본 논문은 지속적 학습의 핵심 과제인 치명적 망각 문제를 해결하기 위해, 시각 도메인에서 강건성을 보인 계층적 개념 형성 모델인 Cobweb/4V를 기반으로, 모델의 안정성에 기여하는 세 가지 가설을 검증한다. 가설은 (1) 적응적 구조 재구성이 지식 유지를 향상시키고, (2) 희소하고 선택적인 업데이트가 간섭을 줄이며, (3) 충분 통계 기반 정보 이론적 학습이 그래디언트 기반 역전파보다 유리하다는 것이다. MNIST, Fashion-MNIST, MedMNIST, CIFAR-10 데이터셋을 사용한 실험을 통해 적응적 재구조화, 희소 업데이트, 정보 이론적 학습이 치명적 망각을 완화하는 데 기여함을 밝히고, 개념 기반 및 정보 이론적 접근 방식의 지속적 학습 시스템 구축 가능성을 제시한다.
