稀疏分布式存儲器是一個通用的隨機存取存儲器，用于長的（如1000比特）二進制字。這些字既是存儲器的地址，又是存儲器的數據。該存儲器的主要屬性是對相似性的敏感性，這意味著一個字不僅可以通過提供原始寫入地址來讀回，還可以通過提供與之相近的地址來讀回，這可以通過不匹配位的數量（即存儲器地址之間的漢明距離）來衡量。SDM使用分布式數據表示和存儲實現了從邏輯空間到物理空間的轉換，類似于人類內存的編碼過程。一個邏輯地址對應的數值被存儲到許多物理地址中。這種存儲方式是穩健的，不是確定性的。一個存儲單元不被直接尋址。如果輸入數據（邏輯地址）完全部分損壞，我們仍然可以得到正確的輸出數據。存儲器的理論在數學上是完整的，并且已經被計算機模擬所驗證。它產生于這樣的觀察：高維空間的點之間的距離與人類記憶中的概念之間的接近關系相似。該理論也很實用，因為基于它的記憶可以用傳統的隨機存取記憶元素來實現。

人類記憶有一種傾向，即根據記憶之間的相似性（盡管它們可能沒有關系）來聚集記憶，稀疏分布式記憶是人類記憶的一種數學表示，它使用高維空間來幫助模擬人類神經網絡的大量記憶。這種高維空間的一個重要屬性是，兩個隨機選擇的向量彼此之間相對較遠，這意味著它們是不相關的。SDM可以被認為是對位置敏感的散列的實現。SDM的基本思想是將巨大的二進制存儲器映射到較小的物理位置集，即所謂的硬位置。作為一般準則，這些硬位置應該均勻地分布在虛擬空間中，以盡可能準確地模仿更大的虛擬空間的存在。每個數據都是由一組硬位置分布存儲的，并通過對這些位置進行平均檢索。因此，召回可能并不完美，準確性取決于存儲器的飽和度。Kanerva的建議是基于四個基本想法。維度，表現出類似于人類對概念之間關系的直觀概念的屬性。這意味著將數據存儲為所述空間的點是有意義的，其中每個存儲項被存儲為一個n位矢量。2.有n個輸入的神經元可以作為隨機存取存儲器的地址解碼器3.統一原則：存儲到存儲器中的數據可以作為同一存儲器的地址。兩點之間的距離是衡量兩個內存項目之間的相似性。

兩點越近，存儲的向量就越相似4.如果數據被組織成事件序列，時間可以在內存中被追蹤，作為數據存儲位置的函數。二進制空間NSDM與具有二進制成分的n維向量一起工作。根據不同的背景，向量被稱為點、模式、地址、字、內存項、數據或事件。本節主要是關于向量空間N=的屬性。