Residual Network

释义 Definition

Residual network（残差网络）：一种深度神经网络结构，通过在网络层之间加入“跳跃连接/捷径连接（skip connections）”，让模型学习输入与输出之间的残差（residual），从而缓解深层网络训练中的梯度消失与退化问题。常见代表是 ResNet（用于图像分类等任务）。

发音 Pronunciation (IPA)

/rɪˈzɪdʒuəl ˈnɛtˌwɝːk/

例句 Examples

A residual network can train deeper models more reliably.
残差网络可以更可靠地训练更深的模型。

By adding skip connections, the residual network improved accuracy on the image dataset without making optimization unstable.
通过加入跳跃连接，残差网络在图像数据集上提高了准确率，同时没有让优化过程变得不稳定。

词源 Etymology

residual 源自拉丁语 residuus，意为“剩余的、残留的”，在数学与统计中常指“残差”。在深度学习里，“残差”指网络学习“输入与输出的差（增量）”。network 源自古英语 net（网）相关词汇，表示“网络/网状结构”。合起来 residual network 就是“通过学习残差来构建和训练的（神经）网络”。

相关词 Related Words

• Residual
• Skip Connection
• Resnet
• Convolutional Neural Network
• Deep Learning
• Backpropagation
• Gradient
• Batch Normalization

文学与著作 Literary & Notable Works

• Kaiming He, Xiangyu Zhang, Shaoqing Ren, Jian Sun. Deep Residual Learning for Image Recognition（2016）——提出 ResNet 的经典论文，系统阐述残差网络思想。
• Kaiming He et al. Identity Mappings in Deep Residual Networks（2016）——进一步分析残差连接形式与更深网络训练。
• Ian Goodfellow, Yoshua Bengio, Aaron Courville. Deep Learning（2016）——深度学习教材中讨论现代网络结构时常会提及残差/跳跃连接的思想与影响。