यह पत्र नियम भाषा कार्यों (परिमित-अवस्था ऑटोमेटा (FSAs) का अनुकरण) पर उनकी अभिव्यंजक शक्ति और लंबाई सामान्यीकरण प्रदर्शन का विश्लेषण करके चयनात्मक अवस्था-स्थान मॉडल (SSM) कैसे काम करते हैं, इसकी अंतर्दृष्टि प्रदान करता है। मौजूदा SSM-आधारित आर्किटेक्चर की सीमाओं को दूर करने के लिए, हम चयनात्मक सघन अवस्था-स्थान मॉडल (SD-SSM) प्रस्तुत करते हैं, पहला चयनात्मक SSM जो एकल परत का उपयोग करके विभिन्न प्रकार के नियम भाषा कार्यों पर पूर्ण लंबाई सामान्यीकरण प्रदर्शित करता है। SD-SSM एक सघन संक्रमण मैट्रिक्स शब्दकोश, एक सॉफ्टमैक्स चयन तंत्र का उपयोग करता है जो प्रत्येक समय चरण में पूर्ववर्ती मैट्रिसेस का एक उत्तल संयोजन उत्पन्न करता है, और एक रीडआउट जिसमें पदानुक्रमित नियमितीकरण और रैखिक मानचित्रण शामिल होता है
