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。
    ResNet

📘 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。
    BERT

📘 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。
    AlphaGo

📚 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。

深度学习