ML-Surveys
很難跟上最新，最大的機器學習。這是總結該領域進步的調查論文選擇。
弄清楚如何實施您的ML項目？了解其他組織如何applied-ml
目錄
- 推薦
- 深度學習
- 自然語言處理
- 計算機視覺
- 視覺和語言
- 強化學習
- 圖形
- 嵌入
- 元學習和少數學習
- 其他的
推薦
- 算法：推薦系統調查（2013年）
- 算法：基於深度學習的推薦系統：調查和新觀點（2019）
- 算法：我們真的在取得進步嗎？神經推薦方法的分析（2019年）
- 偶然性：推薦系統中的偶然性調查（2016年）
- 多樣性：推薦系統的多樣性 - 調查（2017年）
- 說明：推薦系統中的解釋調查（2007年）
深度學習
- 建築：深度學習理論與體系結構的最新調查（2019）
- 知識蒸餾：知識蒸餾：調查（2021）
- 模型壓縮：文本深度學習模型的壓縮：調查（2020）
- 轉移學習：關於深度轉移學習的調查（2018年）
- 神經架構搜索：神經建築搜索的全面調查（2021）
- 神經架構搜索：神經體系結構搜索：調查（2019年）
自然語言處理
- 深度學習：基於深度學習的自然語言處理的最新趨勢（2018）
- 分類：基於深度學習的文本分類：全面評論（2021）
- 一代：自然語言生成中SOTA的調查：核心任務，應用和評估（2018）
- 一代：神經語言生成：配方，方法和評估（2020）
- 轉移學習：使用T5探索轉移學習：文本到文本轉移變壓器（2020）
- 變壓器：有效的變壓器：調查（2020）
- 指標：超越準確性：具有清單的NLP模型的行為測試（2020）
- 指標：文本生成評估：調查（2020）
計算機視覺
- 對象檢測：20年內的對象檢測（2019年）
- 對抗性攻擊：對抗深度學習的對抗性攻擊計算機視覺中的威脅（2018）
- 自動駕駛汽車：自動駕駛汽車的計算機視覺：問題，數據集和SOTA（2021）
- 圖像字幕：圖像字幕的深度學習綜合調查（2018）
- 實例細分：實例細分的調查：最新狀態
- 視覺變壓器：視覺變壓器的調查
- 體系結構：深度學習的評論：概念，CNN架構，挑戰，應用，未來的方向
- 變壓器：視覺中的變壓器：一項調查
視覺和語言
- 趨勢：視覺和語言研究整合的趨勢：任務，數據集和方法（2021）
- 趨勢：視覺和語言的多模式研究：當前和新興趨勢（2020）
強化學習
- 算法：深入增強學習的簡要調查（2017年）
- 轉移學習：增強學習領域的轉移學習（2009年）
- 經濟學：綜述經濟學深入強化學習方法和應用（2020）
- 發現：用於搜索，推薦和在線廣告的深入強化學習（2018年）
圖形
- 調查：圖形神經網絡的全面調查（2019年）
- 調查：圖形神經網絡實用指南（2020）
- 欺詐檢測：基於圖的異常檢測方法的系統文獻綜述（2020）
- 知識圖：知識圖的全面介紹（2021）
嵌入
- 文本：從單詞到感官嵌入：關於含義矢量表示的調查（2018）
- 文字：直徑嵌入和語義轉移（2018）
- 文字：單詞嵌入：調查（2019年）
- 文字：關於單詞嵌入和基於本體的單詞相似性方法的可重複調查（2019）
- 圖：圖形嵌入的全面調查：問題，技術和應用（2017）
元學習和少數學習
- NLP：用於幾次自然語言處理的元學習：一項調查（2020年）
- 域不可知論：從幾個樣本中學習：調查（2020）
- 神經網絡：神經網絡中的元學習：一項調查（2020年）
- 領域不可知論：對元學習最近進步的全面概述和調查（2020）
- 領域不可知論：嬰兒的步驟幾乎沒有多種語義（2020）
- 領域不可知論：元學習：調查（2018）
- 域名：元學習的觀點和調查（2002）
其他的
