待验证50% 置信事实精确时间

何恺明提出的残差连接（Residual Connection）解决了深度学习层数过多导致的深度丢失或塌陷问题

1

来源数

50%

置信度

长期有效

时效性

2026/9/20

首次发现

来源

零基础入门AI大模型应用开发：核心概念全解析

涉及实体

何恺明person 残差连接concept

相关事实

待验证Focal Loss被用于解决深度学习中的类别不平衡问题75% 相似待验证深层网络中，传统单一残差连接仍然存在梯度消失问题，导致深层层次学到的有效信息有限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73% 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72% 相似待验证Shwartz-Ziv和Tishby提出的信息瓶颈假说试图从信息压缩的角度解释深度学习为什么有效71% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/936598

API

curl https://kongchang.com/api/v1/knowledge/claims/936598

MCP

get_claim(id=936598)