本研究分析了过度参数化神经网络的学习与泛化机制，强调图神经网络中对齐和图移位算子的优化重要性。实验证明，采用交叉协方差的图神经网络在多变量时间序列预测中表现优于传统方法。同时，研究探讨了神经切向核在无限宽度下的行为及其与训练过程的关系。

本文提出了一种数据选择方法，通过保留图像与标题的交叉协方差，提升了对比语言-图像预训练模型的泛化性能。实验证明，该方法在多个数据集上显著提高了准确度，尤其在医学图像文本数据的应用中表现优异，提出的医学语言-图像预训练框架（MLIP）有效减少冗余并保留语义。