本研究使用卡坦移动框架探讨数据流形的几何特征和Riemannian结构，填补了解释神经网络输出与输入几何关系的研究空白。实验揭示了神经网络响应和输出类别的可达性，为可解释的人工智能工具提供了新的数学依据和潜在影响。