人较真了，到底哪个是客观的起点，较真的人去穷尽所有点为起点，然后去计算吧。总之，多元关联拟脑模型提供了这种功能，我们可以利用多元关联拟脑模型，通过多元关联计算，去发现分布的点和运动的点的规律。
问题又来了，具体怎么做？
我们看到空间有大量分布的点，我们可以利用多元关联拟脑模型，为这些点建立以自身为核心信息元的三维坐标系，并把这些点之间的相对关系标注到每一个坐标系中，为什么是每一个坐标系？因为我们不知道它们收敛的规律，所以就需要把所有可能都放进去，例如，100个点，那么就建立100个三维坐标系，在每一个三维坐标系中都有一个核心点及99个关联点，而且核心点与关联点之间的真实的关联关系也反应出来，数据量不小，但是，至少是解决问题的方法，如此一来，我们就得到了这样的关系，然后提炼出一个点A1为起始点，然后在该模型中穷尽路由，计算后，会得到很多的路径（具体是多少需要计算，总之是有数的），在这些‘路由’里面，我们会计算每一个点之间的相对关系，并对相对关系做归纳，看能不能找到收敛的规律，如果有，那么我们可以认为这些点，以A为起点并按照一个特定的函数收敛，如果找不到，那么继续以下一个点A2为起始点再做一遍，如果没有就继续，直到第A100，如果实在找不到，也没办法，只能认为这些点没有规律。
路径就是A1A2A3A4。。。An，或者是A3A4A2A6A9A7。。。An，这是从A1到An的所有路径，也可以称为从A1到An的所有路由。
全部实现连接，太变态了吧，如果有10000个点，那么，好吧10000个点也不是什么事，如果有1亿个点，那关联关系约为很大的数，怎么办？其实刚才只是说明一下穷尽的概念，在实际操作中还可以简化，例如，运动的点，我们完全可以从起始点开始逐一向后建立模型，然后发现点与点之间的相对关系中的规律，分布的点要麻烦一些，我们也可以以起始点向一个方向发起关联，在这里可以设定关联阈值，例如A点与H点的距离大于阈值，那么我们就先认为A与H之间没有直接关联关系，通过对阈值的调节，我们把复杂的全关联模型，简化为关联深度控制模型，问题就简单多了。
同时间分布的点或者运动分布的点，在我们的多元关联拟脑模型中都是一样的，我们可以把‘空间散落分布点’看做是‘某一个原始点的运动轨迹’，也可以把‘某一个原始点的运动轨迹’在含有
…。。