Principaux papiers de recherches relatif au Deep learning

Cette page rassemble les publications majeures dans le domaine des réseaux de neurones et du deep learning. Vous pouvez suggérer de nouveaux papiers en me contactant.

2017

• HE, Kaiming, GKIOXARI, Georgia, DOLLÁR, Piotr, et al. Mask r-cnn. arXiv preprint arXiv:1703.06870, 2017.

2015

• SCHMIDHUBER, Jürgen. Deep learning in neural networks: An overview. Neural networks, 2015, vol. 61, p. 85-117.

2013

• MIKOLOV, Tomas, SUTSKEVER, Ilya, CHEN, Kai, et al. Distributed representations of words and phrases and their compositionality. In : Advances in neural information processing systems. 2013. p. 3111-3119.

2012

• HINTON, Geoffrey E., SRIVASTAVA, Nitish, KRIZHEVSKY, Alex, et al. Improving neural networks by preventing co-adaptation of feature detectors. arXiv preprint arXiv:1207.0580, 2012.

1998

• LECUN, Yann, BOTTOU, Léon, ORR, Genevieve B., et al. Efficient backprop. In : Neural networks: Tricks of the trade. Springer, Berlin, Heidelberg, 1998. p. 9-50.

1972

• KOHONEN, Teuvo. Correlation matrix memories. IEEE transactions on computers, 1972, vol. 100, no 4, p. 353-359.

1961

• ROSENBLATT, Frank. Principles of neurodynamics. perceptrons and the theory of brain mechanisms. CORNELL AERONAUTICAL LAB INC BUFFALO NY, 1961.

1960

• WIDROW, Bernard et HOFF, Marcian E. Adaptive switching circuits. STANFORD UNIV CA STANFORD ELECTRONICS LABS, 1960.

1958

• ROSENBLATT, Frank. The perceptron: A probabilistic model for information storage and organization in the brain. Psychological review, 1958, vol. 65, no 6, p. 386.

1949

• HEBB, Donald O., et al. The organization of behavior: A neuropsychological theory. 1949.

1943

• MCCULLOCH, Warren S. et PITTS, Walter. A logical calculus of the ideas immanent in nervous activity. The bulletin of mathematical biophysics, 1943, vol. 5, no 4, p. 115-133.

  Voir aussi

• Régression non linéaire avec un réseau de neurones
• Jeux de données pour l'apprentissage profond
• Exemple de descente de gradient
• Quelle est la popularité des réseaux de neurones dans le temps ?
• Installation de TensorFlow et Keras sous Linux
• Démonstration de la règle d'apprentissage
• Exemple en régression linéaire
• Fonctions d'activation les plus utilisées en apprentissage profond
• Le perceptron dans les réseaux de neurones
• Le réseau de neurones le plus simple avec TensorFlow
• Perceptron simpliste
• Algorithme d'apprentissage pour réseaux sans couches cachées
• Exemple de classification
• Descente de gradient pour les réseaux de neurones
• Limitations des réseaux sans couches cachées
• Réseaux de neurones

---