已验证80% 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

8

来源数

80%

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

ResNetmodel 微软研究院company 何恺明person

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% 相似待验证残差连接由何恺明在2015年ResNet中首次引入深度学习75% 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

引用此条事实

Stable URI

https://kongchang.com/claim/20129

API

curl https://kongchang.com/api/v1/knowledge/claims/20129

MCP

get_claim(id=20129)