AI经典论文精读 Content Archive

16 posts · Page 1 of 1

  1. 《Attention Is All You Need》:为什么去掉循环,Transformer 仍能处理顺序
  2. 《Deep Residual Learning for Image Recognition》:ResNet 如何让更深的网络重新变得可训练
  3. 《Generative Adversarial Nets》:GAN 如何用判别器把生成分布推向真实分布
  4. 《Playing Atari with Deep Reinforcement Learning》:DQN 如何把像素变成可训练的 Q 值
  5. 《Distributed Representations of Words and Phrases and their Compositionality》:Word2Vec 如何把上下文变成词向量
  6. 「Long Short-Term Memory」:LSTM 如何把长期依赖变成可训练的记忆单元
  7. 《Adam: A Method for Stochastic Optimization》:自适应步长如何把方向与尺度分开
  8. 《Auto-Encoding Variational Bayes》:VAE 如何把不可解的后验变成可训练的随机梯度
  9. 《ImageNet Classification with Deep Convolutional Neural Networks》:AlexNet 如何把大规模图像分类变成可训练系统
  10. 《Batch Normalization》:一个 mini-batch 如何改变深度网络的训练
  11. 《Dropout》:随机丢掉单元,如何把过拟合变成可训练的模型平均
  12. 《BERT》:双向上下文如何变成统一的语言理解接口
  13. 《U-Net》:编码器—解码器如何同时保留上下文与像素定位
  14. 《反向传播》:误差如何教会隐藏层学习表征
  15. 《LeNet-5》:局部连接与权重共享如何把图像识别变成可微系统
  16. 《DDPM》:把图像生成拆成一千步去噪,损失函数为什么只剩预测噪声

Explore more channels on Discover