本研究探讨了深度神经网络中的“神经崩溃”现象，指出低秩偏差通过正则化导致不理想的解决结构，并强调损失表面的高退化性对深度学习模型和优化算法的重要影响。

本研究提出了一种以权重谱动态为核心的实证方法，揭示了谱动态在区分记忆网络与泛化网络、解释稀疏子网络及损失表面结构中的作用，为理解神经网络行为提供了新的框架。

本研究提出了一种以权重的谱动态为中心的实证方法，用于统一和澄清深度学习中的一些现象。研究发现谱动态能区分记忆网络与泛化网络，并解释稀疏子网络的出现及损失表面的结构。该方法为理解神经网络行为提供了一个连贯的框架。