无说明或网站提供。

真棒 - 被引用最多的深度学习论文策划一个最引深学习的论文（2010年以来）我相信，存在着典型的深度学习篇这是值得一读，无论他们的应用程序的列表。而不是提供论文压倒性数量，我想提供一种可以考虑在某些领域作为必备读经典的深度学习论文的精选名单。真棒名单标准2016：+30引用（✨+50）2015年：+100引用（✨+200）2014年：+200引用（✨+400）2013：+300引用（✨+600）2012：+400引用（✨ 800）2011：+500引用（✨+1000）2010：+600引用（✨+ 1200），我需要你们的贡献！请阅读有助于引导你做出一个拉请求之前。目录调查/评论理论/未来优化/正则网络模型的图像说明视频/人类活动的Word中嵌入机器翻译/ QNA语音/等等RL /机器人无监督的硬件/软件论文值得一读的经典论文杰出的研究共有85篇论文除外论文在硬件/软件，文件值得一读，和经典的论文部分。调查/审查深度学习（图书，2016年），古德费洛等。 （Bengio）[HTML]深度学习（2015年），Y LeCun，Y. Bengio和G.韩丁[HTML]✨深度学习神经网络：概述（2015），J。施米德休[PDF]✨表示学习：一审查和新的观点（2013），Y Bengio等。 [PDF]✨理论/预订蒸馏在一神经网络（2015），G Hinton等人的知识。 [PDF]深层神经网络容易上当：高可信度的预测为无法识别的图片（2015年），A Nguyen等。 [PDF]如何转让都深陷神经网络的功能？ （2014），J。Yosinski等。 （Bengio）[PDF]在细节魔鬼归来：挖掘深层卷积网（2014年），K查特菲尔德等。 [PDF]✨为什么无人监督的训练前帮助深度学习（2010年），D埃尔汗等。 （Bengio）[PDF]了解深训练前馈神经网络的难度（2010年），十Glorot和Y Bengio [PDF]优化/规范化批规范化：通过减少内部协移（2015）深加快网络训练，S. Loffe和C. Szegedy（谷歌）[PDF]✨挖掘深层整流器：​​超越上imagenet分类（2015年），K他等人级性能。 （微软）[PDF]✨差：一个简单的方法来防止神经网络过度拟合（2014年），N. Srivastava等人。 （韩丁）[PDF]✨亚当：一个随机优化（2014）法，金玛D.和J.巴[PDF]在视觉识别（2014）深卷积网络空间金字塔池，K他等。 [PDF]在深学习（2013年），一Sutskever等初始化和势头的重要性。 （韩丁）[PDF]使用dropconnect（2013）神经网络的规范化，L Wan等。 （LeCun）[PDF]提高防止特征检测（2012年），G顿等人的互相适应神经网络。 [PDF]✨的超参数优化（2012）J. Bergstra和Y Bengio [PDF]网络模型深残留学习图像识别（2016年），K他等随机搜索。 （微软）[PDF]✨基于区域的精确物体检测及分割（2016年），R Girshick等卷积网络。 （微软）[PDF]与卷积（2015年）不断深入，C Szegedy等。 （谷歌）[PDF]✨快速R-CNN（2015年），R Girshick（微软）[PDF]✨语义分割（2015）全卷积网络，J. Long等。 [PDF]✨为大型图像识别（2014年），K西蒙尼扬和A. Zisserman [PDF]✨OverFeat很深卷积网络：综合识别，定位和使用检测卷积网络（2014年），P Sermanet等。 （LeCun）[PDF]可视化和理解卷积网络（2014年），M蔡勒和R.弗格斯[PDF]✨MAXOUT网络（2013年），一古德费洛等。 （Bengio）[PDF]网络在网络（2013年），M林等。 [PDF] ImageNet分类深卷积神经网络（2012年），A Krizhevsky等。 （韩丁）[PDF]✨大规模分布式网络深（2012），J​​ Dean等。 [PDF]✨深稀疏整流器神经网络（2011年），十Glorot等。 （Bengio）[PDF]图像读取在野外与卷积神经网络（2016年）文本，M Jaderberg等。 （DeepMind）[PDF] Imagenet大型视觉识别挑战（2015年），O Russakovsky等。 [PDF]✨更快的R-CNN：走​​向与区域网络的建议（2015），S Ren等实时目标检测。 [PDF]✨DRAW：图像生成（2015年），K格雷戈尔等一个经常性的神经网络。 [PDF]丰富的功能层次结构进行精确物体检测和语义分割（2014年），R Girshick等。 [PDF]✨学习和使用卷积神经网络传输中级图像表示（2014年），M Oquab等。 [PDF] DeepFace：缩小差距在人脸验证（2014年），Y Taigman等人级性能。 （脸谱）[PDF]✨无咖啡因：仿制视觉识别（2013）深卷积激活功能，J.多纳休等。 [PDF]✨学习场景标记（2013），C Farabet等分层功能。 （LeCun）[PDF]学习中等特征进行识别（2010），Y Boureau（LeCun）[PDF]字幕显示，出席并告诉：神经影像字幕生成与视觉注意力（2015年），K. Xu等。 （Bengio）[PDF]✨秀和告诉：一个神经影像标题生成器（2015年），O Vinyals等。 [PDF]✨的视觉识别和描述（2015），J。多纳休等人长期反复发作的卷积网络。 [PDF]✨用于生成图像描述（2015年），A Karpathy和L.菲菲[PDF]✨视频/人类活动的大型视频卷积神经网络分类（2014年），A Karpathy深视觉语义路线等。 （菲菲）[PDF]✨DeepPose：人类通过深层神经网络（2014年）姿态估计，A Toshev和C. Szegedy（谷歌）[PDF]双数据流在视频行为识别（2014年），K.西蒙尼扬卷积网络等。 [PDF]使用穿戴式传感器（2013年）人类活动的认可一项调查显示，澳拉拉和M.拉布拉多[PDF]人类动作识别（2013）3D卷积神经网络，S吉等人。 [PDF]动作识别改进的轨迹（2013年），H Wang和C.施密德[PDF]学习的动作识别分层不变的时空特性具有独立子空间分析（2011），问：乐等。 [PDF] Word中嵌入手套：字表示（2014年），J。宁顿等全球向量。 [PDF]✨分布式句子和文件（2014年），问：乐和T. Mikolov [PDF]（谷歌）的表示✨分布式的单词和短语及其组合性（2013年），T Mikolov等人表示。 （谷歌）[PDF]✨向量空间（2013年），T Mikolov等字表示的有效估计。 （谷歌）[PDF]✨字表示：一套先决条件玩具任务：半监督学习（2010年），J突锐（Bengio）[PDF]机器翻译/ QNA迈向AI-完整的问题回答简单而通用的方法（2015），J。韦斯顿等。 [PDF]神经机器翻译通过共同学习，调整和翻译（2014年），D Bahdanau等。 （Bengio）[PDF]✨序列测序与神经网络（2014年），一Sutskever等人学习。 [PDF]✨学习使用RNN编码器，解码器，用于统计机器翻译（2014年）的短语表示，K. Cho等。 （Bengio）[PDF]建模句子卷积神经网络（2014年），N Kalchbrenner等。句子的分类（2014）[PDF]卷积神经网络，Y.金[PDF]斯坦福coreNLP自然语言处理工具包（2014年），C Manning等。 [PDF]✨了一个多情绪树库（2013年），R Socher等语义组合性递归深车型。 [PDF]✨自然语言处理（几乎）从零开始（2011），R Collobert等。 [PDF]✨复发基于神经网络的语言模型（2010年），T Mikolov等。 [PDF]语音/等等自动语音识别 - 深学习方法（图书，2015年），D羽和L.邓（微软）[HTML]语音识别与深递归神经网络（2013年），A格雷夫斯（韩丁在语音识别声学建模）[PDF]深层神经网络：四个研究组（2012年），G顿等人的共同意见。 [PDF]✨对于大词汇量语音识别（2012）G.达尔等上下文相关预训练深层神经网络。 [PDF]✨声学建模使用深层信念网络（2012年），A·穆罕默德等人。 （韩丁）[PDF] RL /机器人掌握围棋的深神经网络和树搜索（2016年），D白银等游戏。 （DeepMind）[PDF]✨人级通过深入强化学习控制（2015年），五Mnih等。 （DeepMind）[PDF]✨深学检测机器人抓手（2015年），一楞等。 [PDF]玩雅达利深强化学习（2013年），五Mnih等。 （DeepMind）[PDF]）无监督生成对抗性网（2014年），一古德费洛等。 （Bengio）[PDF]自动编码变贝叶斯（2013年），金玛D.和M.威灵[PDF]建筑采用大规模监督学习（2013年）的高级功能，问：乐等。 [PDF]✨单层网络在无监督功能的分析学习（2011年），A Coates等。 [PDF]堆积去噪autoencoders：学习在一个很深的网络有用的交涉与当地的去噪准则（2010），P。文森特等人。 （Bengio）[PDF]实用指南训练受限玻尔兹曼机（2010年），G韩丁[PDF]堆积去噪autoencoders：学习在一个很深的网络有用的交涉与当地的去噪准则（2010），P。文森特等人。 （Bengio）[PDF]硬件/软件TensorFlow：大型机器学习异构分布式系统（2016年），M阿巴迪等。 （谷歌）[PDF] Theano：数学表达式的快速计算使用Python编写的框架，R.铝Rfou等。 （Bengio）MatConvNet：为MATLAB（2015）卷积神经网络，A Vedaldi和K. Lenc [PDF]来自Caffe：快速功能嵌入（2014）卷积架构，Y佳等。 [PDF]✨论文，值得一读新发布的不符合标准的，但值得一读的深层神经网络结构进行深强化学习，Z. Wang等人的论文。 （DeepMind）[PDF]通过学习梯度下降通过梯度下降（2016年），M Andrychowicz等人学习。 （DeepMind）[PDF]标识映射在深残留网络（2016年），K他等。 （微软）[PDF] Adversarially了解到推理（2016年），五迪穆兰等。 [网络] [PDF]了解卷积神经网络（2016），J。Koushik [PDF] SqueezeNet：与50X较少的参数AlexNet级精度和\x26lt