본 논문은 연속 학습에서 발생하는 치명적인 망각 현상을 완화하기 위해, 이전과 새로 등장하는 클래스 프로토타입 간의 효과적인 표현 학습 방법을 제안합니다. 베이지안 학습 기반 대조 손실(BLCL)을 사용하는 프로토타입 네트워크를 제안하며, 클래스 내 거리는 줄이고 클래스 간 거리는 늘림으로써 새로운 클래스를 잠재 표현에 통합하는 대조 손실을 도입합니다. 베이지안 학습 기법을 통해 교차 엔트로피와 대조 손실 함수 간의 균형을 동적으로 조절합니다. CIFAR-10, CIFAR-100, ImageNet100 이미지 분류 데이터셋과 GNSS 기반 간섭 분류 데이터셋에 대한 실험 결과를 통해 기존 최첨단 방법보다 우수한 성능을 보임을 입증합니다.
