本論文は、経験的神経接線カーネル（ENTK）の固有値分析によって、訓練されたニューラルネットワークが使用する特徴を特定することができるという証拠を提示する。機械的解析の可能性のための2つの標準的なおもちゃモデルであるSuperpositionのおもちゃモデル（TMS）とモジュラー加算のために訓練された1層MLPは、eNTKが上部固有空間が真の特徴と一致する急激なスペクトル崖を示すことを発見しました。 TMSでは、eNTKは希少（高度なネスト）領域と密集領域の両方で真実の特徴を回復します。モジュラー算術演算では、eNTKはフーリエ特徴ファミリを回復するために使用できます。さらに、階層別のｅＮＴＫが特徴を特定の階層に局在化し、ｅＮＴＫスペクトルの進化を用いてグローキング位相変換を診断することができるという証拠を提供する。これらの結果は、eNTK分析が小さなモデルで特徴発見および位相変化を検出するための実用的な手段を提供できることを示唆している。
