本研究探讨了深度神经网络在持续学习中的可塑性损失问题，提出使用经验重放作为内存形式来有效解决该问题。实验结果表明，添加经验重放后，可塑性损失现象消失，显示出显著的潜在影响。

本研究提出了一种新颖的随机重排列方法，旨在提高强化学习中经验重放的采样效率，增强学习的稳定性和样本效率。在Atari基准测试中，该方法优于传统技术。