본 논문은 지속적 학습 환경에서 발생하는 catastrophic forgetting 문제를 해결하기 위해, 자기조직화 지도(SOM)의 확장판인 Saturation Self-Organizing Maps (SatSOM)을 제안한다. SatSOM은 새로운 saturation mechanism을 도입하여, 뉴런이 정보를 축적함에 따라 학습률과 근접 반경을 점진적으로 감소시킨다. 이를 통해 잘 훈련된 뉴런은 고정되고, 학습은 지도의 활용되지 않은 영역으로 재분배된다. 이는 SOM의 해석 가능성과 효율성을 유지하면서 지속적 학습에서의 지식 유지를 향상시키는 것을 목표로 한다.
