본 연구는 ReLU 신경망의 파라미터 식별 가능성을 분석하고, 숨겨진 중복성을 파악하기 위한 프레임워크를 제시합니다. 입력 및 은닉층의 폭이 2 이상인 모든 아키텍처에서, 개방 집합의 식별 가능한 파라미터가 존재한다는 주요 결과를 얻었습니다. 연구 결과, 최소 기능 표현에서도 사소한 파라미터 중복성이 나타날 수 있으며, 더 얕은 네트워크로 일반화될 수 없다는 계층 구조를 확인했습니다.