深度学习经典论文教程

深度学习的快速发展离不开奠基性论文的启发。以下是几个关键领域的代表性论文推荐，帮助您快速掌握核心思想：

📘 计算机视觉

• 卷积神经网络（CNN）
  AlexNet (2012)：ImageNet竞赛中首次证明深度学习在图像分类中的优势。
  ResNet (2015)：通过残差连接解决梯度消失问题，推动深度网络训练。
  Transformer Vision Model (2020)：结合自注意力机制，重新定义图像处理范式。

📘 自然语言处理

• 循环神经网络（RNN）
  RNN (1997)：处理序列数据的基础模型，后续衍生出LSTM、GRU等变体。
  Transformer (2017)：通过自注意力机制突破传统序列模型的局限性。
  BERT (2018)：预训练语言模型的里程碑，实现双向上下文理解。

📘 强化学习

• 深度Q网络（DQN）
  DQN (2015)：将Q学习与深度网络结合，解决高维状态空间问题。
  PPO (2017)：基于策略梯度的稳定训练方法，广泛应用于工业场景。
  AlphaGo (2016)：深度强化学习在博弈领域的突破性应用。

📚 扩展阅读

如需深入了解论文研究方向，可访问 /tutorial/deep_learning/reading_list 获取精选书单与论文索引。