我在阅读这篇论文理解深度学习需要重新思考泛化，但我不明白为什么在第5页，2.2节“影响”下的“Redemacher复杂度”部分提到界限是平凡的？

由于我们的随机化测试表明，许多神经网络可以完美地拟合带有随机标签的训练集，我们预期对于相应的模型类H，Rad(H)=1。当然，这是一个对Rademacher复杂度的平凡上界，在现实环境中并不会导致有用的泛化界限。

显然，我在Radmacher方面缺乏一些知识，因为我不明白他们是如何得出这个结论的。如果有人能向我解释，我将不胜感激。

回答：

在论文中，函数h被限定在1以内，因此Rademacher复杂度被平凡地限定在1（你将n个等于1的项相加，然后除以n）。