干货|36页最新深度学习综述论文：算法、技术、应用，181篇参考文献

【导读】最近一期的计算机顶级期刊ACM Computing Surveys (CSUR)出版，包含了来自佛罗里达国际大学的研究人员发布的一篇深度学习综述论文《A Survey on Deep Learning: Algorithms, Techniques, and Applications》，详细阐述深度学习发展历史和算法以及最新在NLP、CV、数据挖掘等各方面的应用。

Samira Pouyanfar, Saad Sadiq, Yilin Yan, Haiman Tian, Yudong Tao, Maria Presa Reyes, Mei-Ling Shyu, Shu-Ching Chen, and S. S. Iyengar. 2018. A Survey on Deep Learning: Algorithms, Techniques, and Applications. ACM Comput. Surv. 51, 5, Article 92 (September 2018), 36 pages.

论文获取

请关注专知公众号（扫一扫最下面专知二维码，或者点击上方蓝色专知）

• 后台回复“DLATA” 就可以获取综述论文PDF下载链接~ 

文章摘要

随着深度学习逐渐成为机器学习领域的引领技术，机器学习领域正在见证其黄金时代。深度学习使用多个层来表示数据的抽象，以构建计算模型。一些关键的使能深度学习算法，如生成对抗网络，卷积神经网络和模型迁移，彻底改变了我们对信息处理的方法。然而，在这个极其快节奏的领域背后存在着一种理解，因为它以前从未以多视角展示过。缺乏核心理解使得这些强大的方法成为黑盒机器，从根本上抑制了深度学习发展。此外，深度学习一再被视为机器学习中所有绊脚石的银弹，这远非事实。本文全面回顾了视觉，音频和文本处理方面的历史和最新技术方法;社交网络分析;和自然语言处理，然后深入分析深度学习应用中的突破性进展。还开展了审查深度学习所面临的问题，如无监督学习，黑盒模型和在线学习，并说明如何将这些挑战转化为多产的未来研究途径。

文章导读

深度学习网络发展概要

深度学习框架概要

深度学习应用

自然语言处理中主流深度学习方法

-END-

专 · 知

人工智能领域26个主题知识资料全集获取与加入专知人工智能服务群: 欢迎微信扫一扫加入专知人工智能知识星球群，获取专业知识教程视频资料和与专家交流咨询！

请PC登录www.zhuanzhi.ai或者点击阅读原文，注册登录专知，获取更多AI知识资料！

请加专知小助手微信（扫一扫如下二维码添加），加入专知主题群（请备注主题类型：AI、NLP、CV、 KG等）交流~

  AI 项目技术 & 商务合作：bd@zhuanzhi.ai, 或扫描上面二维码联系！

请关注专知公众号，获取人工智能的专业知识！

点击“阅读原文”，使用专知