本文研究了深度残差神经网络（ResNets）中的缩放因子（α）对泛化能力的影响。研究发现，当α是常数时，深度趋于无穷时，由残差神经切向核（RNTK）引起的函数类是不可学习的。然而，当α与深度L迅速减小时，使用深度RNTK进行早停止的核回归可以达到最小最大速率。模拟研究支持了对α选择的理论标准。