본 논문은 일반화된 클래스 증분 학습(GCIL) 문제를 해결하기 위해 분석적 학습 기반의 새로운 접근법인 G-ACIL을 제안한다. G-ACIL은 노출된 클래스와 노출되지 않은 클래스로 입력 데이터를 분해하여 증분 학습과 통합 학습 간의 동등성을 달성한다. 이를 통해 G-ACIL은 기존 방법들보다 뛰어난 성능과 강건성을 보인다.
