该文综述多项深度学习表示研究：比较不同初始化网络的神经元激活子空间匹配，发现卷积层表示并不相似；用门控线性网络分析结构对学习动态的影响；研究表示群流与归纳偏置；探讨解缠结与面向对象表示；发现Tanh网络表示反映输出结构，ReLU保留输入结构；并揭示表示几何相似度的敏感性与神经动力学普遍性。