【倒计时 8 天，点击“阅读原文”抢票】中国 AI 2017 开年盛典启幕在即，三大亮点不容错过：① 两会 聚齐 BAT 人工智能技术领袖，洞察中国 AI 军团布局；② 引爆 AI 原力， 现场参与 AI 技术论坛顶牛对撞；③人工智能创业家巨星璀璨，看投资领袖预测 谁将成为中国 AI 独角兽。

　　【新智元导读】 从深度学习的历史和基础，到深度学习基本概念，再到模型和应用，可能是最全的深度学习论文汇总。

　　如果你是深度学习领域的一名新手，可能会遇到的第一个问题是“应该从哪篇论文开始读起呢？”

　　这里给出了深度学习论文阅读路线图！

　　路线图按照下面四个准则构建而成：

从提纲到细节

从经典到前沿

从通用领域到特定领域

专注于最先进的技术

　　你将会发现很多近期发表但是确实值得一读的论文。

　　我们将持续不断的给这条路线图添加论文。

　　1

　　深度学习历史和基础

　　1.0 书籍

　　1.1调查

直播，从经典到前沿尽览" src="http://img.mp.itc.cn/upload/20170319/e3e4d863981943e69b13079707060e08.png" />

　　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）

atv，从经典到前沿尽览" src="http://www.wzatv.cc/atv/uploads/allimg/170319/1ST4P05_0.jpeg" />

　　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

　　原文链接：https://github.com/songrotek/Deep-Learning-Papers-Reading-Roadmap

　　感谢公众号数据派授权转载！

　　新智元“3·27”AI 技术峰会购票二维码：