本論文は、継続的な学習環境で発生するカタストロフィックフォージング問題を解決するために、自己組織化マップ(SOM)の拡張版であるSaturation Self-Organizing Maps(SatSOM)を提案する。 SatSOM は新しい saturation メカニズムを導入し、ニューロンが情報を蓄積するにつれて学習率と近接半径を徐々に減少させます。これにより、よく訓練されたニューロンは固定され、学習は地図の未使用領域に再分配されます。これは、SOMの解釈の可能性と効率を維持しながら、継続的な学習における知識の維持を向上させることを目的としています。