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
