如果你是深度學習領域的一名新手，可能會遇到的第一個問題是“應該從哪篇論文開始讀起呢？”
這裡給出了深度學習論文閱讀路線圖！
路線圖按照下面四個準則建構而成：
從提綱到細節
從經典到前沿
從通用領域到特定領域
專注于最先進的技術
你将會發現很多近期發表但是确實值得一讀的論文。
我們将持續不斷的給這條路線圖添加論文。
1
深度學習曆史和基礎
1.0 書籍
1.1調查
1.2 深度信念網絡(DBN) (深度學習開篇的裡程碑)
1.3 ImageNet進展（深度學習從此爆發）
1.4語音識别進展
閱讀完上面這些論文後，通過對深度學習模型（包括CNN，RNN，LSTM）的基礎架構，以及深度學習如何應用于圖像和語音識别問題的了解，你将會對深度學習的曆史有一個基本的認識。下面的論文将帶你深入了解深度學習模型，深度學習在不同領域的應用和前沿。我們建議你根據自己的興趣和研究方向選擇下面的論文進行閱讀。
2
深度學習方法
2.1模型
2.2優化
2.3無監督學習/深度生成模型
2.4RNN/ Sequence-to-Sequence模型
2.5神經圖靈機
2.6深度強化學習
2.7深度遷移學習/終生學習/強化學習
2.8One Shot深度學習
3
應用
3.1NLP(自然語言處理)
3.2目标檢測
3.3視覺跟蹤
3.4圖像标注
3.5機器翻譯
Some milestone papers are listed in RNN / Seq-to-Seq topic.
3.6機器人技術
3.7藝術
3.8目标分割
<b></b>
原文釋出時間為：2017-03-25
本文作者：王軍福
本文來自雲栖社群合作夥伴“資料派THU”，了解相關資訊可以關注“資料派THU”微信公衆号