本書的主要內容為連續(xù)學習的理論和應用的一些關鍵技術方法，其創(chuàng)新點包括：(1)提出一種跨時序任務的感知目標函數(shù)；(2)提出一種代表性重演樣本挑選算法；(3)提出一種基于元學習的訓練樣本影響的計算方法；(4)提出一種基于非對稱的梯度度量與最大差異優(yōu)化算法；(5)提出一種基于增廣圖網絡的連續(xù)多標簽分類算法；(6)提出一種基于費雪信息矩陣融合的聯(lián)邦連續(xù)學習算法；(7)提出一種基于兩級動態(tài)圖構建的小樣本連續(xù)學習算法。隨著人工智能在各個領域的應用推廣及逐步普及，研究人員對該領域的學習有著濃厚的興趣和需求，本書旨在使讀者能夠對連續(xù)人工智能的基礎與應用有較為全面的認識。全文共分為8章論述：第1章，緒論；第2章，連續(xù)學習中的域漂移研究；第3章，連續(xù)學習中的樣本可解釋性研究；第4章，連續(xù)學習中的多任務并行沖突性研究；第5章，連續(xù)學習在多標簽分類中的應用；第6章，連續(xù)學習在聯(lián)邦學習中的應用；第7章，連續(xù)學習在小樣本分類問題中的應用；第8章是對本書內容的總結。