ML-Surveys
很难跟上最新，最大的机器学习。这是总结该领域进步的调查论文选择。
弄清楚如何实施您的ML项目？了解其他组织如何applied-ml
目录
- 推荐
- 深度学习
- 自然语言处理
- 计算机视觉
- 视觉和语言
- 强化学习
- 图形
- 嵌入
- 元学习和少数学习
- 其他的
推荐
- 算法：推荐系统调查（2013年）
- 算法：基于深度学习的推荐系统：调查和新观点（2019）
- 算法：我们真的在取得进步吗？神经推荐方法的分析（2019年）
- 偶然性：推荐系统中的偶然性调查（2016年）
- 多样性：推荐系统的多样性 - 调查（2017年）
- 说明：推荐系统中的解释调查（2007年）
深度学习
- 建筑：深度学习理论与体系结构的最新调查（2019）
- 知识蒸馏：知识蒸馏：调查（2021）
- 模型压缩：文本深度学习模型的压缩：调查（2020）
- 转移学习：关于深度转移学习的调查（2018年）
- 神经架构搜索：神经建筑搜索的全面调查（2021）
- 神经架构搜索：神经体系结构搜索：调查（2019年）
自然语言处理
- 深度学习：基于深度学习的自然语言处理的最新趋势（2018）
- 分类：基于深度学习的文本分类：全面评论（2021）
- 一代：自然语言生成中SOTA的调查：核心任务，应用和评估（2018）
- 一代：神经语言生成：配方，方法和评估（2020）
- 转移学习：使用T5探索转移学习：文本到文本转移变压器（2020）
- 变压器：有效的变压器：调查（2020）
- 指标：超越准确性：具有清单的NLP模型的行为测试（2020）
- 指标：文本生成评估：调查（2020）
计算机视觉
- 对象检测：20年内的对象检测（2019年）
- 对抗性攻击：对抗深度学习的对抗性攻击计算机视觉中的威胁（2018）
- 自动驾驶汽车：自动驾驶汽车的计算机视觉：问题，数据集和SOTA（2021）
- 图像字幕：图像字幕的深度学习综合调查（2018）
- 实例细分：实例细分的调查：最新状态
- 视觉变压器：视觉变压器的调查
- 体系结构：深度学习的评论：概念，CNN架构，挑战，应用，未来的方向
- 变压器：视觉中的变压器：一项调查
视觉和语言
- 趋势：视觉和语言研究整合的趋势：任务，数据集和方法（2021）
- 趋势：视觉和语言的多模式研究：当前和新兴趋势（2020）
强化学习
- 算法：深入增强学习的简要调查（2017年）
- 转移学习：增强学习领域的转移学习（2009年）
- 经济学：综述经济学深入强化学习方法和应用（2020）
- 发现：用于搜索，推荐和在线广告的深入强化学习（2018年）
图形
- 调查：图形神经网络的全面调查（2019年）
- 调查：图形神经网络实用指南（2020）
- 欺诈检测：基于图的异常检测方法的系统文献综述（2020）
- 知识图：知识图的全面介绍（2021）
嵌入
- 文本：从单词到感官嵌入：关于含义矢量表示的调查（2018）
- 文字：直径嵌入和语义转移（2018）
- 文字：单词嵌入：调查（2019年）
- 文字：关于单词嵌入和基于本体的单词相似性方法的可重复调查（2019）
- 图：图形嵌入的全面调查：问题，技术和应用（2017）
元学习和少数学习
- NLP：用于几次自然语言处理的元学习：一项调查（2020年）
- 域不可知论：从几个样本中学习：调查（2020）
- 神经网络：神经网络中的元学习：一项调查（2020年）
- 领域不可知论：对元学习最近进步的全面概述和调查（2020）
- 领域不可知论：婴儿的步骤几乎没有多种语义（2020）
- 领域不可知论：元学习：调查（2018）
- 域名：元学习的观点和调查（2002）
其他的
