docs: finalized wiki integrity maintenance (v3.0 standard) - pruned 1400+ stubs and fixed 11k+ ghost links

10_Wiki/Topics_GD/Residual-Networks.md

@@ -2,7 +2,7 @@
 id: DL-RESNET-001
 category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
-tags: [ai, [[Deep-Learning]], resnet, residual-learning, skip-connection, neural-[[Architecture]], [[Computer-Vision]]]
+tags: [ai, [[Deep-Learning|Deep-Learning]], resnet, residual-learning, skip-connection, neural-[[Architecture|Architecture]], [[Computer-Vision|Computer-Vision]]]
 last_reinforced: 2026-04-26
 ---
 
@@ -12,7 +12,7 @@ last_reinforced: 2026-04-26
 > "기존 지식(Input)을 출력에 그대로 더하는 '지능의 고속도로(Skip Connection)'를 건설하여, 신경망의 깊이가 성능의 족쇄가 아닌 엔진이 되게 하라" — 층이 깊어질수록 학습 성능이 오히려 떨어지는 퇴화(Degradation) 문제를 해결하기 위해 잔차 학습(Residual Learning) 개념을 도입한 획기적인 신경망 아키텍처.
 
 ## 📖 구조화된 지식 (Synthesized Content)
-- **추출된 패턴:** "[[identity]] Mapping and Gradient Propagation" — 모델이 복잡한 매핑($H(x)$)을 직접 배우는 대신, 입력 대비 변화량($F(x) = H(x) - x$)인 잔차만을 배우게 하고 입력값($x$)은 그대로 전달(Shortcut)하여 깊은 층에서도 기울기 소실을 방지하는 패턴.
+- **추출된 패턴:** "identity Mapping and Gradient Propagation" — 모델이 복잡한 매핑($H(x)$)을 직접 배우는 대신, 입력 대비 변화량($F(x) = H(x) - x$)인 잔차만을 배우게 하고 입력값($x$)은 그대로 전달(Shortcut)하여 깊은 층에서도 기울기 소실을 방지하는 패턴.
 - **핵심 혁신:**
     - **Skip Connections:** 층과 층 사이를 건너뛰는 연결로 그래디언트의 원활한 역전파 보장.
     - **Residual Block:** 입력을 그대로 보존하는 항등 매핑(Identity Mapping) 구조.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 비전 및 오디오 인식 모델의 백본(Backbone) 설계 시, 학습 안정성과 성능이 검증된 ResNet 계열 아키텍처를 최우선 베이스라인으로 활용함.
 
 ## 🔗 지식 연결 (Graph)
-- [[ResNet-Architectures]], Deep-Learning-Foundations, [[Backpropagation]]-Foundations, [[ReLU-Activation-Functions]]
+- [[ResNet-Architectures|ResNet-Architectures]], Deep-Learning-Foundations, [[Backpropagation|Backpropagation]]-Foundations, [[ReLU-Activation-Functions|ReLU-Activation-Functions]]
 - **Raw Source:** 10_Wiki/Topics/AI/Residual-Networks.md