본 연구는 데이터 스트림에서 온라인 학습이 현대 머신러닝 시스템의 중요한 특징이지만, 분포 변화 하에서 어려움을 겪는다는 점에 주목합니다.
온라인 커널 회귀를 통해 온라인 학습과 오프라인 학습의 관계를 분석하여, 온라인 커널 회귀는 부정확한 타겟 출력으로 이동된 오프라인 회귀와 동일함을 밝혀냈습니다.
타겟 교정을 통해 온라인 커널 기반 학습은 오프라인 학습과 동일한 예측기를 학습할 수 있으며, CIFAR-10 및 CORe50 이미지 분류 작업에서 효과를 입증했습니다.