《Deep learning》论文翻译及解读

最新推荐文章于 2024-07-01 23:26:13 发布
最新推荐文章于 2024-07-01 23:26:13 发布
阅读量1.3k 收藏 14
点赞数 1
文章标签： 深度学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/C_1024/article/details/113744881
版权

论文信息

  • 题目：Deep learning
  • 作者：Yann LeCun, Yoshua Bengio, Geoffrey Hinton
  • 刊物：Nature
  • DOI:10.1038/nature14539

论文整体理解

这是一篇综述，作者是深度学习领域的三位“大牛”。这篇综述主要介绍了 的深度学习的由来、现状、原理并对其未来进行了展望。文中对监督学习、卷积 神经网络、反向传播算法、分布式特征表示、递归神经网络这几个与深度学习密 切相关的概念进行了讲解，并介绍了深度学习的应用，旨在让读者对深度学习有 一个总体上的理解。 文章从机器学习入手，讲述了其广泛应用与局限性，进而引出深度学习的概 念。随后介绍了机器学习的常见形式——监督学习，并介绍了广泛使用的随机梯 度下降算法，在此基础上又引出了反向传播算法。在介绍反向传播算法时顺便提 到了神经网络的低潮及复兴，由此引出卷积神经网络并对其结构、原理及在图像 理解方面的应用做了介绍。接着介绍了分布式特征表示及其在语言处理中的应用 和递归神经网络，最后展望了深度学习的未来。文章的结构如下图所示。
在这里插入图片描述
这篇论文是我在学习一门课程时阅读的，这门课的大作业就是阅读两篇英文文献并写出自己的理解。论文的详细解读见链接1，懒得再把所有内容再排版成博客了。英文原文见链接2。

链接1: 论文详细解读.
链接2: 英文原文.

C_++
关注
  • 1
    点赞
  • 踩
  • 14
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
介绍深度学习(Deep Learning)的3篇经典英文综述和2篇中文综述
07-01
深度学习（Deep Learning)被《麻省理工学院技术评论》杂志列为2013年十大突破性技术之首。 自2006年以来，深度学习在学术界持续升温。 但目前系统性地介绍 深度学习 技术的资料相对较少。 本资源里包括介绍深度学习的3篇经典英文综述，由深度学习专家Yoshua Bengio所写。 以及2篇，我在万方和中国期刊网上能找到的，仅有的中文综述。供需要的人阅读和下载。
ResNet论文翻译——中英文对照+标注总结
热门推荐
小鸡啄米
02-22 1万+
Deep Residual Learning for Image RecognitionAbstract Deeper neural networks are more difficult to train. We present a residual learning framework to ease the training of networks that are substantiall...
《Deep Learning》中文翻译总结
Anysky___的博客
04-15 1万+
前记：2015年，深度学习三大牛Yann LeCun、Yoshua Bengio和Geoffrey Hinton在最新的《Nature》杂志首次合作的发表综述文章《Deep Learning》。本文为该综述文章的中文译文，深入浅出地介绍了深度学习的基本原理，核心优势和未来展望。 　　摘要:深度学习是允许由多个处理层和多个抽样层学习数据表示的计算机模型。这些方法可以显著提高了最先进的语音识别,
【论文翻译】Deep learning
刘小胖的博客
11-04 807
Abstract 深度学习允许由多个处理层组成的计算模型学习具有多个抽象级别的数据表示。 这些方法极大地改善了语音识别，视觉目标识别，目标检测以及许多其他领域（例如药物发现和基因组学）的最新技术。 深度学习通过使用反向传播算法指示机器应如何更改其内部参数来发现大型数据集中的复杂结构，这些内部参数用于根据上一层的表示来计算每一层的表示。 深层卷积网络在处理图像，视频，语音和音频方面带来了突破，而递...
深度学习论文:Deep learning-Yann LeCun-Nature 2015
第一段代码的博客
11-24 4962
Deep learning(Yann LeCun, Yoshua Bengio & Geoffrey Hinton) doi:10.1038/nature14539 Abstract: Deep learning allows computational models that are composed of multiple processing layers to learn representations of data with multiple levels of abstra.
facebook 将协同过滤加上深度学习来解决搜索推荐问题 (二) - 论文翻译
1066196847的博客
07-05 2145
总述：facebook 在技术行业上一直和谷歌这些公司一样，处于一个领头羊的地位，在 facebook 的业务当中，搜索推荐算法一直是一个比较重要的板块，在今年他们提出来一个新的算法，就是在“深度方法”的基础上，再加上这个行业刚兴起时候的“协同过滤”！本文先从论文翻译入手，后续还会给出源码理解、以及博主的实践理解 原文地址链接：https://arxiv.org/pdf/1906.0009......
deep learning初步了解
for ONE
10-25 573
deep learning初步了解　　虽然听了很久的deep learning大名，但是第一次看deep learning的文章，对该领域有一个初步的了解。 　　参考文章，Nature的文章deep learning (LeCun, Bengio, & Hinton, 2015)。历史（待完善）1959年，perceptron提出。 69-80年，冰河期，Minsky，写了本书，认为神经网络不靠
深度学习经典论文deep learning！入门必读！：deep learning yann lecun 深度学习
风信子的博客
08-04 7385
深度学习 YannLeCun, Yoshua Bengio & Geoffrey Hinton 深度学习能够让多层处理层组成的计算模型学习多级抽象的数据的表达。这些方法极大地提高了语音识别，视觉目标识别，目标检测和许多其他领域（比如药物研究和基因学）的最新研究水平。深度学习使用反向传播算法来更新模型内部的表达上一层信息的参数，以此来从大量数据中发掘复杂的结构。深度卷积网络给图像、视频，语音处理带来了突破性的进展。而递归网络给连续数据，比如文本和语音领域带来了曙光。 Machine-learning
attention is all you need论文解读
12-29
文章为对attention is all you need的论文解读，详细的剖析了该文章的思想。
Deep Reinforcement Learning for Sponsored Search Real-time Bidding
07-05
Deep Reinforcement Learning for Sponsored Search Real-time Bidding，一篇强化学习方面的论文
Deep Plug-and-Play Super-Resolution for Arbitrary Blur Kernels_注释版.pdf
12-06
这是关于在CVPR2019上发表的“Deep Plug-and-Play Super-Resolution for Arbitrary Blur Kernels”的在源PDF文件的基础上，进行的注释标注的版本，用以配套我在博客中写的论文解读来使用。
精品--CTR prediction models based on deep learning(基于深度学习的.zip
02-05
本压缩包“ahao2”可能包含了上述概念的代码实现、论文解读或实验报告，对于深入理解和实践基于深度学习的CTR预测模型非常有帮助。通过学习和应用这些知识，可以提升广告系统的精准度，从而提高业务收益。
深度学习发展史以及所需要的支撑条件
Gfqwy2021
06-29 885
深度学习主要是通过搭建深层的人工 神经网络（Artificial Neural Network）来进行知识的学习，输入数据通 常较为复杂、规模大、维度高 发展史 最早的神经网络：1943年的MCP（McCulloch and Pitts） 人工神经元网络，希望使用简单的加权求和与激活函数来模拟人类的神 经元过程。1958年的感知器（Perception）模型使用了梯度下降算法来学习多维的训练数据，成功地实现了二分类问题，也掀起 了深度学习的第一次热潮。 然而，1969年，Minsky证明了感知器仅.
Tag deep-learning 一大堆深度学习论文
GarfieldEr007的专栏
05-30 1万+
Tag deep-learning [159 articles]  Recent papers classified by the tag deep-learning. Search   Copy  Export   Sort  Hide Details   ✔ Deep Learning withou
LeCun、Bengio和Hinton综述论文《deep learning》
忧郁一休
12-20 1万+
2015年，DL界三大神（Yann LeCun，Yoshua Bengio & Geoffrey Hinton），为了纪念人工智能60周年，合作在Nature上发表深度学习的综述性文章。原文地址：Deep learning Review下载地址：Deep Learning Review译文地址： 上 下深入浅出的介绍了深度学习的基本原理和核心优势，详细介绍了CNN、分布式特征表示、RNN及其不同
LeCun、Bengio、Hinton三巨头曾合体，Nature发文综述深度学习（论文精华）
weixin_34111819的博客
04-09 563
深度学习三巨头Yann LeCun、Yoshua Bengio、Geoffrey Hinton曾在Nature上共同发表一篇名为《深度学习》的综述文章，讲述了深度学习为传统机器学习带来的变革。 从2006年Geoffrey Hinton为世人展示深度学习的潜能算起，深度学习已经蓬勃发展走过了10多个年头。这一路走来，深度学习究竟取得了怎样的成就，又会何去...
Deep Learning(LeCun、Bengio、Hinton在Nature上发表的综述)学习笔记
stu14jzzhan的博客
06-07 3355
Deep Learning学习笔记 这个笔记是对2015年LeCun、Bengio、Hinton在Nature上发表的《Deep Learning》综述论文的一些笔记。笔记严格文章的结构来做的。 文章PDF地址：Download Deep Learning Review 对应的排版比较好的中文翻译: https://artificial-intelligence.net.cn/2019/06...
基于深度学习的文本框检测
最新发布
weixin_42605076的博客
07-01 795
基于深度学习的文本框检测（Text Box Detection）是一项重要的计算机视觉任务，旨在从图像中自动检测和定位文本区域。它在光学字符识别（OCR）、自动文档处理、交通标志识别等领域具有广泛的应用。
deep learning
09-03
深度学习是机器学习领域中的一个新的分支，其动机在于模拟人类大脑的学习方式。它使用深度神经网络模型（DNN）来解释和分析数据，例如图像、声音和文本。深度学习是一种无监督学习方法，意味着它可以从未标记的数据中自动学习特征，并进行模式识别。与浅层学习相比，深度学习具有更深的层次结构，能够提供更好的语音识别、图像处理和自然语言处理等能力。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *2* [Deep Learning简介](https://blog.csdn.net/MyArrow/article/details/51176981)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] - *3* [深度学习deep learning](https://blog.csdn.net/qq_46458188/article/details/121594693)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] [ .reference_list ]

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值