本文提出了一种新型持续学习算法，结合参数分布学习与动态正则化，有效解决知识保持和灾难性遗忘问题。实验结果显示，该算法在多种序列数据集上优于现有方法。

本文研究了熵正则化下的最优输运问题，提出了一种基于Sinkhorn算法的解法，并证明了其收敛性和复杂度优势。通过动态正则化和二阶加速技术，改进了算法的收敛速度，适用于复杂场景中的输运计划。