20篇顶级深度学习论文（附链接）
深度学习正值快速发展进化阶段，新技术，新工具以及新的应用实现正在深刻改变着机器学习领域并不断获得累累硕果。 深度学习作为机器学习和统计学习的子领域，在最近几年取得了长足的发展进步。云计算，强大的开源工具以及大量可用数据已经成为这些关键突破的杠杆。本文以（academic.microsoft.com）网站的深度学习论文被引次数统计为依据，选取了20篇顶级深度学习论文。值得注意的是，由于论文被引次.....
ICLR2018 | 深度学习顶会见闻，干货资源都在这里（附源码、论文链接）
虽然仅仅举办过六届，ICLR已经是深度学习领域的顶级会议，得到了业界的广泛认可。第六届ICLR于2018.4.30~2018.5.03在温哥华会展中心召开，笔者署名的一篇文章有幸被workshop接收且受邀参会，下面聊一聊个人在ICLR2018上的见闻。 ICLR2018会议大观 ICLR 2018共计收到1003篇论文投稿，最终2.3%的Oral论文、31.4%的Poster论文、9%被接收为....
一篇深度学习论文背后的大规模在线协作
2016年夏季，生物信息学教授Anthony Gitter和Casey Greene发表了一篇关于深度学习的生物医学应用的论文，该论文致力于研究一个热门的新型人工智能领域：模仿人类大脑的神经网络。 该论文完成后还引出了一个有趣的学术众包案例。如今，已有40多名在线合作者对这篇论文进行了大量的编写和修改，甚至其中大多数协作者的贡献足以成为共同作者。 2018年4月4日《皇家学会界面》杂志刊登了最新....
LeCun、Bengio、Hinton三巨头曾合体，Nature发文综述深度学习（论文精华）
深度学习三巨头Yann LeCun、Yoshua Bengio、Geoffrey Hinton曾在Nature上共同发表一篇名为《深度学习》的综述文章，讲述了深度学习为传统机器学习带来的变革。 从2006年Geoffrey Hinton为世人展示深度学习的潜能算起，深度学习已经蓬勃发展走过了10多个年头。这一路走来，深度学习究竟取得了怎样的成就，又会何去何从呢？ 文摘菌节选了这篇论文的精华部分进....
送你一份"不正经"的深度学习简述（附论文）
作为人工智能领域里最热门的概念，深度学习会在未来对我们的生活产生显著的影响，或许现在已经是了，从 AlphaGo 到 iPhone X 上的人脸识别（FaceID），背后都有它的身影。关于深度学习，我们能够看到很多优秀的介绍、课程和博客，本文将列举其中的精华部分，而且，你会发现这是一篇"不一样"的文章。 不一样在哪儿呢？可能是本文没有按照"正常"的深度学习博客结构：从数学讲起，然后介绍论文、实现....
理解卷积神经网络的利器：9篇重要的深度学习论文（上）
手把手教你理解卷积神经网络(一) 手把手教你理解卷积神经网络(二) 本文将介绍过去五年内发表的一些重要论文，并探讨其重要性。论文1—5涉及通用网络架构的发展，论文6—9则是其他网络架构的论文。点击原文即可查看更详细的内容。 1.AlexNet（2012） AlexNe...
从起源到具体算法，这篇深度学习综述论文送给你
近年来，深度学习作为机器学习的新分支，其应用在多个领域取得巨大成功，并一直在快速发展，不断开创新的应用模式，创造新机会。深度学习方法根据训练数据是否拥有标记信息被划分为监督学习、半监督学习和无监督学习。实验结果显示了上述方法在图像处理、计算机视觉、语音识别、机器翻译、艺术、医学成像、医疗信息处理、机器人控制和生物、自然语言处理（NLP）、网络安全等领域的最新成果。本报告简要概述了深度学习方法的发....
2017年深度学习必读31篇论文
2017年即将擦肩而过，Kloud Strife在其博客上盘点了今年最值得关注的有关深度学习的论文，包括架构/模型、生成模型、强化学习、SGD & 优化及理论等各个方面，有些论文名扬四海，有些论文则非常低调。 一如既往，首先，标准免责声明适用，因为今年仅与GAN有关的论文就超过1660篇。我肯定会有疏漏，试图缩减到每两周一篇论文，包含了Imperial Deep Learning Re.....
清华刘知远：教你用HowNet在深度学习时代搞事情（附论文下载）
2017年12月底，清华大学张钹院士做了一场题为《AI科学突破的前夜，教授们应当看到什么？》的精彩特邀报告。他认为，处理知识是人类所擅长的，而处理数据是计算机所擅长的，如果能够将二者结合起来，一定能够构建出比人类更加智能的系统。因此他提出，AI未来的科学突破是建立一种同时基于知识和数据的AI系统。 我完全赞同张钹老师的学术观点。最近一年里，我们在这方面也做了一些尝试，将语言知识库HowNet中的....
深度学习识别植物标本准确率达80%，有望借此发现新物种|附论文
本文来自AI新媒体量子位（QbitAI） 今天要讲的是个背景遥远的故事。 封存数世纪的植物标本可能包含人类还未发现的新物种，但由于目前还未实现完全数字化，人工鉴别归类植物标本不仅成本高，而且速度慢。 现在，用深度学习算法可以识别植物标本的扫描图片，并判断它是否为还未被记录的新物种。 这项成果的研究人员来自哥斯达黎加技术研究所和法国农业发展国际研究中心。昨天，Erick Mata-Monte...
本页面内关键词为智能算法引擎基于机器学习所生成，如有任何问题，可在页面下方点击"联系我们"与我们沟通。
深度学习更多论文相关
智能引擎技术
AI Online Serving，阿里巴巴集团搜推广算法与工程技术的大本营，大数据深度学习时代的创新主场。
+关注