本文研究了高斯单位集(GUE)特征值分布，提出了特征值间隙的估计与控制方法，解决了固定索引与固定能量之间的技术难题。这些研究结果对即将进行的GUE边界条件的“蜂巢”研究具有重要意义。
本文研究了深度ReLU网络中神经切向核（NTK）的特征值分布及其对网络训练的影响，提出了误差上限和优化算法，探讨了不同宽度下的学习动态及鲁棒性，强调了NTK在实际应用中的重要变化。
完成下面两步后，将自动完成登录并继续当前操作。
