待验证50% 置信事实精确时间
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
1
来源数
50%
置信度
长期有效
时效性
2026/8/22
首次发现
来源
涉及实体
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77% 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74% 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69% 相似待验证残差连接（Residual Connections）将每层的输入直接加到输出上，解决深层网络中的梯度消失问题66% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/788583API
curl https://kongchang.com/api/v1/knowledge/claims/788583MCP
get_claim(id=788583)