Se propone estudiar la dinámica de valores propios en redes neuronales, donde se analiza cómo evolucionan los autovalores de las matrices de pesos durante el entrenamiento de una red neuronal. El proyecto se enfoca en estudiar empíricamente el espectro de estas matrices (por ejemplo, la matriz de pesos de una capa lineal) a lo largo de distintas etapas del aprendizaje, explorando conexiones con la teoría de matrices aleatorias y la estabilidad dinámica del aprendizaje. Se pueden comparar distintos algoritmos de optimización y arquitecturas para identificar patrones universales y fases de entrenamiento desde una perspectiva espectral.
