2018深度学习引用数最高的十大论文
译者 | 林椿眄
出品 | AI 科技大本营(公众号ID:rgznai100)
在过去的几年里,作为机器学习和统计学习的子领域,深度学习已经在诸多领域取得了令人印象深刻的突破。鲁棒性的开源工具、云计算以及大量可用的数据是深度学习能够取得成功的重要基石。下面,我们列出2018年度十大深度学习论文:
▌1.Deep Learning, by Yann L., Yoshua B. & Geoffrey H. (2015) (Cited: 5,716):
深度学习是一种由多个处理层组成的计算模型,它能够学习数据的多层次抽象表征。目前,这类方法已经在目标检测、语音识别、视觉目标识别以及许多其他领域(诸如药物发现和基因组学)取得了当前最佳的性能。
PDF链接:https://www.cs.toronto.edu/~hinton/absps/NatureDeepReview.pdf
▌2.TensorFlow: Large-Scale Machine Learning on Heterogeneous Distributed Systems, by Martín A., Ashish A. B., Eugene B. C., et al. (2015) (Cited: 2,423)
这是一个灵活的深度学习系统,它可以用来表达各种算法,包括深度神经网络模型的训练及推理算法,并且众多研究者利用它并将其部署到机器学习系统中,以实现多种任务,包括信息检索,语音识别,机器人技术,计算机视觉,地理信息提取,自然语言处理,计算药物发现等十几个计算机科学及其他领域。
PDF链接:http://download.tensorflow.org/paper/whitepaper2015.pdf
▌3.TensorFlow: a system for large-scale machine learning, by Martín A., Paul B., Jianmin C., Zhifeng C., Andy D. et al. (2016) (Cited: 2,227)
TensorFlow 是一个开源项目,主要用于解决深度神经网络的训练和推理问题。它支持各种应用程序。Google 的许多服务和应用都使用到了 TensorFlow。随着时间的推移,它也被广泛用于机器学习领域的研究。
PDF链接:https://www.usenix.org/system/files/conference/osdi16/osdi16-abadi.pdf
▌4.Deep learning in neural networks, by Juergen Schmidhuber (2015) (Cited: 2,196)
这篇论文是对深度学习、深度神经网络的发展历程及其相关工作的综述。其中大部分的内容介绍了上个世纪的研究成果。浅层和深层的神经网络是根据信用分配路径的深度进行区别的,信用分配路径是通过行为和效果之间因果关系链所决定的,而这种因果关联关系是可以学习的。
PDF链接:https://arxiv.org/pdf/1404.7828.pdf
▌5.Human-level control through deep reinforcement learning, by Volodymyr M., Koray K., David S., Andrei A. R., Joel V et al (2015) (Cited: 2,086)
这篇论文开发一种被称为深度“Q-网络”的新型人工智能体。利用最近在深度神经网络训练方面的进展,我们使用一种端到端强化学习策略,直接从高维的传感输入中学习成功的策略。此外,这种智能体已经在经典 Atari 2600 游戏的一些挑战性领域中的得到了测试。
PDF链接:
https://web.stanford.edu/class/psych209/Readings/MnihEtAlHassibis15NatureControlDeepRL.pdf
▌6.Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks, by Shaoqing R., Kaiming H., Ross B. G. & Jian S. (2015) (Cited: 1,421)
在这项工作中,我们将介绍区域建议网络(RPN),全卷积图像特征,用于实现共享的区域建议检测网络。区域建议网络是一种全卷积神经网络,它能够共享检测区域,并在每个位置同时预测出目标边界及客观得分。
PDF链接:https://arxiv.org/pdf/1506.01497.pdf
▌7.Long-term recurrent convolutional networks for visual recognition and description, by Jeff D., Lisa Anne H., Sergio G., Marcus R., Subhashini V. et al. (2015) (Cited: 1,285)
不同于固定时空感受野(fixed spatio-temporal receptive field)或用于序列数据处理的简单平均时序模型,循环卷积神经网络能够通过“双重深入”机制,在空间和时间层次实现模型的融合。
PDF链接:https://arxiv.org/pdf/1411.4389.pdf
▌8.MatConvNet:Convolutional Neural Networks for MATLAB, by Andrea Vedaldi & Karel Lenc (2015) (Cited: 1,148)
这种模型易于使用,并在 MATLAB 中开源了其 CNN 构建块函数,提供了计算带滤波器组的线性卷积的路径,特征池化等等。这篇论文将概述了卷积神经网络结构及其在 MatConvNet 中的实现方式,并在每个计算块的工具箱中给出了相同的技术细节。
PDF链接:https://arxiv.org/pdf/1412.4564.pdf
▌9.Unsupervised Representation Learning with Deep Convolutional Generative Adversarial Networks, by Alec R., Luke M. & Soumith C. (2015) (Cited: 1,054)
在这项工作中,我们主要关注的是弥合 CNN 在监督学习和无监督学习方面差距。这篇论文中我们将介绍一类带一定的架构约束 CNN 模型,称之为深度卷积生成对抗网络(DCGAN),实验结果表明它们是一种有前途的非监督学习方式。
PDF链接:https://arxiv.org/pdf/1511.06434.pdf
▌10.U-Net: Convolutional Networks for Biomedical Image Segmentation, by Olaf R., Philipp F. &Thomas B. (2015) (Cited: 975)
深度神经网络的成功需要许多带标注训练样本,这是一个共识。在这篇论文里,我们将提出一种新的网络结构及训练策略,以便更有效地使用现有的标注样本来训练模型,这完全依赖于强大的数据增强功能。
PDF链接:https://arxiv.org/pdf/1505.04597.pdf
以上是 2018 年度十大深度学习论文的简单摘要,关于论文的详细信息,可以参考每篇论文下面的原文链接。
作者:Kirti Bakshi
原文链接:
https://www.techleer.com/articles/517-a-list-of-top-10-deep-learning-papers-the-2018-edition/
2018深度学习引用数最高的十大论文相关推荐
- 2018深度学习引用数最高的十大论文
https://www.toutiao.com/a6642217664624198157/ 2019-01-03 18:36:54 在过去的几年里,作为机器学习和统计学习的子领域,深度学习已经在诸多领 ...
- 深度学习入门笔记(二十):经典神经网络(LeNet-5、AlexNet和VGGNet)
欢迎关注WX公众号:[程序员管小亮] 专栏--深度学习入门笔记 声明 1)该文章整理自网上的大牛和机器学习专家无私奉献的资料,具体引用的资料请看参考文献. 2)本文仅供学术交流,非商用.所以每一部分具 ...
- 深度学习之图像分类(二十六)-- ConvMixer 网络详解
深度学习之图像分类(二十六)ConvMixer 网络详解 目录 深度学习之图像分类(二十六)ConvMixer 网络详解 1. 前言 2. A Simple Model: ConvMixer 2.1 ...
- 【深度学习】数形结合的图像处理(文末介绍了一种新型网络)
[深度学习]数形结合的图像处理(文末介绍了一种新型网络) 文章目录 [深度学习]数形结合的图像处理(文末介绍了一种新型网络) 前言: OpenCV介绍 1 读取图像 2 修改图像尺寸 3 矩阵操作处理 ...
- 深度学习之图像分类(二十五)-- S2MLPv2 网络详解
深度学习之图像分类(二十五)S2MLPv2 网络详解 目录 深度学习之图像分类(二十五)S2MLPv2 网络详解 1. 前言 2. S2MLPv2 2.1 S2MLPv2 Block 2.2 Spat ...
- 深度学习之图像分类(二十八)-- Sparse-MLP(MoE)网络详解
深度学习之图像分类(二十八)Sparse-MLP(MoE)网络详解 目录 深度学习之图像分类(二十八)Sparse-MLP(MoE)网络详解 1. 前言 2. Mixture of Experts 2 ...
- 中国移动互联网2018年度报告:八大关键词总结与十大趋势
中国移动互联网2018年度报告:八大关键词总结与十大趋势 2019年1月22日,中国商业智能服务商QuestMobile发布<中国移动互联网2018年度大报告>.在这份报告中,QuestM ...
- 2018新浪医药年度总评榜十大榜单发布
12月28日,历时2个月,经过严格的报名筛选.网络投票以及专家评审,"2018·新浪医药年度总评榜"十大榜单重磅揭晓. 开始于2016年的"新浪医药年度总评榜" ...
- 学习Java必须避开的十大致命雷区,新手入门千万不要踩!
本文梳理了学习Java需要注意的十大雷区和常用工具,祝各位大神看好学好,长生不老. 1.研究太多,实践太少 在编程方面缺乏实践是十分致命的.从第一天开始学习,就要每天练习编程.就如同学习拳 ...
最新文章
- SlickGrid控件最后一行触数据更新条件
- 打通多个视觉任务的全能Backbone:HRNet
- 为RHEL5安装JDK和配置tomcat
- 【Open Search产品评测】- 来往,7天轻松定制属于自己的搜索引擎
- 【随手拍解救单身男女(1)】数据分析师书豪
- log日志轮转--logrotate
- java微信支付代码_Java微信支付之服务号支付代码示例
- 软考网络工程师学习笔记4-局域网与城域网
- 计算机手速如何学,南华学子巧用计算机,比拼手速与才思
- CentOS6.7 mysql5.6.33修改数据文件位置
- GdiPlus[40]: 不该忽略的一些基础结构
- mac怎么看cpu温度?教你不装软件查看 Mac CPU芯片温度
- Redis 下载与安装(Windows版)
- 细说SDRAM控制器
- 数据结构与算法分析(五)队列
- iOS 12.0-12.1.2 完整越狱教程
- eclipse提示:This tag and its children can be replaced by one lt;TextView/gt; and a compound drawable
- 给你的服务器建立动态域名服务
- 中国移动为挽留用户!推出20元不限量套餐,你会为之买单吗
- 超级删除PowerTools