本文提出了一种新型持续学习方法APD，通过加性参数分解有效防止灾难性遗忘，提升模型的可扩展性和精度。同时，研究探讨了深度学习中的噪声数据处理，提出多种正则化技术以提高模型在标签噪声下的泛化能力，并在多个数据集上验证了其有效性。