在最近的一项工作 [ 1 ] 中，Halverson、Maiti 和 Stoner 提出了一种用威尔逊有效场论来描述神经网络的方法。无限宽度极限被映射到自由场论，而有限 N 个校正则由相互作用（作用中的非高斯项）考虑。在本文中，我们研究了这种对应的两个相关方面。首先，我们在这种情况下评论了局部性和幂计数的概念。事实上，这些通常的时空概念可能不适用于神经网络（因为输入可以是任意的），然而，重正化群提供了局部性和缩放的自然概念。此外，我们还评论了几个微妙之处，例如数据分量可能不具有置换对称性：在这种情况下，我们认为随机张量场论可以提供自然的概括。其次，我们通过使用 Wetterich-Morris 方程提供非微扰重正化群的分析，改进了 [1] 中的微扰威尔逊重正化。与通常的非微扰 RG 分析的一个重要区别是，只知道有效 (IR) 2 点函数，这需要谨慎设定问题。我们的目标是提供一种有用的形式化方法，以非微扰方式研究超越大宽度极限（即远离高斯极限）的神经网络行为。我们分析的一个主要结果是，改变神经网络权重分布的标准差可以解释为网络空间中的重正化流。我们专注于平移不变核并提供初步的数值结果。