A dynamic memory processor for time variant pattern recognition and an input data dimensionality reduction is provided having a multi-layer harmonic neural network and a classifier network. The multi-layer harmonic neural network receives a fused feature vector of the pattern to be recognized from a neural sensor and generates output vectors which aid in discrimination between similar patterns. The fused feature vector and each output vector are separately provided to corresponding positional king of the mountain (PKOM) circuits within the classifier network. Each PKOM circuit generates a positional output vector with only one element having a value corresponding to one, the element corresponding to the element of its input vector having the highest contribution. The positional output vectors are mapped into a multidimensional memory space and read by a recognition vector array which generates a plurality of recognition vectors.

Un processor dinamico di memoria per riconoscimento di forme variabile di tempo e una riduzione di dimensionalità di dati di input è fornito avendo una rete neurale armonica a più strati e una rete di classificatore. La rete neurale armonica a più strati riceve un vettore fuso della caratteristica del modello da riconoscere da un sensore neurale e genera i vettori dell'uscita che aiutano nella distinzione fra i modelli simili. Il vettore fuso della caratteristica ed ogni vettore dell'uscita sono forniti esclusivamente al re posizionale corrispondente dei circuiti della montagna (PKOM) all'interno della rete di classificatore. Ogni circuito di PKOM genera un vettore posizionale dell'uscita con soltanto un elemento che ha un valore corrispondere ad uno, l'elemento che corrisponde all'elemento del relativo vettore dell'input che ha l'più alto contributo. I vettori posizionali dell'uscita sono tracciati in uno spazio di memoria multidimensionale e leggono tramite un allineamento di vettore di riconoscimento che genera una pluralità di vettori di riconoscimento.