본 논문은 신경망 학습과 커널 학습의 관계를 탐구하며, 무한대 너비 신경망과 가우시안 프로세스 간의 연결을 발전시키는 데 기여한다. Neural Network Gaussian Process (NNGP)와 Neural Tangent Kernel (NTK)의 두 가지 주요 접근 방식에 착안하여, 그래디언트 강하 및 파라미터 초기화를 통해 유도되는 Unified Neural Kernel (UNK)을 제안한다. UNK는 NNGP와 NTK의 특징을 모두 유지하며, 유한한 학습 단계에서는 NTK와 유사하게 작동하고 학습 단계가 무한대로 접근함에 따라 NNGP로 수렴한다. 또한, UNK 커널의 균일한 조임과 학습 수렴성을 이론적으로 특징지으며, 실험 결과를 통해 제안된 방법의 효과를 입증한다.
