h1

001013080 001__ 1013080
001013080 005__ 20251009141702.0
001013080 0247_ $$2arXiv$$aarXiv:2501.18895
001013080 0247_ $$2DOI$$a10.48550/ARXIV.2501.18895
001013080 037__ $$aRWTH-2025-05325
001013080 041__ $$aEnglish
001013080 1001_ $$0P:(DE-82)961372$$aXu, Jingjing$$b0$$urwth
001013080 245__ $$aEfficient Supernet Training with Orthogonal Softmax for Scalable ASR Model Compression$$honline
001013080 260__ $$c2025
001013080 300__ $$a5 Seiten
001013080 3367_ $$028$$2EndNote$$aElectronic Article
001013080 3367_ $$0PUB:(DE-HGF)25$$2PUB:(DE-HGF)$$aPreprint$$bpreprint$$mpreprint
001013080 3367_ $$2BibTeX$$aARTICLE
001013080 3367_ $$2DRIVER$$apreprint
001013080 3367_ $$2DataCite$$aOutput Types/Working Paper
001013080 3367_ $$2ORCID$$aWORKING_PAPER
001013080 591__ $$aGermany
001013080 7001_ $$aBeck, Eugen$$b1$$eCorresponding author
001013080 7001_ $$0P:(DE-82)819179$$aYang, Zijian$$b2$$urwth
001013080 7001_ $$0P:(DE-82)IDM00585$$aSchlüter, Ralf$$b3$$urwth
001013080 909CO $$ooai:publications.rwth-aachen.de:1013080$$pVDB
001013080 9101_ $$0I:(DE-588b)36225-6$$6P:(DE-82)961372$$aRWTH Aachen$$b0$$kRWTH
001013080 9101_ $$0I:(DE-588b)36225-6$$6P:(DE-82)819179$$aRWTH Aachen$$b2$$kRWTH
001013080 9101_ $$0I:(DE-588b)36225-6$$6P:(DE-82)IDM00585$$aRWTH Aachen$$b3$$kRWTH
001013080 9141_ $$y2025
001013080 9201_ $$0I:(DE-82)122010_20140620$$k122010$$lLehrstuhl für Maschinelles Lernen und Inferenz (Informatik 6)$$x0
001013080 9201_ $$0I:(DE-82)120000_20140620$$k120000$$lFachgruppe Informatik$$x1
001013080 961__ $$c2025-06-13T10:34:53.324011$$x2025-06-13T10:34:53.324011$$z2025-06-13T10:34:53.324011
001013080 980__ $$aI:(DE-82)120000_20140620
001013080 980__ $$aI:(DE-82)122010_20140620
001013080 980__ $$aUNRESTRICTED
001013080 980__ $$aVDB
001013080 980__ $$apreprint