该资源汇总了从Google学术上下载的，有关深度学习的77篇论文，包括CNN提出，LeNet，VGGNet，AlexNet，ResNet，RNN，以及迁移学习等等比较多的论文，省去自己到处下论文的繁琐。

一篇关于深度学习论文的自我理解，包括摘要的摘抄以及论文方法

真棒免费的深度学习论文 调查回顾 深度学习（2015），Yann LeCun，Yoshua Bengio和Geoffrey Hinton :sparkles: 神经网络中的深度学习：概述（2015），J。Schmidhuber :sparkles: 代表性学习：回顾与新观点（2013年），Y。Bengio等。 :sparkles: 理论未来 在神经网络中提取知识（2015年），G。Hinton等人。 深度神经网络很容易被愚弄：无法识别图像的高置信度预测（2015年），A。Nguyen等。 深度神经网络中的特征可传递性如何？ （2014），J。Yosinski等。 （Bengio） 为什么E.Erhan等人（无监督的预训练）有助于深度学习（2010年）。 （Bengio） 了解训练深度前馈神经网络的难度（2010年），X。Glorot和Y. Bengio 优化正则化 B.Shahriari等人（2016年）：贝叶斯优化

机器视觉与模式识别+深度学习与大数据课程_大作业_课外研究报告+CVPR论文复现+垃圾版

该文件包括深度学习方面的100篇英文文献，做该方面研究的人可以尝试下载。

ShaRF: Shape-conditioned Radiance Fields from a Single View 试想一下，如果只拍摄对象的照片并将其以 3D 格式插入到您正在创建的电影或视频游戏中，或者插入到 3D 场景中进行插图，那该有多酷。

Papers:我已阅读的各种机器学习和深度学习论文的注释和实现

Network intrusion detection systems (NIDSs) play a crucial role in defending computer networks. However, there are concernsregardingthefeasibilityandsustainabilityofcurrentapproacheswhenfacedwiththedemandsofmodernnetworks.More specifically, these concerns relate to the increasing levels of required human interaction and the decreasing levels of detection accuracy. This paper presents a novel deep learning technique for intrusion detection, which addresses these concerns. We detail our proposed nonsymmetric deep autoencoder (NDAE) for unsupervised feature learning. Furthermore, we also propose our novel deep learning classification model constructed using stacked NDAEs.Ourproposedclassifierhasbeenimplementedingraphics processing unit (GPU)-enabled TensorFlow and evaluated using the benchmark KDD Cup ’99 and NSL-KDD datasets. Promising resultshavebeenobtainedfromourmodelthusfar,demonstrating improvements over existing approaches and the strong potential for use in modern NIDSs.

关于深度学习, 图像处理.卷积神经网络的大量参考论文文献.

使用Keras中实现的深层神经网络对气胸进行分割 该库包含Keras中“基于深层神经网络的常规计算机断层扫描中的气胸分割”的原始实现（Tensorflow作为后端）。 实施模型 网络 膨胀的U网 ResNet34_Unet ResNet50_Unet PSP网 注意U-Net UNet ++ MultiResUNet 多功能一体机 UNet3 + 细分结果 图1：气胸分割结果的可视化 引文