본 논문은 순차적 학습(Sequential Learning)을 저차원 선형 회귀(Low-rank Linear Regression)의 관점에서 분석합니다. 특히, 계층적으로 단순화된 하위 작업들을 순차적으로 학습하는 과정에서 발생하는 오류 전파(Error Propagation)에 초점을 맞춥니다. 각 단계는 rank-1 부분공간 추정 문제로 분해되며, 이후 단계의 추정은 이전 단계의 정확도에 의존합니다. 논문은 이러한 순차적 과정에서의 오류 전파 특성을 규명하고, 제한된 계산 자원 및 유한 정밀도로 인한 오류가 전체 모델 정확도에 미치는 영향에 대한 경계를 설정합니다. 오류가 예측 가능한 방식으로 누적됨을 증명하고, 알고리즘 설계 및 안정성 보장에 대한 시사점을 제시합니다.
