FSCIL問題に取り組んだ最初の文献。手法的には参照ベクトルベースのfew-shot学習を採用し、(i) Hebb則による参照ベクトル更新、(ii) 新クラスを学習する際に旧クラスの参照ベクトルを大きく変化させないためのanchor loss、(iii) 識別性を高めるためのmin-max loss (contrastive lossに類似) を導入。

CIFAR100, miniImageNet, CUB200の各few-shot学習向けデータセットをベースに、FSCIL向けのベンチマークを導入。従来の（few-shot向けでない）CIL手法と比較して新クラスの追加を繰り返した時の精度悪化を抑制することに成功。

手法的には既存のCILとFSLの手法を組み合わせたような形で、採択は問題の新規性によるところが大きいと思われる。 なお、著者らはその手法をtopology preservingと呼んでいる。しかし、topologyを定めているedgeは更新則だけ書かれており、その他の要素と一切関連を持たない。そのため、topologyやneural gasといった概念はこの論文の手法と関係がないと考えられる。