本研究提出了一种无分布假设的分析框架，解决了超参数化两层神经网络在无参数回归中的训练问题，证明其风险收敛速率与经典核回归相同，为无参数方法提供理论支持。

超参数化是深度学习成功的关键因素之一，过参数化网络在性能方面优于欠参数化网络，即使连接了许多欠参数化特征。验证和玩具场景证明了过参数化网络可以学习一些欠参数化网络无法学习的重要特征。