본 논문은 온라인 학습 환경에서 시간 간격별 성능을 요구하는 간격 후회 메트릭을 활용하여 비정상 온라인 학습 문제를 연구해요. 그래디언트 변동을 기반으로 하는 새로운 온라인 학습 알고리즘을 제안하며, 이는 온라인 함수 그래디언트의 누적 변화를 측정하는 중요한 지표예요. 간단하고 효율적인 2계층 온라인 앙상블 구조를 통해 이론적 보증을 확보하고, 미지수 상수에도 자동으로 적응하는 변형 알고리즘을 소개해요.