本文探讨了在线持续学习中的增量类别设置，评估了不同方法在图像分类任务中的表现。研究发现大多数方法存在稳定性和欠拟合问题，但经过调整的基本经验回放方法表现优异。此外，提出了一种基于记忆的表示学习技术，以提高模型的健壮性并适应复杂任务。同时，研究还分析了深度神经网络的神经崩溃现象及其对泛化能力的影响。