لقد حققت شبكات ResNet ومشتقاتها نجاحات ملحوظة في مجموعة متنوعة من مهام الرؤية الحاسوبية. وعلى الرغم من نجاحها في ضمان تدفق التدرجات عبر الكتل البنائية، فإن آلية الاتصال المبسطة (shortcut) تحد من قدرة إعادة استكشاف ميزات جديدة محتملة مكملة، نظرًا لطبيعة الدالة الجمعية. ولحل هذه المشكلة، نقترح في هذه الورقة إدخال وحدة تنظيم (regulator module) كآلية ذاكرة لاستخراج ميزات مكملة، والتي تُغذى لاحقًا إلى شبكة ResNet. وبشكل خاص، تتكوّن وحدة التنظيم من شبكات عصبية متكررة ذات ت convolution (مثل Convolutional LSTMs أو Convolutional GRUs)، والتي أظهرت كفاءة عالية في استخراج المعلومات المكانية-الزمنية. وقد سمينا الشبكات المُنظَّمة الجديدة باسم RegNet. ويمكن تنفيذ وحدة التنظيم بسهولة وإضافتها إلى أي بنية ResNet. كما قمنا بتطبيق وحدة التنظيم لتحسين نموذج Squeeze-and-Excitation ResNet، مما يُظهر قدرة عامة على التعميم لطريقة العمل المقترحة. وأظهرت النتائج التجريبية على ثلاث مجموعات بيانات تصنيف صور أداءً واعدًا للهندسة المقترحة مقارنةً بالشبكات القياسية ResNet وSE-ResNet، وكذلك مع غيرها من الهياكل المتطورة في مجال الحد الأقصى.