待验证50% 置信事实精确时间
U-Net是一种编码器—解码器结构的卷积神经网络，最初用于生物医学图像分割，通过跳跃连接保留精细空间细节。
1
来源数
50%
置信度
长期有效
时效性
2026/10/19
首次发现
来源
机器学习修复火星探测器缺失波段：HiPredict 重建 HiRISE 彩色影像
rss2026/10/16
涉及实体
相关事实
待验证ResNet（残差网络）通过跳跃连接解决了深层网络的梯度消失问题，能提取层次化视觉特征63% 相似待验证深度学习中CNN用于提取神经信号的空间特征，RNN/LSTM和Transformer架构用于捕捉时序依赖关系63% 相似待验证HiPredict采用U-Net架构学习输入与目标通道之间的非线性时空—光谱关系。62% 相似待验证DeepSeek新模型采用编码器-解码器混合架构，将40层网络从中间切开，底部20层为编码器，顶部20层为解码器61% 相似待验证当前主流深度学习架构（包括Transformer、卷积神经网络）继承了信息处理范式的核心假设：信息可编码为数值向量、层级化变换、在明确位置读写61% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1068971API
curl https://kongchang.com/api/v1/knowledge/claims/1068971MCP
get_claim(id=1068971)