两篇新论文《深度神经网络的几何与谱对齐 I》和《深度神经网络的几何与谱对齐 II》于2026年5月4日提交至arXiv。这些论文深入探讨了深度残差架构的几何和谱特性，将其建模为近乎恒等雅可比矩阵的乘积。该研究引入了归一化顶径向卡丹坐标和拟合幂律图等新概念，用于分析奇异谱和特征值数据，旨在为理解网络行为提供理论框架。 AI
影响 为分析深度神经网络架构提供了理论框架，可能影响未来的模型设计和理解。
排序理由 该集群包含两篇提交至arXiv的学术论文，详细介绍了关于深度神经网络的理论研究。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2605.02108v1 Announce Type: new Abstract: Deep residual architectures are modeled as products of near-identity Jacobians. This paper proves deterministic quotient-geometric estimates for singular spectra of Frobenius-normalized layer factors, emphasizing a normalized top-ra…
arXiv:2605.02111v1 Announce Type: new Abstract: This paper develops the angular and static-channel component of Geometric and Spectral Alignment for residual Jacobian chains. Starting from Cartan-coordinate rigidity and fitted effective-rank windows, we study how dominant singula…