本研究提出了持续学习损伤识别模型（CLDRM），解决了钢筋混凝土结构中多重损伤识别所需的神经网络和数据存储问题。该模型整合了“无遗忘学习”方法，提高了损伤识别的准确性和效率，降低了预测时间和数据存储需求。

本文提出了一种基于生成式对抗网络记忆的方法，用于解决生命周期学习中的遗忘问题。该方法通过生成视觉上差异化的目标来记忆数据流，实现无遗忘学习。研究结果表明，该方法在生命周期分类问题上比现有方法更优越和有效。