가우시안 분포를 위한 밀집 연관 기억

초록

본 논문은 기존 벡터 기반 밀집 연관 기억(DAM)을 2‑Wasserstein 거리 위에 정의된 가우시안 확률분포로 확장한다. 로그‑합‑지수(LSE) 에너지 함수를 Bures‑Wasserstein 공간에 정의하고, Gibbs‑가중치가 적용된 최적 수송 지도들의 가중 평균을 이용한 동적 업데이트 규칙을 제시한다. 정적점은 자기 일관적인 Wasserstein 중심(바리센터)이며, 이를 통해 차원 d에 대해 지수적 저장 용량과 잡음 섞인 질의에 대한 정량적 복원 보장을 증명한다. 합성 데이터와 이미지·텍스트 실험(CelebA, CIFAR‑10, text8, NLI)에서 제안 방법이 기존 Eu‑DAM을 크게 능가함을 확인하였다.

상세 분석

본 연구는 두 가지 핵심 아이디어를 결합한다. 첫 번째는 확률분포 자체를 메모리 원소로 삼는다는 점이다. 가우시안 분포는 2‑Wasserstein 거리 하에서 Bures‑Wasserstein 기하학을 갖으며, 평균과 공분산을 동시에 고려하는 비유클리드 구조를 제공한다. 저자들은 이 구조 위에 로그‑합‑지수(LSE) 형태의 에너지 함수를 정의한다. 구체적으로 저장된 N개의 가우시안 (X_i)와 현재 질의 (\xi)에 대해
\