分布式表示是神经网络中的一种信息表示方式:每个概念由多个单元的激活模式共同表示,而每个单元也参与多个概念的表示。它与为每个概念分配一个专用单元的局部表示相对。
这一方式由杰弗里·辛顿等并行分布式处理(PDP)研究小组在1980年代提出并倡导,其优点包括用较少的单元表示大量概念、部分单元受损时表示不会完全消失,以及相似概念具有相似模式从而有利于泛化。将词语表示为实数向量的词嵌入是典型例子,现代深度学习模型的内部表示大多属于分布式表示。另一方面,仅观察单个单元难以读出其含义,因此它也被视为造成可解释性困难的因素之一。