様々なタスクが逐次的に与えられる環境下で，deep neural network (DNN) が継続的に学習できる手法が必要である．一般にDNNは単一のデータセットから学習されることを仮定しており，継続学習による破滅的忘却が課題となる．先行研究が提案したDNNの継続学習手法は，離散空間での認識・行動選択課題で成果を示す一方，時系列の予測学習課題への適用例が乏しく議論が不十分である．本研究はelastic weight consolidation (EWC)および自由連想による系列データを加えて追加学習するリハーサルをsketch-rnnの描画生成に適用し，学習結果を比較した．学習後の潜在空間から，EWCは過去の学習データと追加データを同一の分布として獲得し，リハーサルはそれらのデータを異なる集合として学習することを確認した．