[3] Luong, Minh-Thang, Hieu Pham, and Christopher D. Manning. 基于注意力的神经机器翻译的有效途径（Effective approaches to attention-based neural machine translation.）

[4] Chung, et al. 一个机器翻译无显式分割的字符级解码器（A Character-Level Decoder without Explicit Segmentation for Neural Machine Translation）

[5] Lee, et al. 无显式分割的全字符级神经机器翻译（Fully Character-Level Neural Machine Translation without Explicit Segmentation）

[6] Wu, Schuster, Chen, Le, et al. 谷歌的神经机器翻译系统：弥合人与机器翻译的鸿沟（Google's Neural Machine Translation System: Bridging the Gap between Human and Machine Translation）

3.6 机器人

[1] Koutník, Jan, et al. 发展用于视觉强化学习的大规模神经网络（Evolving large-scale neural networks for vision-based reinforcement learning.）

[2] Levine, Sergey, et al. 深度视觉眼肌运动策略的端到端训练（End-to-end training of deep visuomotor policies.）

[3] Pinto, Lerrel, and Abhinav Gupta. 超大尺度自我监督：从 5 万次尝试和 700 机器人小时中学习抓取（Supersizing self-supervision: Learning to grasp from 50k tries and 700 robot hours.）

[4] Levine, Sergey, et al. 学习手眼协作用于机器人掌握深度学习和大数据搜集（Learning Hand-Eye Coordination for Robotic Grasping with Deep Learning and Large-Scale Data Collection.）

[5] Zhu, Yuke, et al. 使用深度强化学习视觉导航目标驱动的室内场景（Target-driven Visual Navigation in Indoor Scenes using Deep Reinforcement Learning.）

[6] Yahya, Ali, et al. 使用分布式异步引导策略搜索进行集体机器人增强学习（Collective Robot Reinforcement Learning with Distributed Asynchronous Guided Policy Search.）

[7] Gu, Shixiang, et al. 深度强化学习用于机器操控（Deep Reinforcement Learning for Robotic Manipulation.）

[8] A Rusu, M Vecerik, Thomas Rothörl, N Heess, R Pascanu, R Hadsell. 模拟实机机器人使用过程网从像素中学习（Sim-to-Real Robot Learning from Pixels with Progressive Nets.）

[9] Mirowski, Piotr, et al. 学习在复杂环境中导航（Learning to navigate in complex environments.）

3.7 艺术

[1] Mordvintsev, Alexander; Olah, Christopher; Tyka, Mike (2015). 初始主义：神经网络的更深层（Inceptionism: Going Deeper into Neural Networks）(谷歌 Deep Dream)

[2] Gatys, Leon A., Alexander S. Ecker, and Matthias Bethge. 一个艺术风格的神经算法（A neural algorithm of artistic style.） (杰出的工作，目前最成功的算法)

[3] Zhu, Jun-Yan, et al. 自然图像流形上的生成视觉操纵（Generative Visual Manipulation on the Natural Image Manifold.）

[4] Champandard, Alex J. Semantic Style Transfer and Turning Two-Bit Doodles into Fine Artworks. (神经涂鸦)

[5] Zhang, Richard, Phillip Isola, and Alexei A. Efros. 多彩的图像彩色化（Colorful Image Colorization.）

[6] Johnson, Justin, Alexandre Alahi, and Li Fei-Fei. 实时风格迁移和超分辨率的感知损失（Perceptual losses for real-time style transfer and super-resolution.）

[7] Vincent Dumoulin, Jonathon Shlens and Manjunath Kudlur. 一个艺术风格的学习表征（A learned representation for artistic style.）

[8] Gatys, Leon and Ecker, et al. 神经风格迁移中的控制感知因子（Controlling Perceptual Factors in Neural Style Transfer.） (控制空间定位、色彩信息和全空间尺度方面的风格迁移)

[9] Ulyanov, Dmitry and Lebedev, Vadim, et al. 纹理网络：纹理和风格化图像的前馈合成（Texture Networks: Feed-forward Synthesis of Textures and Stylized Images.） (纹理生成和风格迁移)

3.8 对象分割

[1] J. Long, E. Shelhamer, and T. Darrell, 用于语义分割的全卷积网络（Fully convolutional networks for semantic segmentation）