2014年以来高被引论文

开门见山：
1.论文：Dropout :一种防止神经网络过拟合的简单方法
（Dropout: A Simple Way to Prevent Neural Networks from Overfitting，N Srivastava, G Hinton, A Krizhevsky, I Sutskever, R Salakhutdinov (2014) ）
摘要:其关键思想是在神经网络的训练过程中随机丢弃单元（连接它们的连接点）。这样能防止单元适应过度，显著减少过拟合，并相对其它正则化方法有中大改进。

2.论文：用于图像识别的深度残差学习

3.论文：批标准化：通过减少内部协移加速神经网络训练

4.论文：通过卷积神经网络进行大规模视频分类

5.论文：Microsoft COCO:语境中的通用对象

---

6.论文：使用场景数据库学习场景识别中的深层特征
7.论文：生成对抗网络
8.论文：通过内核相关滤波器实现高速跟踪
9.论文：多标签学习算法综述
10.论文：深层神经特征的可传递性

---

11.论文：我们需要数百种分类器来解决真实世界的分类问题吗？
12.论文：知识库：一种概率知识融合的网络规模方法
摘要：我们引入了一个网络规模的概率知识库，它将网页内容提取（通过文本分析、表格数据、页面结构和人工注释获得）与来自现存知识库中的先验知识相结合，以构建新的知识库。我们部署监督学习方法去融合不同的数据源。该知识库比先前发布的任何结构化知识库大得多，并且具有概率推理系统，该概率推理系统能计算事实准确性的校准概率。
13.论文：用于高维数据的可扩展最近邻算法
14.论文：回顾超限学习机的发展趋势
15.论文：一份关于概念漂移适应性的调查

---

16.论文：深度卷积激活特征的多尺度无序池化
17.论文：同时检测和分割
18.论文：一份关于特征选择方法的调查
19.论文：用回归树集成方法在一毫秒内实现人脸校准
20.论文：关于作为混合系统的多分类器系统的调查