نگرش راملهارت بین مدل های ریاضی و مدل های مبتنی برکامپیوتر یادگیری و نظریه های زبان شناختی پیوند برقرار می کند. او سراسر زندگی حرفه ای اش را صرف کار در ابعاد مختلف شناخت کرد. راملهارت همراه با همکار خود جیمز مکللند نخستین مدل پیوندگرای بازشناخت کلمه را در زبان نوشتاری توسعه دادند. آنها برای تبیین اثرات بافت کلمه بر شناسایی حروف مدل هایی را یافتند. شبکه های عصبی(IAC) بسطی از پارادایم یادگیری رقابتی است و ادراک گفتار، بازشناخت دیداری کلمه و ادراک دیداری از جمله کاربردهای آن هستند.

این مدل از سه سطح مختلف واحدهای پردازش تشکیل شده است. واحد ها به سطوح قبل و بعد از خود پیوند دارند. هر پیوند تحریکی است به این معنا که واحد مقصد را فعال تر یا بازداشتی تر می کند. در یک سطح معین، هر واحد با ارائه عنصر رقابت از طریق پیوند بازداشتی با یکدیگر نیز پیوند دارند. یک شبکه آرایشی به نام معماری دارد.

§        سطح درونداد با واحدهای ویژگی دیداری

§        سطح میانی که در آن واحدها حروف منفرد هستند.

§        سطح برونداد که در آن واحدها کلمات هستند.

برای مثال، اگر اولین حرف کلمه « T» باشد، در این صورت کلمات ممکن می توانند «Time»، «Tick»، «Take»، «Tart»، «Top»، «Table» و غیره باشند. کلمات مشابه مانند«Chime»، «Pick»، «Cake»، «Part»، «Mop»، «Fable» و غیره بازداری می شوند. همین که فعال سازی به سطوح پایین تر می رسد، تمام کلماتی که با « T» شروع می شوند تا حدی فعال می شوند.

اگر دومین حرف«A» باشد، در این صورت فعال سازی کلمات «Take»، «Tart» و «Table» و سایر کلماتی که با «TA» شروع می شوند، ادامه خواهد داشت، در حالی که اثر رقابتی سایر کلمات را حذف خواهد کرد. اگر سومین حرف«B» باشد، در این صورت«Table» و سایر کلماتی که با «TAB» شروع می شوند، فعال باقی مانده و سایر کلمات به صورت رقابتی بازداری می شوند. به تدریج با دستیابی به هماهنگی، الگوی فعال سازی به وضعیت با ثباتی می رسد و کلمه بازشناسایی می شود. هر تکرار چرخه فرایندی نامیده می شود.

این مدل در دهه 1980 بر روان شناسان شناختی پردازش اطلاعات تاثیر زیادی داشت.