本文提出了一种用于确定统计学习机（SLM）参数结构的识别函数（IF）方法。 这涉及研究三个相关方面：结构可识别性（SI），参数冗余（PR）和重新参数化。 首先，通过在黎曼几何中采用秩定理，我们通过计算中频导数矩阵（DM）的秩来推导有效的可识别性准则。 其次，我们将IF的先前概念扩展到用于检查SLM局部参数结构的局部IF（LIF），并证明Kullback-Leibler散度（KLD）就是这样一种适当的LIF，从而将LIF方法与几个现有标准相关联。 最后，建立了一种求解参数冗余模型中最小化重新参数化
