SRMU：ストリーミング型ハイパーディメンショナル・メモリに対する関連度ゲート付き更新

要旨: 一連の連想記憶（SAM）を現実世界のストリーミング環境で構築・維持することは困難です。そこでは、観測が時間の経過とともに段階的に到来し、不均衡なサンプリングがあり、非定常な時間ダイナミクスが存在します。ベクトル記号アーキテクチャ（VSA）は、SAMを構築するための生物学に着想を得た枠組みを提供します。エンティティと属性は準直交的な高次元ベクトルとして符号化され、明確に定義された代数演算で処理されます。この豊かな枠組みにもかかわらず、ほとんどのVSAシステムは単純な加算による更新に依存しています。そこでは、新しい情報が導入されていない場合でも、反復された観測が既存の情報を強化してしまいます。非定常環境では、基盤となるシステムが変化した後も、古くなった情報が持続してしまいます。本研究では、VSAベースのSAMに対する、領域にもクリーンアップにも依存しない更新規則であるSequential Relevance Memory Unit（SRMU）を提案します。SRMUは、時間的減衰と関連度ゲーティング機構を組み合わせます。クリーンアップにのみ頼る先行手法とは異なり、SRMUは、記憶へ格納する前に冗長で矛盾し、かつ古くなった情報をフィルタリングすることで、記憶の形成を制御します。SRMUを、非一様なサンプリングと非定常な時間ダイナミクスを切り分けるストリーミングの状態追跡タスクで評価します。その結果、SRMUは記憶の類似度を12.6\%向上させ、累積的な記憶の大きさを53.5\%削減することが示されました。これは、SRMUがより安定した記憶の成長を生み出し、真の状態との整合性をより強くすることを示しています。