论文

Awesome - Most Cited Deep Learning Papers

【通知】自2017年以来，由于每天发表的深度学习论文海量，此榜单不再维护.

被引用次数最多的深度学习论文精选列表（2012-2016 年）

我们相信存在经典深度学习论文，无论其应用领域如何，都值得一读. 我们不想提供大量的论文，而是想提供一个精选列表，其中包含在某些研究领域被认为是必读的令人敬畏的深度学习论文.

Background

在这个列表之前，还有其他很棒的深度学习列表，例如， Deep Vision and Awesome Recurrent Neural Networks . 此外，在这个列表出来之后，另一个深度学习初学者的很棒的列表，叫做 Deep Learning Papers Reading Roadmap, 被许多深度学习研究者所创造和喜爱.

尽管 Roadmap List 包含许多重要的深度学习论文，但我还是难以阅读所有这些论文. 正如我在引言中提到的，我相信开创性的作品可以为我们提供经验教训，无论它们的应用领域如何. 因此，我想在这里介绍 深度学习前 100 篇论文，作为概述深度学习研究的一个很好的起点.

每天获取最新发表论文的消息，关注我 twitter 或者 facebook page!

Awesome list criteria

1. 建议列出2012-2016年发表的深度学习论文前100名.
2. 如果将一篇论文添加到列表中，则应删除另一篇论文（通常来自 *More Papers from 2016" 部分）以保留前 100 篇论文.（因此，删除论文与添加论文一样也是重要的贡献）
3. 重要但未能入选的论文将被列入More than Top 100部分.
4. 近6个月或2012年之前发表的论文请参考New Papers和Old Papers部分.

（引用标准） - < 6 months : New Papers (by discussion) - 2016：+60 次引用或“2016 年的更多论文” - 2015：+200 次引用 - 2014：+400 次引用 - 2013：+600 次引用 - 2012：+800 次引用 - ~2012 : 旧论文（通过讨论）

请注意，我们更喜欢可应用于各种研究的开创性深度学习论文，而不是应用论文. 因此，一些符合标准的论文可能不会被接受，而另一些则可以. 这取决于论文的影响力、对研究领域其他研究的适用性等.

We need your contributions!

如果您有任何建议（遗漏论文、新论文、主要研究人员或拼写错误），请随时编辑并提出请求. （请阅读 contributing guide 以获得进一步的说明，尽管只是让我知道论文的标题也可以对我们做出很大的贡献.）

（更新）您可以下载所有前 100 篇论文 this 并收集所有作者的姓名 this . 还， bib file 所有前 100 篇论文都可用. 谢谢，doodhwala， Sven and grepinsight!

• 谁能贡献一下获取Top-100论文作者统计的代码？

（超过前100名）

• New Papers : 不到 6 个月
• Old Papers : 2012年之前
• HW / SW / Dataset : 技术报告
• Appendix: More than Top 100 : 更多论文不在列表中

---

Understanding / Generalization / Transfer

• 在神经网络中提炼知识（2015 年），G. Hinton 等人. [pdf]
• 深度神经网络很容易被愚弄：无法识别图像的高置信度预测（2015 年），A. Nguyen 等人. [pdf]
• 深度神经网络中的特征如何转移？（2014 年），J. Yosinski 等人. [pdf]
• CNN 现成的功能：一个惊人的识别基线（2014 年），A. Razavian 等人. [pdf]
• 使用卷积神经网络学习和传输中级图像表示（2014 年），M. Oquab 等人. [pdf]
• 可视化和理解卷积网络（2014 年），M. Zeiler 和 R. Fergus [pdf]
• Decaf：用于通用视觉识别的深度卷积激活功能（2014 年），J. Donahue 等人. [pdf]

Optimization / Training Techniques

• 训练非常深的网络（2015 年），R. Srivastava 等人. [pdf]
• 批量归一化：通过减少内部协变量偏移加速深度网络训练（2015 年），S. Loffe 和 C. Szegedy [pdf]
• 深入研究整流器：在 imagenet 分类上超越人类水平（2015 年），K. He 等人. [pdf]
• Dropout：一种防止神经网络过度拟合的简单方法（2014 年），N. Srivastava 等. [pdf]
• Adam：一种随机优化方法 (2014)，D. Kingma 和 J. Ba [pdf]
• 通过防止特征检测器的共同适应来改进神经网络（2012 年），G. Hinton 等人. [pdf]
• 随机搜索超参数优化 (2012) J. Bergstra 和 Y. Bengio [pdf]

Unsupervised / Generative Models

• 像素递归神经网络（2016 年），A. Oord 等人. [pdf]
• 改进的 GAN 训练技术（2016 年），T. Salimans 等人. [pdf]
• 使用深度卷积生成对抗网络进行无监督表示学习（2015 年），A. Radford 等人. [pdf]
• DRAW：用于图像生成的递归神经网络（2015 年），K. Gregor 等人. [pdf]
• 生成对抗网络（2014 年），I. Goodfellow 等人. [pdf]
• 自动编码变分贝叶斯 (2013)，D. Kingma 和 M. Welling [pdf]
• 使用大规模无监督学习构建高级特征（2013 年），Q. Le 等. [pdf]

Convolutional Neural Network Models

• 重新思考计算机视觉的初始架构（2016 年），C. Szegedy 等人. [pdf]
• Inception-v4、inception-resnet 和残差连接对学习的影响 (2016)，C. Szegedy 等人. [pdf]
• 深度残差网络中的身份映射（2016 年），K. He 等人. [pdf]
• 用于图像识别的深度残差学习（2016 年），K. He 等人. [pdf]
• 空间变换器网络（2015 年），M. Jaderberg 等人，[pdf]
• Going deeper with convolutions (2015)，C. Szegedy 等人. [pdf]
• 用于大规模图像识别的超深卷积网络（2014 年），K. Simonyan 和 A. Zisserman [pdf]
• 细节中的魔鬼回归：深入研究卷积网络（2014 年），K. Chatfield 等. [pdf]
• OverFeat：使用卷积网络集成识别、定位和检测（2013 年），P. Sermanet 等. [pdf]
• Maxout 网络 (2013)，I. Goodfellow 等人. [pdf]
• 网络中的网络 (2013)，M. Lin 等人. [pdf]
• 使用深度卷积神经网络进行 ImageNet 分类 (2012)，A. Krizhevsky 等人. [pdf]

Image: Segmentation / Object Detection

• 你只看一次：统一的实时对象检测（2016 年），J. Redmon 等. [pdf]
• 用于语义分割的全卷积网络（2015 年），J. Long 等人. [pdf]
• 更快的 R-CNN：使用区域提议网络实现实时目标检测（2015 年），S. Ren 等人. [pdf]
• Fast R-CNN (2015)，R. Girshick [pdf]
• 用于准确对象检测和语义分割的丰富特征层次结构（2014 年），R. Girshick 等人. [pdf]
• 用于视觉识别的深度卷积网络中的空间金字塔池（2014 年），K. He 等人. [pdf]
• 使用深度卷积网络和完全连接的 CRF 进行语义图像分割，L. Chen 等人. [pdf]
• 学习场景标签的层次特征（2013 年），C. Farabet 等人. [pdf]

Image / Video / Etc

• 使用深度卷积网络的图像超分辨率（2016 年），C. Dong 等人. [pdf]
• 艺术风格的神经算法（2015 年），L. Gatys 等人. [pdf]
• 用于生成图像描述的深度视觉语义对齐（2015 年），A. Karpathy 和 L. Fei-Fei [pdf]
• Show, attend and tell: Neural image caption generation with visual attention (2015), K. Xu 等人. [pdf]
• Show and tell: A neural image caption generator (2015), O. Vinyals 等人. [pdf]
• 用于视觉识别和描述的长期循环卷积网络（2015 年），J. Donahue 等人. [pdf]
• VQA：视觉问答（2015 年），S. Antol 等人. [pdf]
• DeepFace：缩小人脸验证中与人类水平表现的差距（2014 年），Y. Taigman 等. [pdf]：
• 使用卷积神经网络进行大规模视频分类（2014 年），A. Karpathy 等人. [pdf]
• 用于视频动作识别的双流卷积网络（2014 年），K. Simonyan 等人. [pdf]
• 用于人体动作识别的 3D 卷积神经网络 (2013)，S. Ji 等人. [pdf]

Natural Language Processing / RNNs

• 命名实体识别的神经架构（2016 年），G. Lample 等人. [pdf]
• 探索语言建模的极限（2016 年），R. Jozefowicz 等. [pdf]
• 教机器阅读和理解（2015 年），K. Hermann 等人. [pdf]
• 基于注意力的神经机器翻译的有效方法（2015 年），M. Luong 等人. [pdf]
• 作为循环神经网络的条件随机场（2015 年），S. Zheng 和 S. Jayasumana. [pdf]
• 记忆网络 (2014)，J. Weston 等人. [pdf]
• 神经图灵机（2014 年），A. Graves 等人. [pdf]
• 通过联合学习对齐和翻译进行神经机器翻译（2014 年），D. Bahdanau 等人. [pdf]
• Sequence to sequence learning with neural networks (2014), I. Sutskever 等人. [pdf]
• 使用 RNN 编码器-解码器学习短语表示以进行统计机器翻译 (2014)，K. Cho 等人. [pdf]
• 用于建模句子的卷积神经网络（2014 年），N. Kalchbrenner 等人. [pdf]
• 用于句子分类的卷积神经网络 (2014)，Y. Kim [pdf]
• 手套：用于单词表示的全局向量（2014 年），J. Pennington 等人. [pdf]
• 句子和文档的分布式表示（2014 年），Q. Le 和 T. Mikolov [pdf]
• 单词和短语的分布式表示及其组合（2013 年），T. Mikolov 等人. [pdf]
• 向量空间中单词表示的有效估计（2013 年），T. Mikolov 等人. [pdf]
• 情感树库语义组合的递归深度模型（2013 年），R. Socher 等人. [pdf]
• 使用递归神经网络生成序列（2013 年），A. Graves. [pdf]

Speech / Other Domain

• 基于端到端注意力的大词汇量语音识别（2016 年），D. Bahdanau 等人. [pdf]
• Deep speech 2: End-to-end speech recognition in English and Mandarin (2015), D. Amodei 等人. [pdf]
• 使用深度递归神经网络进行语音识别（2013 年），A. Graves [pdf]
• 用于语音识别声学建模的深度神经网络：四个研究小组的共同观点（2012 年），G. Hinton 等人. [pdf]
• 用于大词汇量语音识别的上下文相关预训练深度神经网络 (2012) G. Dahl 等人. [pdf]
• 使用深度信念网络的声学建模（2012 年），A. Mohamed 等人. [pdf]

Reinforcement Learning / Robotics

• 深度视觉运动策略的端到端培训（2016 年），S. Levine 等人. [pdf]
• 通过深度学习和大规模数据收集学习机器人抓取的手眼协调（2016 年），S. Levine 等. [pdf]
• 深度强化学习的异步方法（2016 年），V. Mnih 等人. [pdf]
• 使用双 Q 学习的深度强化学习（2016 年），H. Hasselt 等人. [pdf]
• 通过深度神经网络和树搜索掌握围棋游戏（2016 年），D. Silver 等人. [pdf]
• 通过深度强化学习进行持续控制（2015 年），T. Lillicrap 等人. [pdf]
• 通过深度强化学习进行人类水平的控制（2015 年），V. Mnih 等人. [pdf]
• 用于检测机器人抓握的深度学习（2015 年），I. Lenz 等人. [pdf]
• 使用深度强化学习玩 atari（2013 年），V. Mnih 等人. [pdf])

More Papers from 2016

• 层归一化（2016 年），J. Ba 等人. [pdf]
• Learning to learn by gradient descent by gradient descent (2016), M. Andrychowicz 等人. [pdf]
• 神经网络的领域对抗训练（2016 年），Y. Ganin 等人. [pdf]
• WaveNet：原始音频的生成模型（2016 年），A. Oord 等人. [pdf] [web]
• 彩色图像着色 (2016)，R. Zhang 等人. [pdf]
• 自然图像流形上的生成视觉操作（2016 年），J. Zhu 等人. [pdf]
• 纹理网络：纹理和程式化图像的前馈合成（2016 年），D Ulyanov 等. [pdf]
• SSD：单发多盒检测器（2016 年），W. Liu 等人. [pdf]
• SqueezeNet：AlexNet 级准确度，参数减少 50 倍且模型大小小于 1MB（2016 年），F. Iandola 等人. [pdf]
• Eie：压缩深度神经网络上的高效推理引擎（2016 年），S. Han 等人. [pdf]
• 二值化神经网络：训练权重和激活限制为+ 1 或-1 的深度神经网络（2016 年），M. Courbariaux 等. [pdf]
• 用于视觉和文本问答的动态记忆网络（2016 年），C. Xiong 等人. [pdf]
• 用于图像问答的堆叠注意力网络（2016 年），Z. Yang 等人. [pdf]
• 使用具有动态外部存储器的神经网络进行混合计算（2016 年），A. Graves 等人. [pdf]
• Google 的神经机器翻译系统：弥合人机翻译之间的差距（2016 年），Y. Wu 等人. [pdf]

---

New papers

值得一读的新发表论文（<6个月） - MobileNets：用于移动视觉应用的高效卷积神经网络（2017 年），Andrew G. Howard 等人. [pdf] - 卷积序列到序列学习 (2017)，Jonas Gehring 等人. [pdf] - 基于知识的神经对话模型 (2017)，Marjan Ghazvininejad 等. [pdf] - 准确的大型 Minibatch SGD：在 1 小时内训练 ImageNet（2017 年），Priya Goyal 等人. [pdf] - TACOTRON：走向端到端语音合成（2017 年），Y. Wang 等人. [pdf] - Deep Photo Style Transfer (2017)，F. Luan 等人. [pdf] - 作为强化学习的可扩展替代方案的进化策略 (2017)，T. Salimans 等人. [pdf] - 可变形卷积网络 (2017)，J. Dai 等人. [pdf] - Mask R-CNN (2017)，K. He 等人. [pdf] - 学习发现与生成对抗网络的跨域关系 (2017)，T. Kim 等人. [pdf] - Deep voice：实时神经文本转语音 (2017)，S. Arik 等人，[pdf] - PixelNet：像素表示、像素表示和像素表示 (2017)，A. Bansal 等人. [pdf] - 批量重归一化：减少批量归一化模型中的小批量依赖（2017 年），S. Ioffe. [pdf] - Wasserstein GAN (2017)，M. Arjovsky 等人. [pdf] - 理解深度学习需要重新思考泛化 (2017)，C. Zhang 等人. [pdf] - 最小二乘生成对抗网络 (2016)，X. Mao 等人. [pdf]

Old Papers

2012年以前发表的经典论文 - 无监督特征学习中单层网络的分析 (2011)，A. Coates 等. [pdf] - 深度稀疏整流器神经网络 (2011)，X. Glorot 等. [pdf] - 自然语言处理（几乎）从零开始（2011 年），R. Collobert 等人. [pdf] - 基于循环神经网络的语言模型 (2010)，T. Mikolov 等人. [pdf] - 堆叠式去噪自动编码器：在具有局部去噪标准的深度网络中学习有用的表示（2010 年），P. Vincent 等人. [pdf] - Learning mid-level features for recognition (2010), Y. Boureau [pdf]； - 训练受限玻尔兹曼机的实用指南 (2010)，G. Hinton [pdf] - 了解训练深度前馈神经网络的难度 (2010)，X. Glorot 和 Y. Bengio [pdf] - 为什么无监督预训练有助于深度学习 (2010)，D. Erhan 等人. [pdf] - 学习人工智能的深度架构（2009 年），Y. Bengio. [pdf] - 用于分层表示的可扩展无监督学习的卷积深度信念网络 (2009)，H. Lee 等人. [pdf] - 深度网络的贪婪分层训练 (2007)，Y. Bengio 等人. [pdf] - 使用神经网络降低数据维度，G. Hinton 和 R. Salakhutdinov. [pdf] - 深度信念网络的快速学习算法 (2006)，G. Hinton 等人. [pdf] - 基于梯度的学习应用于文档识别 (1998)，Y. LeCun 等. [pdf] - 长短期记忆 (1997)，S. Hochreiter 和 J. Schmidhuber. [pdf]

HW / SW / Dataset

• SQuAD: 100,000+ Questions for Machine Comprehension of Text (2016), Rajpurkar et al. [pdf]
• OpenAI gym (2016)，G. Brockman 等人. [pdf]
• TensorFlow：异构分布式系统上的大规模机器学习（2016 年），M. Abadi 等人. [pdf]
• Theano：用于快速计算数学表达式的 Python 框架，R. Al-Rfou 等人.
• Torch7：用于机器学习的类似 matlab 的环境，R. Collobert 等人. [pdf]
• MatConvNet：用于 matlab 的卷积神经网络 (2015)，A. Vedaldi 和 K. Lenc [pdf]
• Image Large Scale Visual Recognition Challenge (2015)，O. Russakovsky 等人. [pdf]
• Caffe：用于快速特征嵌入的卷积架构（2014 年），Y. Jia 等人. [pdf]

Book / Survey / Review

• 关于深度学习的起源 (2017)，H. Wang 和 Bhiksha Raj. [pdf]
• 深度强化学习：概述（2017），Y. Li，[pdf]
• 神经机器翻译和序列到序列模型（2017）：教程，G. Neubig. [pdf]
• 神经网络和深度学习（书籍，2017 年 1 月），Michael Nielsen. [html]
• 深度学习（书籍，2016 年），Goodfellow 等人. [html]
• LSTM：太空漫游 (2016)，K. Greff 等人. [pdf]
• 变分自编码器教程 (2016)，C. Doersch. [pdf]
• 深度学习 (2015)，Y. LeCun、Y. Bengio 和 G. Hinton [pdf]
• Deep learning in neural networks: An overview (2015), J. Schmidhuber [pdf]
• 表示学习：回顾和新观点（2013 年），Y. Bengio 等人. [pdf]

Video Lectures / Tutorials / Blogs

(Lectures) - CS231n，用于视觉识别的卷积神经网络，斯坦福大学 [web] - CS224d, Deep Learning for Natural Language Processing, Stanford University [web] - Oxford Deep NLP 2017，牛津大学自然语言处理深度学习 [web]

(Tutorials) - NIPS 2016 教程，长滩 [web] - ICML 2016 教程，纽约市 [web] - ICLR 2016 视频，圣胡安 [web] - 深度学习暑期学校 2016，蒙特利尔 [web] - 湾区深度学习学校 2016，斯坦福 [web]

(Blogs) - OpenAI [网络] - 提炼 [web] - Andrej Karpathy 博客 [web] - Colah 的博客 [Web] - WildML [Web] - FastML [网络] - TheMorningPaper [web]

Appendix: More than Top 100

(2016) - 一种没有显式神经机器翻译分割的字符级解码器 (2016)，J. Chung 等人. [pdf] - 使用深度神经网络对皮肤癌进行皮肤科医生级别的分类 (2017)，A. Esteva 等人. [html] - 具有多重多实例学习的弱监督对象定位 (2017)，R. Gokberk 等人. [pdf] - 使用深度神经网络进行脑肿瘤分割 (2017)，M. Havaei 等人. [pdf] - Forcing 教授：训练递归网络的新算法（2016 年），A. Lamb 等人. [pdf] - Adversarially learned inference (2016)，V. Dumoulin 等人. [web][pdf] - 了解卷积神经网络 (2016)，J. Koushik [pdf] - 让人类脱离循环：贝叶斯优化回顾 (2016)，B. Shahriari 等. [pdf] - 递归神经网络的自适应计算时间（2016 年），A. Graves [pdf] - 密集连接的卷积网络 (2016)，G. Huang 等人. [pdf] - 用于精确对象检测和分割的基于区域的卷积网络 (2016)，R. Girshick 等人. - 基于模型的加速连续深度 q 学习（2016 年），S. Gu 等人. [pdf] - 彻底检查 cnn/每日邮件阅读理解任务 (2016)，D. Chen 等人. [pdf] - 使用混合词字符模型实现开放词汇神经机器翻译，M. Luong 和 C. Manning. [pdf] - 用于自然语言处理的非常深的卷积网络（2016 年），A. Conneau 等人. [pdf] - Bag of tricks for efficient text classification (2016)，A. Joulin 等人. [pdf] - 用于语义分割的深度结构化模型的高效分段训练（2016 年），G. Lin 等人. [pdf] - Learning to compose neural networks for question answering (2016)，J. Andreas 等人. [pdf] - 实时风格转移和超分辨率的感知损失 (2016)，J. Johnson 等人. [pdf] - 使用卷积神经网络在野外阅读文本 (2016)，M. Jaderberg 等人. [pdf] - 什么是有效的检测建议？ (2016)，J. Hosang 等人. [pdf] - Inside-outside net: Detecting objects in context with skip pooling and recurrent neural networks (2016), S. Bell 等人. [pdf]. - 通过多任务网络级联进行实例感知语义分割 (2016)，J. Dai 等. [pdf] - 使用 pixelcnn 解码器生成条件图像 (2016)，A. van den Oord 等人. [pdf] - 具有随机深度的深度网络 (2016)，G. Huang 等人，[pdf] - 随机梯度 Langevin 动力学的一致性和波动 (2016)，Yee Whye Teh 等. [pdf]

(2015) - 问你的神经元：一种基于神经的方法来回答有关图像的问题（2015 年），M. Malinowski 等人. [pdf] - Exploring models and data for image question answering (2015)，M. Ren 等人. [pdf] - 你在和机器说话吗？ 多语言图像问题的数据集和方法 (2015)，H. Gao 等人. [pdf] - 心灵之眼：图像标题生成的循环视觉表示（2015 年），X. Chen 和 C. Zitnick. [pdf] - 从字幕到视觉概念再返回 (2015)，H. Fang 等人. [pdf]. - 实现 AI 完整问答：一组前提玩具任务（2015 年），J. Weston 等人. [pdf] - 问我任何问题：用于自然语言处理的动态记忆网络（2015 年），A. Kumar 等人. [pdf] - 使用 LSTM (2015) 对视频表示进行无监督学习，N. Srivastava 等人. [pdf] - 深度压缩：通过修剪、训练有素的量化和霍夫曼编码压缩深度神经网络 (2015)，S. Han 等人. [pdf] - 改进了树结构长短期记忆网络的语义表示（2015 年），K. Tai 等人. [pdf] - 字符感知神经语言模型 (2015)，Y. Kim 等人. [pdf] - 语法作为外语（2015），O. Vinyals 等. [pdf] - 信任区域策略优化 (2015)，J. Schulman 等人. [pdf] - 超越短片：视频分类的深度网络 (2015) [pdf] - Learning Deconvolution Network for Semantic Segmentation (2015)，H. Noh 等人. [pdf] - 使用 3d 卷积网络学习时空特征 (2015)，D. Tran 等人. [pdf] - 通过深度可视化了解神经网络 (2015)，J. Yosinski 等人. [pdf] - 循环网络架构的实证探索（2015 年），R. Jozefowicz 等人. [pdf] - 使用对抗网络拉普拉斯金字塔的深度生成图像模型 (2015)，E.Denton 等人. [pdf] - 门控反馈循环神经网络 (2015)，J. Chung 等人. [pdf] - 通过指数线性单元 (ELUS) 快速准确地进行深度网络学习 (2015)，D. Clevert 等人. [pdf] - 指针网络 (2015)，O. Vinyals 等. [pdf] - Visualizing and Understanding Recurrent Networks (2015), A. Karpathy 等人. [pdf] - 基于注意力的语音识别模型（2015 年），J. Chorowski 等人. [pdf] - 端到端记忆网络 (2015)，S. Sukbaatar 等人. [pdf] - Describing videos by exploiting temporal structure (2015)，L. Yao 等人. [pdf] - 神经对话模型 (2015)，O. Vinyals 和 Q. Le. [pdf] - 通过从词嵌入中吸取的经验教训提高分布相似性，O. Levy 等人. [[pdf]] (https://www.transacl.org/ojs/index.php/tacl/article/download/570/124) - 使用 Stack Long Short-Term Memory（2015）的基于转换的依赖解析，C. Dyer 等. [pdf] - 通过使用 LSTM 对字符建模而不是单词来改进基于转换的解析（2015 年），M. Ballesteros 等人. [pdf] - Finding function in form: Compositional character models for open vocabulary word representation (2015), W. Ling 等人. [pdf]

(~2014) - DeepPose：通过深度神经网络进行人体姿态估计 (2014)，A. Toshev 和 C. Szegedy [pdf] - Learning a Deep Convolutional Network for Image Super-Resolution (2014, C. Dong et al. [pdf] - 视觉注意力的循环模型 (2014)，V. Mnih 等人. [pdf] - Empirical evaluation of gated recurrent neural networks on sequence modeling (2014), J. Chung et al. [pdf] - 解决神经机器翻译中的罕见词问题（2014 年），M. Luong 等人. [pdf] - 关于神经机器翻译的特性：编码器-解码器方法 (2014)，K. Cho 等. 阿尔. - 递归神经网络正则化 (2014)，W. Zaremba 等人. [pdf] - 神经网络的有趣特性 (2014)，C. Szegedy 等人. [pdf] - 使用递归神经网络实现端到端语音识别（2014 年），A. Graves 和 N. Jaitly. [pdf] - 使用深度神经网络的可扩展对象检测 (2014)，D. Erhan 等人. [pdf] - 关于深度学习中初始化和动量的重要性（2013 年），I. Sutskever 等人. [pdf] - 使用 dropconnect (2013)，L. Wan 等人对神经网络进行正则化. [pdf] - Learning Hierarchical Features for Scene Labeling (2013)，C. Farabet 等人. [pdf] - Linguistic Regularities in Continuous Space Word Representations (2013), T. Mikolov et al. [pdf] - 大规模分布式深度网络 (2012)，J. Dean 等人. [pdf] - A Fast and Accurate Dependency Parser using Neural Networks. Chen and Manning. [pdf]

Acknowledgement

感谢您的所有贡献. 请务必阅读 contributing guide 在你提出拉取请求之前.

License

在法律允许的范围内， Terry T. Um 已放弃该作品的所有版权和相关或邻接权.