Source: http://ml.memect.com/archive/2015-10-02/long.html
博士论文: 面向机器视觉的无监督特征学习
来自 @爱可可-爱生活 好东西传送门整理
关键词：深度学习, 视觉, 资源, PDF, Ross Goroshin, Yann Lecun, 教育网站
【博士论文:面向机器视觉的无监督特征学习】《Unsupervised Feature Learning in Computer Vision》Rostislav Goroshin(advisor: Yann LeCun) (2015) [1] [1] https://www.cs.nyu.edu/web/Research/Theses/goroshin_ross.pdf
Samy Bengio等人的RNN的Scheduled Sampling训练方法论文
来自 @王威廉 好东西传送门整理
关键词：深度学习, 视觉, 资源, PDF, Samy Bengio, Yoshua Bengio, 行业动态, 论文
谷歌研究院Samy Bengio等人最近写的RNN的Scheduled Sampling训练方法论文： [1] 该方法用在MSCOCO image captioning比赛上并获得冠军。 [1] http://arxiv.org/pdf/1506.03099v3.pdf
arXiv最受关注五篇深度学习论文及其解读/笔记
来自 @爱可可-爱生活 好东西传送门整理
关键词：经验总结, 深度学习, Hugo Larochelle, Matthew Mayo, 博客
【arXiv最受关注五篇深度学习论文及其解读/笔记(Hugo Larochelle)】《Top 5 arXiv Deep Learning Papers, Explained》by Matthew Mayo [1] [1] http://www.kdnuggets.com/2015/10/top-arxiv-deep-learning-papers-explained.html
Sparse Topical Coding
来自 @丕子 好东西传送门整理
关键词：深度学习, Jun Zhu, 论文
Sparse Topical Coding： [1] 里面的几个先验分布，如Laplace prior， 不知道是自然而然想出来的，还是从哪里来的经验。 在Sparse MAP Estimation这块，基础不行的话，感觉无路可走啊。。Jun Zhu厉害 [1] http://arxiv.org/abs/1202.3778
实例详解机器学习如何解决问题
来自 @陈利人 好东西传送门整理
实例详解机器学习如何解决问题 [1] [2] [1] http://mp.weixin.qq.com/s?__biz=MjM5ODIzNDQ3Mw==&mid=208693972&idx=1&sn=96ad4367776df79ec64b6ffc16865cd4&scene=0#rd
[2] http://weibo.com/p/1001018000100000000000000
完整版
点此链接查看全部19条：http://ml.memect.com/archive/2015-10-02/long.html