連邦学習の文脈において、新クラスの得点を過去のモデルの出力に組み込むことで、より包括的で正確な知識移転を実現し、カタストロフィック忘却を軽減する。
連邦クラス増分学習において、時間的知識転移と空間的知識転移を組み合わせることで、連続的な学習能力と信頼性を向上させることができる。