2nd/10_Wiki/Topics/AI_and_ML/Residual-Networks.md

id, title, category, status, canonical_id, aliases, duplicate_of, source_trust_level, confidence_score, tags, raw_sources, last_reinforced, github_commit, inferred_by, tech_stack

id	title	category	status	canonical_id	aliases	duplicate_of	source_trust_level	confidence_score	tags	raw_sources	last_reinforced	github_commit	inferred_by	tech_stack
wiki-2026-0508-residual-networks	Residual Networks	10_Wiki/Topics	needs_review	self	DL-RESNET-001	none	A	1.0	ai Deep-Learning resnet residual-learning skip-connection neural-Architecture Computer-Vision		2026-04-26	pending	Claude Opus 4.7 (auto-normalize 2026-05-08)	language framework unspecified unspecified

Residual Networks (ResNet, 잔차 네트워크)

📌 한 줄 통찰 (The Karpathy Summary)

"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.
• 핵심 혁신:
  • Skip Connections: 층과 층 사이를 건너뛰는 연결로 그래디언트의 원활한 역전파 보장.
  • Residual Block: 입력을 그대로 보존하는 항등 매핑(Identity Mapping) 구조.
  • Architecture Depth: 18층에서 시작해 152층 이상의 극단적으로 깊은 네트워크 학습 가능.
• 의의: ILSVRC 2015 우승을 기점으로 딥러닝 아키텍처 설계의 패러다임을 바꿨으며, 현재는 트랜스포머를 포함한 거의 모든 현대 신경망의 필수 요소로 자리 잡음.

⚠️ 모순 및 업데이트 (Contradictions & Updates)

• 과거 데이터와의 충돌: 층이 깊을수록 무조건 좋다는 맹신에서 벗어나, 이제는 스킵 연결이 사실상 얕은 네트워크들의 앙상블 효과를 낸다는 해석이 힘을 얻고 있으며, 이를 통해 네트워크의 유효 깊이(Effective Depth)를 관리하는 방향으로 발전함.
• 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
• Raw Source: 10_Wiki/Topics/AI/Residual-Networks.md

🤖 LLM 활용 힌트 (How to Use This Knowledge)

언제 이 지식을 쓰는가:

• (TODO)

언제 쓰면 안 되는가:

• (TODO)

🧪 검증 상태 (Validation)

• 정보 상태: needs_review
• 출처 신뢰도: A
• 검토 이유: (P-Reinforce Phase 1 자동 정규화. 본문 검증 필요.)

🧬 중복 검사 (Duplicate Check)

• 기존 유사 문서: (TODO: 인덱서 클러스터 리포트 참조)
• 처리 방식: UPDATE (자동 정규화)
• 처리 이유: Phase 1 정규화 — 옛 템플릿/누락 필드 보강.

🕓 변경 이력 (Changelog)

날짜	변경 내용	처리 방식	신뢰도
2026-05-08	P-Reinforce Phase 1 정규화 (frontmatter + 헤더 표준화)	UPDATE	A

💻 코드 패턴 (Code Patterns)

패턴 1: (TODO: 이 프로젝트 컨벤션 반영한 구조 스켈레톤)

# TODO

🤔 의사결정 기준 (Decision Criteria)

선택 A를 써야 할 때:

• (TODO)

선택 B를 써야 할 때:

• (TODO)

기본값:

(TODO)

❌ 안티패턴 (Anti-Patterns)

• [안티패턴]: (TODO: 무엇을 하면 안 되는가 + 이유 + 대신 무엇을)