待验证60% 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
2
来源数
60%
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% 相似待验证神经网络在层数叠高后会遇到梯度消散问题导致训练难以收敛，直到2010年前后一系列技术突破解决了深层网络训练难题，才有了深度神经网络（DNN）的称谓73% 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
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)