本文研究了使用n个神经元的神经网络逼近具有一层隐藏神经元和k个神经元的神经网络的问题，提供了对传统激活函数的非平凡临界点的闭式解，并发现欠参数化网络的最优解具有普遍结构。

本文介绍了解释性人工智能中的一个重要挑战：如何正确解释隐藏神经元的激活。研究提供了一种基于大规模背景知识和概念归纳的符号推理方法，用于自动推断和验证隐藏神经元激活的解释。研究结果表明，可以自动将背景知识的有意义标签附加到卷积神经网络的密集层的个体神经元上。