Änderungen an verlinkten Seiten
Zur Navigation springen
Zur Suche springen
Gib einen Seitennamen ein, um Änderungen auf Seiten zu sehen, die auf oder von dieser Seite verlinkt sind. Um Mitglieder einer Kategorie zu sehen, gib „Kategorie:Name der Kategorie“ ein. Änderungen an Seiten auf deiner Beobachtungsliste sind fett hervorgehoben.
Liste von Abkürzungen:
- N
- Neue Seite (siehe auch die Liste neuer Seiten)
- K
- Kleine Änderung
- B
- Änderung durch einen Bot
- (±123)
- Die Änderung der Seitengröße in Bytes
17. Februar 2026
| 07:25 | The Residual Network (ResNet) Standard UnterschiedVersionen +1.341 Ajay.paul@stud.hshl.de Diskussion Beiträge (→Residual Learning) | ||||
16. Februar 2026
13. Februar 2026
| 16:30 | The Residual Network (ResNet) Standard UnterschiedVersionen +1.203 Ajay.paul@stud.hshl.de Diskussion Beiträge | ||||
11. Februar 2026
|
|
N 14:11 | Vision Transformers (ViT) 3 Änderungen Versionsgeschichte +1.142 [Ajay.paul@stud.hshl.de (3×)] | |||
|
|
14:11 (Aktuell | Vorherige) −31 Ajay.paul@stud.hshl.de Diskussion Beiträge | ||||
|
|
14:10 (Aktuell | Vorherige) +300 Ajay.paul@stud.hshl.de Diskussion Beiträge | ||||
| N |
|
14:07 (Aktuell | Vorherige) +873 Ajay.paul@stud.hshl.de Diskussion Beiträge (Die Seite wurde neu angelegt: „**Vision Transformers (ViT)** A new change in the field is the Vision Transformer (ViT). Instead of using the normal convolution layers like CNNs, ViT use the Transformer model, which was first made for Natural Language Processing (NLP). The image is cut into small fixed-size patches, then each patch is turned into a vector and treated like a token. After that, it is processed using self-attention mechanism. **Global Context:** Unlike CNNs that first lo…“) | |||
| N 14:04 | EfficientNet: For scalability UnterschiedVersionen +964 Ajay.paul@stud.hshl.de Diskussion Beiträge (Die Seite wurde neu angelegt: „== EfficientNet: For scalability == EfficientNet use something called compound scaling. It scale the network’s width, depth, and resolution all together in a balanced way. Instead of just making the network deeper like ResNet, or wider only, EfficientNet try to find the best balance between them. Because of this, it can reach higher accuracy with less parameters and less FLOPs (Floating Point Operations).<ref name="Joshua2025">Joshua, Chidiebere & Kotsi…“) | ||||
| 13:54 | MobileNetV2: Efficiency for Edge Computing UnterschiedVersionen +498 Ajay.paul@stud.hshl.de Diskussion Beiträge | ||||