待验证50% 置信事实精确时间

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

1

来源数

50%

置信度

长期有效

时效性

2026/7/21

首次发现

来源

从数学到AI研究工程师：GitHub爆火的系统学习路线图解析

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78% 相似待验证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76% 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74% 相似已验证深度学习在2012年ImageNet竞赛中取得突破性表现，推动连接主义复兴70% 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66% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/575975

API

curl https://kongchang.com/api/v1/knowledge/claims/575975

MCP

get_claim(id=575975)