📚 经典论文推荐

  1. 《ImageNet Classification with Deep Convolutional Neural Networks》

    卷积神经网络

    由Alex Krizhevsky团队提出,首次证明了深度CNN在图像识别中的优越性。

  2. 《Sequence to Sequence Learning with Neural Networks》

    序列到序列模型

    该论文奠定了序列建模的基础,广泛应用于NLP领域。

  3. 《Deep Residual Learning for Image Recognition》

    残差网络

    ResNet通过残差块解决了深度网络的退化问题,成为工业标准。

🔍 近期研究进展

  • Transformer架构

    Transformer模型

    《Attention Is All You Need》提出自注意力机制,重新定义序列处理范式。

  • 生成对抗网络(GAN)

    生成对抗网络

    《Generative Adversarial Networks》开创性工作,推动图像生成技术发展。

  • 大模型训练优化

    分布式训练

    最新论文探讨高效分布式训练框架,提升模型规模与性能。

📚 扩展阅读

📌 学术动态

深度学习发展史
*图示:深度学习技术演进历程*