待验证50% 置信事实精确时间
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
1
来源数
50%
置信度
长期有效
时效性
2026/7/20
首次发现
来源
相关事实
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75% 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70% 相似待验证2018年DeepMind团队在《Nature》发表论文，展示训练执行路径积分任务的循环神经网络内部单元自发形成类似生物网格细胞的六角形放电模式70% 相似待验证2020年代以来出现基于深度学习的侧信道攻击，研究者使用卷积神经网络从功耗轨迹自动提取特征，某些场景下能绕过传统硬件对抗措施69% 相似待验证2017年Shwartz-Ziv和Tishby的工作表明深度网络训练存在两个阶段：先拟合数据（增加与输入的互信息），再压缩表征（减少与输入互信息同时保持与输出互信息）69% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/571300API
curl https://kongchang.com/api/v1/knowledge/claims/571300MCP
get_claim(id=571300)