1.深度学习历史和基础

1.0  书籍

1.1调查

1.2 深度信念网络(DBN) (深度学习开篇的里程碑)

1.3 ImageNet进展（深度学习从此爆发）

1.4语音识别进展

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

2.2优化

2.3无监督学习/深度生成模型

2.4RNN/ Sequence-to-Sequence模型

2.5神经图灵机

2.6深度强化学习

2.7深度迁移学习/终生学习/强化学习

2.8One Shot深度学习

3应用

3.1NLP(自然语言处理)

3.2目标检测

3.3视觉跟踪

3.4图像标注

3.5机器翻译

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

3.6机器人技术

3.7艺术

3.8目标分割

原文发布时间为：2017-03-22

本文来自云栖社区合作伙伴“大数据文摘”，了解相关信息可以关注“BigDataDigest”微信公众号