跳至主要内容
←返回作品集
  1. 首页
  2. / 项目
  3. / Residual Learning Study

作品笔记 · Goh Kun Ming

Residual Learning Study

研究 · arXiv 预印本 · 2025

项目概述

理解跳跃连接为何有助于深层网络。

这篇与 Xingyu Liu 合著的 2025 年 arXiv 预印本,通过比较 ResNet-18 与传统深层 CNN 在 CIFAR-10 上的表现,研究残差连接。

  • 计算机视觉
  • ResNet
  • CIFAR-10
  • 研究

作品详情

  • 研究残差连接在梯度传播中的作用。
  • 比较模型在 CIFAR-10 上的训练行为与分类结果。
  • 在公开预印本中记录实现过程与评估结果。

项目文件

原始项目文件使用英语。

  • 研究预印本

    PDF · 481 kB

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

    文档预览

    使用翻页控件浏览。放大页面可阅读细节。

    正在加载文档…

    以完整尺寸打开页面 ↗

    放大后,在页面内滚动可查看更多内容。

    页面文字

    文字提取自英文原始文档。图表、图片和阅读顺序的上下文可能需要参照 PDF 才能理解。

    查看 PDF ↗ 下载 PDF ↓

源代码与链接

阅读预印本↗
查看项目宝箱 →
隐私使用条款安全无障碍说明 第三方声明

独立个人作品集。此网站并非 Minecraft 官方网站,未经 Mojang 或 Microsoft 认可,亦与其无关联。

要离开这个世界吗?

你即将打开另一个网站。

目标网站
完整链接