返回 登录
0

RoadMap|深度学习论文阅读路线图

声明:感谢THU数据派公众号(datapi)授权发布。
原文:Deep Learning Papers Reading Roadmap
翻译:王军福,北京理工大学,目标识别从业者。

如果你是深度学习领域的一名新手,可能会遇到的第一个问题是“应该从哪篇论文开始读起呢”?这里给出了深度学习论文阅读路线图!

路线图按照下面四个准则构建而成:

  • 从提纲到细节
  • 从经典到前沿
  • 从通用领域到特定领域
  • 专注于最先进的技术

你将会发现很多近期发表但是确实值得一读的论文。我们将持续不断地给这条路线图添加论文。

1.深度学习历史和基础

1.0 书籍

图片描述

1.1 调查

图片描述

1.2 深度信念网络(DBN) (深度学习开篇的里程碑)

图片描述

1.3 ImageNet进展(深度学习从此爆发)

图片描述

1.4 语音识别进展

图片描述

阅读完上面这些论文后,通过对深度学习模型(包括CNN,RNN,LSTM)的基础框架,以及深度学习如何应用于图像和语音识别问题的理解,你将会对深度学习的历史有一个基本的认识。下面的论文将带你深入理解深度学习模型,深度学习在不同领域的应用和前沿。我们建议你根据自己的兴趣和研究方向选择下面的论文进行阅读。

2.深度学习方法

2.1 模型

图片描述

2.2 优化

图片描述

2.3 无监督学习/深度生成模型

图片描述

2.4 RNN/ Sequence-to-Sequence模型

图片描述

2.5 神经图灵机

图片描述

2.6 深度强化学习

图片描述

2.7 深度迁移学习/终生学习/强化学习

图片描述

2.8 One Shot深度学习

图片描述

3.应用

3.1 NLP(自然语言处理)

图片描述

3.2 目标检测

图片描述

3.3 视觉跟踪

图片描述

3.4 图像标注

图片描述

3.5 机器翻译

Some milestone papers are listed in RNN / Seq-to-Seq topic.

图片描述

3.6 机器人技术

图片描述

3.7 艺术

图片描述

3.8 目标分割

图片描述

注:文中所有PDF均可点击此处进行下载。
译者:王军福,北京理工大学,目标识别从业者。爱折腾,善实践,对新鲜事物永葆一颗好奇的心。作为数据派新晋活跃分子,在Github知识分享与Kaggle数据实践的道路上为喜欢数据的玩家挖掘有意思的新鲜事。


更多精彩,欢迎关注CSDN大数据公众号!

图片描述

评论