Source: http://ml.memect.com/archive/2015-09-23/long.html
深度学习论文资源
来自 @hbyido 好东西传送门整理
关键词：深度学习, 算法, 代码, 神经网络
【重要论文索引digest】【github相关】深度学习资源论文 [1] 网站不错，推荐 [1] https://porter.io/github.com/robertsdionne/neural-network-papers
基于深度神经网络的海洋浮游生物分类
来自 @爱可可-爱生活 好东西传送门整理
关键词：深度学习, 算法, Kaggle, 代码, 神经网络
【幻灯:(Kaggle)基于深度神经网络的海洋浮游生物分类】《Classifying Plankton With Deep Neural Networks》by Sander Dieleman [1] 云: [2] GitHub: [3] 参阅:http://weibo.com/1402400261/C8XpeqrKG [1] https://docs.google.com/presentation/d/1H2_Bu9G43JKFP7iE0JTau1j0mZRI0tr0mmJxTzDZA2A/edit#slide=id.p4
[2] http://pan.baidu.com/s/1kTivkiF
[3] https://github.com/benanne/kaggle-ndsb
剑桥的图片定位项目
来自 @闫安Jon 好东西传送门整理
关键词：深度学习, 视觉, 论文
剑桥的图片定位项目 [1] 一张照片识别拍摄地点，准确度超GPS！原理其实就是改造现成的GoogLeNet，增加一个全连接层；把输出改为3D坐标和3自由度的拍摄方向。[1505.07427] [2] [1509.05909] [3] [1] http://mi.eng.cam.ac.uk/projects/relocalisation/
[2] http://arxiv.org/abs/1505.07427
[3] http://arxiv.org/abs/1509.05909
论文: Reasoning about Entailment with Neural Attention
来自 @闫安Jon 好东西传送门整理
关键词：深度学习, 算法, 自然语言处理, 论文, 神经网络
[1509.06664] Reasoning about Entailment with Neural Attention [1] 用一个LSTM处理前提，把结果传给第二个LSTM处理假设，为假设中的每一个单词生成对前提的关注向量，再把最后关注的前提和处理完的假设综合起来，得到前提是否蕴含假设的结论。斯坦福自然语言推理83.5% [1] http://arxiv.org/abs/1509.06664
Percy Liang统计学理论课程
来自 @谢澎涛CMU 好东西传送门整理
关键词：资源, PDF, Percy Liang, 教育网站, 课程, 统计
关于统计学习理论，推荐斯坦福大学Percy Liang教授讲授该门课程的lecture notes [1] 是我读过的入门级别的最清晰明了的资料。建议从lecture 6开始读 [1] http://web.stanford.edu/class/cs229t/notes.pdf#nameddest=lecture6
完整版
点此链接查看全部26条：http://ml.memect.com/archive/2015-09-23/long.html