本研究探讨了向量符号架构（VSA）与机器学习的关系，并首次将范畴理论应用于VSA。研究表明，VSA可以视为增益单子的范畴中的一个英格，为VSA的推广及其与学习和认知研究的联系提供了新可能性。

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。