본 논문은 인지 모델에서 영감을 받은 새로운 비지도 학습 접근법을 제시한다. 기존의 비지도 학습 방법들이 주로 수학적 공간에서의 샘플 군집화에 초점을 맞추는 것과 달리, 본 논문에서는 입력 데이터에 독립적인 분산 계층 구조로 입력 공간을 구성적으로 모델링하는, 원시 기반의 비지도 학습 방법을 제안한다. 최신 비지도 학습 분류, 소규모 및 불완전 데이터셋 분류, 암 유형 분류 등 다양한 분야에서 기존 최고 성능 모델들과 비교 분석하여 제안된 방법의 우수성을 입증하고, 인지적 특성 평가를 통해 기존 알고리즘(지도 학습 포함)을 능가하는 성능과 더불어 인지와 유사한 동작을 보임을 보여준다.
