残差网络（Residual Network，ResNet）公式

残差网络（Residual Network，ResNet）是一种深度神经网络架构，通过引入残差连接（residual connection）来解决深层网络训练中的梯度消失和梯度爆炸问题。其公式可以表示为：

H(x) = F(x) + x

其中，H(x)表示网络的输出，F(x)表示网络的映射函数，x表示输入。通过将输入x直接与映射函数F(x)的输出相加，实现了跳跃连接（skip connection），使得网络可以学习到残差部分的变化。

具体来说，ResNet通过引入残差块（residual block）来构建网络。一个残差块由两个卷积层和一个跳跃连接组成。在每个残差块中，输入x首先经过一个卷积层得到特征图，然后再经过另一个卷积层得到残差部分的特征图。最后，将输入x与残差部分的特征图相加得到最终的输出。

这种残差连接的设计使得网络可以更容易地学习到恒等映射（identity mapping），即当F(x)为0时，H(x)等于x。这样可以避免了信息的丢失，并且使得网络可以更深更容易地训练。