深度學習論文閱讀路線圖

1.深度學習曆史和基礎

1.0  書籍

1.1調查

1.2 深度信念網絡(DBN) (深度學習開篇的裏程碑)

1.3 ImageNet進展（深度學習從此爆發）

1.4語音識別進展

閱讀完上麵這些論文後，通過對深度學習模型（包括CNN，RNN，LSTM）的基礎框架，以及深度學習如何應用於圖像和語音識別問題的理解，你將會對深度學習的曆史有一個基本的認識。下麵的論文將帶你深入理解深度學習模型，深度學習在不同領域的應用和前沿。我們建議你根據自己的興趣和研究方向選擇下麵的論文進行閱讀。

2深度學習方法

2.1模型

2.2優化

2.3無監督學習/深度生成模型

2.4RNN/ Sequence-to-Sequence模型

2.5神經圖靈機

2.6深度強化學習

2.7深度遷移學習/終生學習/強化學習

2.8One Shot深度學習

3應用

3.1NLP(自然語言處理)

3.2目標檢測

3.3視覺跟蹤

3.4圖像標注

3.5機器翻譯

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

3.6機器人技術

3.7藝術

3.8目標分割

原文發布時間為：2017-03-22

本文來自雲棲社區合作夥伴“大數據文摘”，了解相關信息可以關注“BigDataDigest”微信公眾號