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。

该文综述随机矩阵谱理论在神经网络中的应用，重点研究共轭核与神经切向核的特征值分布，证明在随机初始化、近似正交输入及宽度线性增长下，核谱收敛到确定性极限，并揭示核谱聚类、泛化边界及训练动力学等性质。