본 논문은 온라인 심층 학습에서 빠른 학습과 심층 학습이라는 두 가지 상반되는 목표 간의 균형을 맞추는 문제를 해결하기 위해 하이브리드 다중 학습자 접근 방식을 제시합니다. 역전파에 의존하지 않는 빠른 온라인 로지스틱 회귀 학습자를 개발하여 모델 파라미터의 폐쇄형 순환 업데이트를 활용함으로써 빠른 학습 과제를 효율적으로 해결합니다. 이 접근 방식은 얕은 학습자와 심층 학습자가 협력적으로 공동 학습되는 계단식 다중 학습자 설계와 통합되어 온라인 학습 문제를 해결합니다. 표준 온라인 학습 데이터 세트에서 최첨단 성능을 달성함을 보여줍니다. 코드는 GitHub에서 공개됩니다.
