已验证65% 置信事实时间未知
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
3
来源数
65%
置信度
长期有效
时效性
2026/6/1
首次发现
来源
AI农作物病虫害预警系统毕设：RAG+Agent实战方案详解
bilibili华工学长讲大数据毕设
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80% 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78% 相似待验证何恺明团队将ResNet网络深度推到了152层，并通过残差连接解决了退化问题77% 相似待验证微软研究院何恺明等人于2015年提出残差连接（Residual Connection），使训练超过100层乃至1000层的极深神经网络成为可能75% 相似待验证2017年Guo等人在ICML发表的《On Calibration of Modern Neural Networks》首次大规模实证校准失当现象，发现ResNet等现代深度网络比早期浅层网络校准更差73% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/20129API
curl https://kongchang.com/api/v1/knowledge/claims/20129MCP
get_claim(id=20129)