智能单元
首发于智能单元
深度学习论文阅读路线图 Deep Learning Papers Reading Roadmap

深度学习论文阅读路线图 Deep Learning Papers Reading Roadmap

1 前言

相信很多想入门深度学习的朋友都会遇到这个问题,就是应该看哪些论文。包括我自己,也是花费了大量的时间在寻找文章上。另一方面,对于一些已经入门的朋友,常常也需要了解一些和自己研究方向不同的方向的文章。

因此,这里做了一个深度学习论文阅读路线图,也就是paper list,希望能够帮助大家对深度学习的全貌和具体的方向有一个深入的理解。

2 路线图的构建原则

有以下四个原则:

  1. 从整体到局部。即从Survey的文章,影响大局的文章到具体子问题子领域的文章。
  2. 从过去到最前沿。即每个topic的文章是按照时间顺序排列的,这样大家就可以清楚的看到这个方向的研究发展脉络。
  3. 从通用到应用。即有些深度学习的文章是面向深度学习通用理论,比如Resnet,可以用在任意的神经网络中,而有些文章则是具体应用,比如Image Caption。
  4. 面向最前沿。收集的文章会有很多是最新的,甚至就是几天前出来的,这样能保证路线图是最新的。

每一种topic只选择最有代表性的几篇文章,比如深度增强学习(Deep Reinforcement Learning),这个领域现在有几十篇文章,但只选择几篇,要深入了解甚至做为自己的研究方向,还需要进一步的阅读该领域的文章。

3 说明

这个论文阅读路线图选择的文章除了文章本身的影响力和重要性之外,也依赖于本人对文章的理解。因此会有一定的主观性,即我觉得这篇文章好,值得读,所以推荐。这方面需要大家的理解。也欢迎大家提出批评意见以改进。

这个路线图还在完善,会不断更新。

欢迎大家pull requests!(基本要求:一个topic不超过10篇,并且包含当前最前沿和最有影响力的文章,也欢迎增加新的topic)

路线图在Github上,地址是:

GitHub - songrotek/Deep-Learning-Papers-Reading-Roadmap: Deep Learning papers reading roadmap for anyone who are eager to learn this amazing tech!

以下是截图:

希望对大家有所帮助!

编辑于 2016-10-23

文章被以下专栏收录

    面向通用人工智能和机器人学习,聚焦深度增强学习,可微神经计算机和生成对抗模型。