残差神经网络解决了传统神经网络的梯度爆炸还是梯度下是问题？

残差神经网络主要解决的是梯度消失的问题，而不是梯度爆炸或梯度下降的问题。在传统神经网络中，当网络层数较多时，梯度会随着反向传播逐渐变小，导致深层网络的学习效果较浅层网络差。残差神经网络通过引入跳跃连接或者称之为短路连接，可以将输入直接传递到输出层，使得网络能够更好地捕捉到输入和输出之间的关系，有效缓解了梯度消失的问题。这样，深层网络可以通过残差学习，学习到更加复杂的特征表示，取得更好的性能。