待验证50% 置信事实精确时间
AlexNet首次在大规模深层卷积网络中系统性地使用ReLU替代Sigmoid/Tanh，使训练深层网络变得可行并提升训练速度数倍。
1
来源数
50%
置信度
长期有效
时效性
2026/10/13
首次发现
来源
涉及实体
相关事实
待验证AlexNet采用8层深度卷积神经网络架构，利用GPU加速训练，将Top-5错误率从前一年的25.8%降至15.3%74% 相似待验证ResNet（2015，He 等人）通过引入跳跃连接构造恒等映射的学习旁路，将可训练网络深度推进至 152 层乃至千层，并在 ImageNet 上以显著优势夺冠73% 相似已验证ResNet（残差网络）由微软研究院何恺明团队于2015年提出，通过引入残差连接解决了深层网络训练中的梯度消失问题72% 相似已验证AlexNet在ImageNet竞赛中夺冠正式开启了深度学习时代72% 相似待验证残差连接与层归一化解决了深层网络训练不稳定的问题，使模型可堆叠到数十层69% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1013757API
curl https://kongchang.com/api/v1/knowledge/claims/1013757MCP
get_claim(id=1013757)