本研究探讨了向量符号架构（VSA）与机器学习的关系，首次将范畴理论应用于VSA。结果表明，VSA可以视为增益单子的范畴中的一个英格，提供了更广泛的推广可能性，并加强了与学习和认知研究的联系。

本研究提出了一种新颖的哈达玛导出线性绑定（HLB）方法，以提高传统向量符号架构（VSA）在深度学习中的计算效率和效果，展示了其广泛的应用潜力。