在动态环境中部署的神经网络面临灾难性遗忘的问题，即在适应新任务时覆盖先前学习的知识，导致早期任务的性能显著下降。提出了一种动态方法——选择性遗忘感知优化（SFAO），该方法通过余弦相似度和逐层门控调节梯度方向，实现了在保持可塑性与稳定性之间的平衡。SFAO通过可调机制有效地选择性地投影、接受或丢弃更新，采用高效的蒙特卡洛近似。实验结果表明，SFAO在标准持续学习基准上实现了具有竞争力的准确性，同时...