es feedforward a menos que se emplee en una configuración híbrida de la detra's-propagacio'n. Las reglas que aprenden se basan en procesos estadísticos móviles, tales como el proceso de Polya o los procesos que conducen a la estadística de Bose-Einstein, derivada otra vez de consideraciones de la adquisición humana de la lengua. La invención proporciona rápido, unsupervised el proceso de los modems complejos, tales como imágenes o discurso humano continuo, y los medios de capturar las constelaciones acertadas del proceso o de la clasificación del patrón para la puesta en práctica en otras redes.