หน้าแรก>การเขียนโปรแกรมที่เกี่ยวข้อง>ซอร์สโค้ดอื่น ๆ
ดาวน์โหลด

เอกสารการเรียนรู้ลึกที่ยอดเยี่ยมและแหล่งข้อมูลอื่น ๆ

รายการเอกสารล่าสุดเกี่ยวกับการเรียนรู้อย่างลึกซึ้งและการเรียนรู้การเสริมแรงอย่างลึกซึ้ง พวกเขาถูกจัดเรียงตามเวลาเพื่อดูเอกสารล่าสุดก่อน ฉันจะต่ออายุเอกสารล่าสุดและเพิ่มบันทึกลงในเอกสารเหล่านี้

คุณควรค้นหาเอกสารและซอฟต์แวร์ที่มีธงดาวมีความสำคัญหรือเป็นที่นิยม

สารบัญ

  • เอกสาร
  • สวนสัตว์รุ่น
  • แบบจำลอง
  • หลักสูตร
  • หนังสือ
  • บทเรียน
  • ซอฟต์แวร์
  • แอปพลิเคชัน
  • โครงการที่ยอดเยี่ยม
  • คอร์ปัส

เอกสาร

  • 2021 ปี
    • วิสัยทัศน์คอมพิวเตอร์
    • กระบวนการภาษาธรรมชาติ
    • หลายรุ่น
  • 2020 ปี
    • การเรียนรู้อย่างลึกซึ้ง
    • การเรียนรู้การเสริมแรงอย่างลึกซึ้ง
    • กระบวนการภาษาธรรมชาติ
    • วิสัยทัศน์คอมพิวเตอร์
  • ปี 2562
    • การเรียนรู้อย่างลึกซึ้ง
    • การเรียนรู้การเสริมแรงอย่างลึกซึ้ง
    • กระบวนการภาษาธรรมชาติ
    • วิสัยทัศน์คอมพิวเตอร์
  • ปี 2561
    • การเรียนรู้อย่างลึกซึ้ง
    • การเรียนรู้การเสริมแรงอย่างลึกซึ้ง
    • กระบวนการภาษาธรรมชาติ
    • วิสัยทัศน์คอมพิวเตอร์
  • ปี 2560
    • การเรียนรู้อย่างลึกซึ้ง
    • การเรียนรู้การเสริมแรงอย่างลึกซึ้ง
    • กระบวนการภาษาธรรมชาติ
    • วิสัยทัศน์คอมพิวเตอร์
  • ปี 2559
    • การเรียนรู้อย่างลึกซึ้ง
    • การเรียนรู้การเสริมแรงอย่างลึกซึ้ง
    • กระบวนการภาษาธรรมชาติ
    • วิสัยทัศน์คอมพิวเตอร์
  • ปี 2558
  • ปี 2014
  • ปี 2556
  • ปี 2555
  • ปี 2554
  • ปี 2010
  • ก่อนปี 2010 ปี

สวนสัตว์รุ่น

  • 2012 | Alexnet: การจำแนกประเภท Imagenet ด้วยเครือข่ายประสาทลึก code pdf
  • 2013 | RCNN: ลำดับชั้นคุณสมบัติที่หลากหลายสำหรับการตรวจจับวัตถุที่แม่นยำและการแบ่งส่วนความหมาย code arxiv กซ์
  • 2014 | CGNA: อวนที่มีเงื่อนไข code arxiv กซ์
  • 2014 | DeepFaceVariant: การเรียนรู้ใบหน้าลึก ๆ จากการทำนาย 10,000 ชั้นเรียน code pdf
  • 2014 | GAN: เครือข่ายฝ่ายตรงข้ามกำเนิด code arxiv กซ์
  • 2014 | GOOGLENET: ลึกลงไปด้วยการโน้มน้าวใจ code pdf

รายละเอียดเพิ่มเติมใน Model Zoo

รุ่นที่ผ่านการฝึกอบรมมาก่อน

  • จัดเรียงเวกเตอร์ fasttext ของ 78 ภาษา
  • ฝังคำที่มีอยู่ก่อนหน้านี้
  • Inception-V3 ของ Imagenet
  • ที่เก็บโมเดล Caffe2

รายละเอียดเพิ่มเติมในรูปแบบที่ผ่านการฝึกอบรม

หลักสูตร

  • [Berkeley] CS294: การเรียนรู้การเสริมแรงอย่างลึกซึ้ง
  • [Berkeley] STAT212B： หลักสูตรหัวข้อการเรียนรู้ลึก
  • [CUHK] Eleg 5040: หัวข้อขั้นสูงในการประมวลผลสัญญาณ (บทนำสู่การเรียนรู้ลึก)
  • [CMU] การเรียนรู้และควบคุมการเสริมแรงอย่างลึกซึ้ง
  • [CMU] เครือข่ายประสาทสำหรับ NLP)

รายละเอียดเพิ่มเติมในหลักสูตร

หนังสือ

  • การเรียนรู้อย่างลึกซึ้งโดย Ian Goodfellow, Yoshua Bengio และ Aaron Courville中文版本
  • การสอนการเรียนรู้ลึกโดย Lisa Lab, มหาวิทยาลัยมอนทรีออล
  • หลักสูตรความผิดพลาดในการเรียนรู้ลึก
  • เอกสารเกี่ยวกับหัวข้อทั้งหมดที่ฉันเรียนรู้ทั้งปัญญาประดิษฐ์และการเรียนรู้ของเครื่อง
  • การเรียนรู้ของเครื่องที่ตีความได้
  • การเรียนรู้อย่างลึกซึ้งและเกม Go
  • การเรียนรู้อย่างลึกซึ้งสำหรับการค้นหา
  • การเรียนรู้อย่างลึกซึ้งกับ Pytorch
  • การเรียนรู้การเสริมแรงอย่างลึกซึ้งในการดำเนินการ
  • การเสริมแรงอย่างลึกล้ำ
  • การเรียนรู้อย่างลึกซึ้งสำหรับการมองเห็นคอมพิวเตอร์
  • การเรียนรู้อย่างลึกซึ้งกับ Python
  • คณิตศาสตร์และสถาปัตยกรรมของการเรียนรู้อย่างลึกซึ้ง
  • ภายในการเรียนรู้ลึก
  • แพลตฟอร์มการเรียนรู้เชิงลึกทางวิศวกรรม
  • การเรียนรู้อย่างลึกซึ้งกับ R รุ่นที่สอง
  • ทำให้เป็นมาตรฐานในการเรียนรู้อย่างลึกซึ้ง
  • JAX ในการดำเนินการ
  • การเรียนรู้อย่างลึกซึ้งกับ Pytorch ฉบับที่สอง

รายละเอียดเพิ่มเติมในหนังสือ

บทเรียน

  • บทช่วยสอน UFLDL 1
  • บทช่วยสอน UFLDL 2
  • การเรียนรู้อย่างลึกซึ้งสำหรับ NLP (ไม่มีเวทมนตร์)
  • บทช่วยสอนการเรียนรู้ลึก: จาก Perceptrons ไปจนถึงเครือข่ายลึก
  • การเรียนรู้ลึกจากล่างขึ้นบน
  • การสอน Theano
  • บทช่วยสอน Tensorflow
  • การเรียนรู้อย่างลึกซึ้งกับ R in Motion
  • การเรียนรู้อย่างลึกซึ้งในการเคลื่อนไหว
  • การเรียนรู้ของเครื่องวิทยาศาสตร์ข้อมูลและการเรียนรู้อย่างลึกซึ้งกับ Python

รายละเอียดเพิ่มเติมเกี่ยวกับบทช่วยสอน

ซอฟต์แวร์

  • ห้องสมุดการเรียนรู้ลึก Keras สำหรับ Theano และ Tensorflow
  • การเรียนรู้เชิงลึกของ Kur
  • กรอบการเรียนรู้ลึก Caffe โดย BVLC
  • CNTK ชุดเครื่องมือความรู้ความเข้าใจของ Microsoft
  • Dlib ชุดเครื่องมือ C ++ ที่ทันสมัยที่มีอัลกอริทึมการเรียนรู้ของเครื่องและเครื่องมือสำหรับการสร้างซอฟต์แวร์ที่ซับซ้อนใน C ++
  • PyTorch Tensors และ Neural Networks แบบไดนามิกใน Python ด้วยการเร่งความเร็ว GPU ที่แข็งแกร่ง
  • Scikit-Learn Machine Learning ใน Python
    • กรอบการเรียน Semisup-Learn แบบกึ่ง-เรียนรู้
  • Tensorflow ไลบรารีซอฟต์แวร์โอเพ่นซอร์สสำหรับการคำนวณเชิงตัวเลขโดยใช้กราฟการไหลของข้อมูลโดย Google

รายละเอียดเพิ่มเติมเกี่ยวกับซอฟต์แวร์

แอปพลิเคชัน

  • pytorch

    • ห้องสมุดการจัดตำแหน่ง 2D และ 3D Build โดยใช้ pytorch
    • Autoencoders ที่เป็นปฏิปักษ์
    • การดำเนินการของ Wavenet กับ Fast General
    • ตัวแก้ QP ที่รวดเร็วและแตกต่างกันสำหรับ pytorch
    • วิธีการสร้างคำพูดในลำโพงหลายตัว
    • นางแบบสำหรับการสร้างเพลงเฉพาะสไตล์
    • ชุดเครื่องมือประมวลผลภาษาธรรมชาติโดยใช้แบบจำลองการเรียนรู้ลึกที่ล้ำสมัย
    • 使用 pytorch 实现ถ่าน rnn 生成古诗和周杰伦的歌词

  • Theano

    • CNN-yelp-challenge-2016-sentiment-classification
    • การสอนการเรียนรู้ลึกสำหรับ Pydata
    • เครือข่ายประสาทลึกสำหรับการวิเคราะห์ความเชื่อมั่นบน Twitter
    • การใช้งานโมเดลการเรียนรู้เชิงลึกที่ได้รับความนิยมมากมายใน Theano+Lasagne

  • เทนเซอร์โฟลว์

    • โปรแกรมการตรวจจับภาพทั่วไปที่ใช้ TensorFlow และการเริ่มต้นที่ผ่านการฝึกอบรมมาก่อน
    • รูปแบบคลาสข้อความทั้งหมดและอื่น ๆ ด้วยการเรียนรู้อย่างลึกซึ้ง
    • การใช้การเรียนรู้การถ่ายโอนกับชุดข้อมูลที่กำหนดเองโดยการฝึกเลเยอร์สุดท้ายของ Inception
    • การใช้งาน VGG19 ที่ใช้งานง่ายด้วย TensorFlow ซึ่งมีคำอธิบายโดยละเอียด
    • ระบบการทดลองสำหรับการเรียนรู้การเสริมแรงโดยใช้ Openai Gym, Tensorflow และ Keras
    • การใช้งาน pix2pix ใน tensorflow สำหรับใช้กับเฟรมจากภาพยนตร์

  • เครส

    • dcgan ในการสร้างใบหน้าอนิเมะโดยใช้ชุดข้อมูลการขุดที่กำหนดเอง
    • ระบบการจำแนกการแสดงออกทางสีหน้าที่รับรู้ถึง 6 อารมณ์พื้นฐาน: มีความสุขเศร้าประหลาดใจความกลัวความโกรธและเป็นกลาง
    • เครือข่ายประสาทที่ได้รับการฝึกฝนเพื่อช่วยในการเขียนรหัสเครือข่ายประสาทโดยใช้การเติมข้อความอัตโนมัติ
    • การใช้กลไกความสนใจสำหรับ keras
    • การออกแบบเครือข่ายประสาทลึกอัตโนมัติพร้อมการเขียนโปรแกรมทางพันธุกรรม
    • การแปลเครื่องประสาทตามความสนใจสำหรับ keras
    • การใช้งาน Keras ของเครือข่ายบันไดสำหรับการเรียนรู้แบบกึ่งผู้ดูแล

  • MXNET

    • 使用 mxnet 的动态图接口 gluon 实现ถ่าน rnn 生成古诗和周杰伦的歌词

รายละเอียดเพิ่มเติมในแอปพลิเคชัน

โครงการที่ยอดเยี่ยม

  • 15 AI และกิจกรรมการเรียนรู้ของเครื่องจักร
  • 188 ตัวอย่างของปัญญาประดิษฐ์ในการดำเนินการ
  • รายการเอกสารการเรียนรู้ของเครื่องจักรอัตโนมัติบทความการสอนสไลด์และโครงการ
  • รายการที่ได้รับการดูแลของกรอบการเรียนรู้ของเครื่องที่ยอดเยี่ยมห้องสมุดและซอฟต์แวร์
  • รายการสถานที่ที่ยอดเยี่ยมในการเรียนรู้และ/หรือฝึกฝนอัลกอริทึม
  • รายการแพ็คเกจและเครื่องมือ R ที่ยอดเยี่ยม
  • รายการบทเรียนโครงการและชุมชนที่ยอดเยี่ยม
  • รายการทรัพยากรที่ได้รับการคัดเลือกเพื่อเชื่อมโยงระหว่างวิทยาศาสตร์ coginitive และการเรียนรู้อย่างลึกซึ้ง
  • รายการทรัพยากรที่ได้รับการดูแลจากการประมวลผลภาษาธรรมชาติ (NLP)
  • รายการทรัพยากรที่ได้รับการดูแลสำหรับ NLP (การประมวลผลภาษาธรรมชาติ) สำหรับภาษาจีน
  • รายการทรัพยากรการเรียนรู้ที่ลึกซึ้งอีกรายการหนึ่ง
  • รายการเครื่องมือปัญญาประดิษฐ์ที่คุณสามารถใช้ได้ในวันนี้
  • รายการการใช้การเรียนรู้อย่างลึกซึ้งทางชีววิทยา
  • สุดยอด 2Vec
  • การจดจำการกระทำที่ยอดเยี่ยม

รายละเอียดเพิ่มเติมในโครงการที่ยอดเยี่ยม

คอร์ปัส

  • 用于对话系统的中英文语料
  • 搜狗实验室
  • 情感分析︱网络公开的免费文本语料训练数据集汇总
  • 中文情感分析用词语集
  • 人民日报切分/标注语料库
  • 哈工大信息检索研究中心 (กด CIR) 语言技术平台享资源享资源
  • 中文句结构树资料库
  • corpus บทสนทนาจีน
  • 中文语料小数据： ชุดข้อมูลคลังข้อมูลจีนที่มีประโยชน์บางอย่าง
  • 中文人名语料库。中文姓名, 姓氏, 名字, 称呼, 日本人名, 翻译人名, 英文人名
  • 联合国平行语料库
  • 保险行业语料库
  • 用于训练中英文对话系统的语料库ชุดข้อมูลสำหรับการฝึกอบรมระบบ Chatbot
  • ptt 八卦版問答中文語料
  • คำสั่งซื้อ 3 ล้านคำสั่งเปิดแหล่งที่มา
  • ชุดข้อมูลการประชุมระบบมัลติมีเดีย ACM
  • ชุดข้อมูลสำหรับคำแนะนำหนังสือ: หนังสือหมื่นเล่มหนึ่งล้านคะแนน
  • ชุดข้อมูลสำหรับการตรวจจับไฮไลท์ส่วนบุคคล
  • ชุดข้อมูลเรื่องตลกภาษาอังกฤษ 200K
  • ขนาดใหญ่และคุณภาพสูง: ชุดข้อมูลสำหรับชุดข้อมูลการวิเคราะห์เพลงของโน้ตดนตรีที่มีคำอธิบายประกอบ
  • ชุดข้อมูลขนาดใหญ่ของเหตุการณ์เสียงที่มีคำอธิบายประกอบด้วยตนเอง
  • รายการตัวอักษรของชุดข้อมูลโดเมนฟรี/สาธารณะพร้อมข้อมูลข้อความสำหรับใช้ใน NLP

รายละเอียดเพิ่มเติมในคลังข้อมูล

ทรัพยากรอื่น ๆ

  • Synthical - สภาพแวดล้อมการวิจัยร่วมกันของ AI คุณสามารถใช้มันเพื่อรับคำแนะนำของบทความตามประวัติการอ่าน, ลดความซับซ้อนของเอกสาร, ค้นหาบทความที่มีแนวโน้มว่าบทความค้นหาโดยความหมาย (ไม่ใช่แค่คำหลัก) สร้างและแบ่งปันโฟลเดอร์ของบทความดูรายการบทความจาก บริษัท และมหาวิทยาลัยเฉพาะและอื่น ๆ

ผู้มีส่วนร่วม

ขอขอบคุณเป็นพิเศษสำหรับทุกคนที่มีส่วนร่วมในโครงการนี้

  • RAER6
  • isikdogan
  • อยู่เหนือ
  • Divamgupta
  • นามาน-บัลลา
  • ppuliu
  • Benedekrozemberczki
  • roziunicorn
  • von-Latinski

ใบอนุญาต

รายละเอียดในใบอนุญาต

ขยาย
ข้อมูลเพิ่มเติม
แอปที่เกี่ยวข้อง
แนะนำสำหรับคุณ
ข้อมูลที่เกี่ยวข้อง ทั้งหมด