5.6.2 复杂系统网络型式的理论模型
在此基础上，我们提出一种复杂系统网络型式，图示如下：
图5.7 复杂系统网络型式
其中，a、b分别为系统的输入（即入列条件）和输出；x、y、z为系统中的三个选项，它们之间具有复杂的关系（包含渐变关系）。因此，将上述两个表示法中的反馈和渐变两个特征纳入了同一个理论模型之中。
与五个基本式相比，这个复杂系统网络型式具有如下一系列的优点，从而更好地表示系统功能语言学的基本理论框架（参见图5.8）：
1）完善的系统构件要素
系统功能语言学理论框架本身就是一个复杂的大型网络，它由处于不同层次、具有不同性质的子系统通过联结而成。
在复杂系统网络型式中，明确地提出了输出这个概念，因此可以对这些（子）系统完整地加以表示。以语篇功能系统为例，它的输入是上一层次中的范围、基调和方式，选项为概念、人际和谋篇，输出则是下一层次中的语言形式。
图5.8 系统功能语言学理论框架（张德禄、苗兴伟、李学宁，2005：331）
图5.9 基本式（3）
而在五个基本式中，一个共同的处理原则是将选项和输出合并起来。以图5.9基本式（3）为例，x本身是系统a的一个选项，但同时又充当了另一个包含m和n系统的输入。这种处理似乎显得简洁，但是反而不易清晰地区分a、x、m/n所在的层次差异，也不便于标记下一层次中系统的名称。
2）折中的选项设置
考察系统功能语言学理论框架中的子系统，我们可以发现包含两个选项的系统仅有两个，而大部分系统包含了三个或三个以上的选项。在此情况下，我们在复杂系统网络型式中设置了三个选项。从语言学的角度来说，这有助于明确地表示系统功能语言学理论框架中三元功能并行处理的原则，因此便于刻画情景语境层和语义层中的系统。从逻辑学的角度来看，它所体现的是多值逻辑，即一种非经典逻辑。而传统的五个基本式中一般设置两个选项，所遵循的是经典的二值逻辑。
通过设置三个选项，可以在这三者之间建立更加灵活的组合方式，从而更好地表示不同系统的特殊性质：
（1）第一种组合是x、y、z并存，它们之间为合取关系。与五个基本式相比，这可以更加直观地表示情景语境、三元功能等系统中的情况。在这些系统中均有三个选项，它们处于并行的关系。
（2）第二种组合是y为过渡地带，此时x、z之间不是简单的非此即彼的关系。这可以有效地表示语言形式系统中的情况。在这个系统中，包含了两个选项：词汇和语法。它们之间处于一个连续统的关系。
3）现成的技术实现手段
人工智能的发展为实现上述复杂系统网络型式提供了一种现成的计算机技术——人工神经网络。
人工神经网络是一个大规模的非线性自适应系统，包括互联型和分层型两大类型。其中，分层型又可以进一步分为简单前馈型、反馈型前馈型和内层互联前馈型。
图5.10 反馈型前馈网络（张德丰，2011：77）
在这些神经网络中，图5.10可以用于实现选项对于入列条件的反馈作用，而图5.11可以用于实现几个选项之间的相互影响。此时，我们可以将图5.7中的输入a、选项x、y、z和输出b均视为不同层次的神经元。
图5.11 内层互联前馈型网络（ibid.）