[论文阅读笔记] Survey_History from AlexNet

最新推荐文章于 2025-03-15 22:04:00 发布
原创 最新推荐文章于 2025-03-15 22:04:00 发布 · 383 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#Survey #History from AlexNet

本文推荐一篇详尽的深度学习综述，覆盖DNN、CNN、NLP、GAN、DRL等多个子领域，深入浅出地介绍基础知识及发展历程，适合全面了解或深入特定领域。附带笔记及个人标注，推荐给深度学习爱好者。

这两天翻到这篇Survey，题目《History from AlexNet》很吸引人，干货也很多，如作者所说，可以算做是DeepLearning这个领域写得最全的一篇Survey了，内容涵盖 DNN、CNN、NLP、GAN、DRL etc. 以及相应的 Hardware , Frameworks & SDKs等。

在每个子章节里面又深入浅出地介绍了相关的基础知识及发展沿革，不管是从全面了解Deep Learning的角度还是巩固或扫雷某个特定领域的角度都很有帮助。整体的安排也很有层次性，完全可以作为教程来看，特别是前面DNN，CNN部分。 推荐。

以下为阅读过程中记录的笔记，自己特别感兴趣的部分做了较多的标注，目前为止尚不深入的子领域还需要再多看几篇对应子领域的Survey及经典论文加强 。

arxiv: 1803.01164

History_from_AlexNet
History from AlexNet(blog.youkuaiyun.com/jingwenlai_scut)​​

 

 

AI系统架构原理与代码实战案例讲解
AI天才研究院
08-10 1467
人工智能的概念可以追溯到上世纪50年代，图灵测试的提出标志着人工智能作为一门学科的诞生。早期的研究主要集中在符号推理、专家系统等领域，取得了一些突破，例如机器定理证明、西洋跳棋程序等。上世纪80年代，随着专家系统的兴起，人工智能进入了一个黄金时期。专家系统通过模拟人类专家的知识和经验进行推理和决策，在医疗诊断、故障诊断等领域取得了成功应用。进入90年代，由于计算能力的限制和数据量的不足，人工智能的发展陷入低谷。近年来，随着深度学习技术的突破、大数据的兴起以及计算能力的提升，人工智能迎来了第三次发展浪潮，在图
AI领域的DeepSeek：技术发展的新挑战
最新发布
AI 领航者的博客
06-02 962
在人工智能（AI）领域，新的技术和模型不断涌现，DeepSeek作为其中备受关注的一项技术，其发展对于推动AI的进步具有重要意义。本文的目的在于全面分析DeepSeek在技术发展过程中所面临的新挑战，通过深入研究其核心概念、算法原理、应用场景等方面，为相关从业者、研究者以及对AI技术感兴趣的人士提供一个清晰的认识，以便更好地应对这些挑战，推动DeepSeek技术的进一步发展。
The History Began from AlexNet: A Comprehensive Survey on Deep Learning Approaches
momoguilina的博客
11-19 1879
该论文主要讲述了深度学习的各个网络，我将熟悉这些网络，然后选取其中有助于MOT方向的部分进行详细阅读，为我阅读上表中论文做些基础。 DNN 图9为基本的神经元非线性模型，其中其中 是输入信号; 是突触比重（系数）; 是输入信号的线性组合; 是激活函数(如 s 形) ， 是输出。偏置 加上输出 的线性组合器，这有应用仿射变换的效果，产生输出 。神经元的功能可以用数学方法表示如下: 神经元网络或一般神经元网络是由包含一个或多个神经元多层感知机的神经元网络组成。具有MLP的NN模型如图10所示。 多层感知机可
论文的 research 和 survey
weixin_39088580的博客
09-16 3161
转自https://blog.youkuaiyun.com/yq_forever/article/details/78915687 以下是根据自己的需要进行整理 English math programming 一、 Proposals 论文的大致结构 （1）第一章是Introduction， 占十分之一。强有力的开头很重要。 前一二两段进入研究领域——>建立足够的background（充...
机器学习(Machine Learning)&深度学习(Deep Learning)资料 <2>
yangminggg 的博客
10-26 1412
    机器学习(Machine Learning)&amp;深度学习(Deep Learning)资料(Chapter 2)   《Image Scaling using Deep Convolutional Neural Networks》 介绍:使用卷积神经网络的图像缩放. 《Proceedings of The 32nd International Conference on M...
机器学习(Machine Learning)&深度学习(Deep Learning)资料
weixin_33980459的博客
09-07 3945
机器学习(Machine Learning)&amp;深度学习(Deep Learning)资料(Chapter 1)   《Brief History of Machine Learning》 介绍:这是一篇介绍机器学习历史的文章，介绍很全面，从感知机、神经网络、决策树、SVM、Adaboost到随机森林、Deep Learning. 《Deep Learning in Ne...
机器学习及深度学习相关资料汇总
weixin_33991418的博客
01-08 2826
Github上同学总结的机器学习和deeplearning方面的很全的资料： 原文地址：ty4z2008/Qix 《Brief History of Machine Learning》 介绍:这是一篇介绍机器学习历史的文章，介绍很全面，从感知机、神经网络、决策树、SVM、Adaboost到随机森林、Deep Learning. 《Deep Learning in Neural Networks: ...
机器学习，深度学习的资料和工具库大全
AITBOOK
08-28 9798
https://github.com/maismall 《Brief History of Machine Learning》 介绍:这是一篇介绍机器学习历史的文章，介绍很全面，从感知机、神经网络、决策树、SVM、Adaboost到随机森林、Deep Learning. 《Deep Learning in Neural Networks: An Overview》 介绍:这是瑞士人工
机器学习相关资料推荐 http://blog.youkuaiyun.com/jiandanjinxin/article/details/51130271
CT_1104的专栏
04-29 7011
机器学习(Machine Learning)&深度学习(Deep Learning)资料 标签： 机器学习 2016-04-12 09:16 115人阅读 评论(0) 收藏 举报 分类： 机器学习（18） 深度学习（8） 机器学习(Machine Learning)&深度学习(Deep Learning)资料機器學習、深度學習方面不錯的資料，轉載。 原作：https://githu
deeplearning_course_files_alexnet_alexnet工具包.zip
10-11
这个压缩包“deeplearning_course_files_alexnet_alexnet工具包.zip”包含了与AlexNet相关的教学资料和工具，为学习者提供了丰富的实践资源。下面，我们将深入探讨AlexNet模型及其在深度学习中的应用。 AlexNet，由...
AlexNet论文笔记总结
04-09
"AlexNet 论文笔记总结" 这篇笔记总结了 AlexNet 的论文，讨论了使用深度卷积神经网络（CNN）在 ImageNet 图像分类任务中的应用。论文的主要贡献是通过深入的卷积神经网络在 ImageNet LSVRC-2010 1000 类图像分类...
【论文阅读】AlexNet——深度学习奠基作之一
山可行,海可平
03-15 1747
李沐课程 AlexNet论文精读笔记
[论文阅读笔记58]Learning from Noisy Labels with Deep Neural Networks：A Survey
ld326的专栏
08-28 5960
1.题目 Learning from Noisy Labels with Deep Neural Networks: A Survey 作者团队：韩国科学技术院（KAIST） Song H , Kim M , Park D , et al. Learning from Noisy Labels with Deep Neural Networks: A Survey. 2020. 2. 摘要 重述问题：从监督学习的角度来描述使用标签噪声学习的问题； 方法回顾：对57种最先进的鲁棒训练方法进行了全
【论文阅读笔记】[Semantic Segmentation] FC-DenseNet阅读笔记
jingwenlai_scut
09-02 4007
jingwenlai 2018-8-15 # 简介 &amp; 主要贡献 Tiramisu - FC-DenseNet (https://arxiv.org/abs/1611.09326), 经典的semantic image segmentation的方法基于CNN，主要包含3个组件： (a) 一个downsampling path,主要用来提取特征 (b) 一个upsampling ...
“A Part-aware Surface Metric for Shape Analysis” Reading Note
jingwenlai_scut
03-05 1355
 “A Part-aware Surface Metric for Shape Analysis” Reading NoteJingwenlai 2010-3-5 [REF] RongLiu, HaoZhang, Ariel Shamir etc. A Part-aware Surface Metric for Shape Analysis, EUROGRAPHICS 2009.V
[论文阅读笔记] U-Net
jingwenlai_scut
09-19 779
2018-8-7, jingwenlai   # 何为UNet?     基于FPN，修改并扩展，加入了同级连接形成UNet，含有更高层语义信息，可有更大的感受野及更好的精度。 此外，通过overlap-tile strategy使得可以无缝切割任意大的图像。 针对细胞粘连的挑战，引入weighted loss,对边界赋予更大的权重。 ## 网络结构 如上图1所示...
[论文阅读笔记] HGRNet
jingwenlai_scut
12-27 638
    # 主要贡献 采用双路网络，先进行语义分割，后对分割后的图像进行静态手势判定。 主要优势：只需RGB图像即可，采用CNN，可以在各种干扰环境下达到经典算法的识别率。 借助离线+在线数据扩增，以及简易的网络结构，在很小的训练资源及计算代价下达到经典的效果。     # 网络结构 语义分割网络借鉴FCN的思路，采用ResNet的结构，结合Atrous Convolut...
[论文阅读笔记] [Object Detection] 201807_PerformanceComparison_forRecognizingBirdsinAerialImages
jingwenlai_scut
08-29 621
[Object Detection] &lt;&lt;Performance Comparison of Deep Learning Techniques for Recognizing Birds in Aerial Images&gt;&gt; 2018-8-29, jingwenlai   当前Object Detection的挑战主要是小物体检测不够精准。 数据集： Little ...
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值