Saltar al contenido
←Volver al portafolio
  1. Inicio
  2. / Proyectos
  3. / Residual Learning Study

Notas de la creación · Goh Kun Ming

Residual Learning Study

Investigación · Prepublicación de arXiv · 2025

Resumen del proyecto

Entender por qué las conexiones de salto ayudan a las redes profundas.

Una prepublicación de arXiv de 2025, en coautoría con Xingyu Liu, que estudia las conexiones residuales comparando ResNet-18 con una CNN profunda convencional en CIFAR-10.

  • Visión artificial
  • ResNet
  • CIFAR-10
  • Investigación

Dentro de esta creación

  • Estudié el papel de las conexiones residuales en el flujo del gradiente.
  • Comparé el comportamiento de entrenamiento y los resultados de clasificación en CIFAR-10.
  • Documenté la implementación y la evaluación en una prepublicación pública.

Archivos del proyecto

Los archivos originales del proyecto están en inglés.

  • Prepublicación de investigación

    PDF · 481 kB

    Xingyu Liu, Kun Ming Goh arXiv:2510.24036v1 CC BY 4.0

    Vista previa del documento

    Usa los controles de página para explorar el documento. Amplía una página para leer los detalles.

    Cargando documento…

    Abrir página a tamaño completo ↗

    Al ampliarla, desplázate dentro de la página para ver más contenido.

    Texto de la página

    El texto se extrae del documento original en inglés. Puede ser necesario consultar el PDF para comprender el contexto de los gráficos, las imágenes y el orden de lectura.

    Ver PDF ↗ Descargar PDF ↓

Código fuente y enlaces

Leer prepublicación↗
Examinar el cofre de proyectos →
PrivacidadTérminosSeguridadAccesibilidad Avisos de terceros

Portafolio independiente. No es un sitio web oficial de Minecraft. No está aprobado por Mojang ni Microsoft, ni asociado con estas empresas.

¿Salir de este mundo?

Vas a abrir otro sitio web.

Destino
Enlace completo