必须阅读的有关机器阅读理解的论文。 由林彦凯，叶德明和季好哲贡献。 模型架构内存网络。 杰森·韦斯顿（Jason Weston），苏米特·乔普拉（Sumit Chopra）和安东尼·博德斯（Antoine Bordes）。 arXiv预印本arXiv：1410.3关于机器阅读理解的必读论文。 由林彦凯，叶德明和季好哲贡献。 模型架构内存网络。 杰森·韦斯顿（Jason Weston），苏米特·乔普拉（Sumit Chopra）和安托万·鲍德（Antoine Bordes）。 arXiv预印本arXiv：1410.3916（2014）。 纸阅读和理解教学机器。 Karl Moritz Hermann，TomášKočiský，Edward Grefenstette，Lasse Espeholt，Will Kay，Mustafa Suleyman和Phil Blunsom。 NIPS2015。论文《注意和读者网络的文本理解》。 鲁道夫·卡德莱克（Rudolf Kadlec），马丁·施密德（Martin Schmid）

基于神经网络的语音分离必读论文和教程列表 该存储库包含用于纯语音分离和多模式语音分离的论文。 通过Kai Li（如果有任何建议，请与我联系！电子邮件： ）。 提示：对于语音分离初学者，我建议您阅读“深度群集”和“ PIT＆uPIT”作品，这将有助于理解问题。 如果您发现以下某些文章的代码，欢迎添加链接。 纯语音分离 :check_mark: [用于单声道信号源分离的蒙版和深度递归神经网络的联合优化，黄波森，TASLP 2015] :check_mark: [用于单声道语音分离的复杂比率掩盖，DS Williamson，TASLP，2015年] :check_mark: [深度聚类：用于分段和分离的区分嵌入，JR Hershey，ICASSP 2016] :check_mark: [使用深度聚类的单通道多扬声器分离，Y Isik，Interspeech 2016] :check_mark: [用于与说话者无关的多说话者语音分离的深度模型的置换

cv领域必读论文，你值得拥有。看论文要有效率，站在巨人的肩膀上。

行人重识别是我们课题组在做的一个项目，本文档里面包含了行人重识别的必读经典论文。

这是我自己整理的交互式图像分割的一些好的论文的合集，论文中的方法从以前的传统图像处理方法到深度学习，对应的是我的一篇博客，里面有详细的论文清单，有需要的自取。

知识图谱是实现机器认知智能的使能器，一方面通过建立从数据到知识图谱中实体、概念、关系的映射，让机器理解数据的本质；另一方面利用知识图谱中实体、概念和关系来解释现实世界中事物和现象，让机器解释现象的本质。

必须阅读的有关GNN的论文 GNN：图神经网络 由周杰，崔干渠，张正彦和白玉石贡献。 图神经网络简介。 人工智能和机器学习，摩根克莱普尔出版社，2020年合成讲座 刘志远周杰 图神经网络：方法与应用综述。 arxiv 2018. 周杰，崔干渠，张正彦，杨成，刘志远，孙茂松。 图神经网络的全面调查。 arxiv 2019. 吴宗汉，潘世瑞，陈凤文，龙国栋，张成启，余飞飞。 图形数据的对抗性和防御性：一项调查。 arxiv 2018. 孙立超，窦颖彤，杨卡尔，王继，余宇飞，李波。 图上的深度学习：调查。 arxiv 2018. 张子伟，崔鹏，朱文武。 关系归纳偏置，深度学习和图网络。 arxiv 2018. Battaglia，Peter W和Hamrick，Jessica B和Bapst，Victor和Sanchez-Gonzalez，Alvaro和Zambaldi，Vinicius

自然语言处理必读论文 聚类&词向量 主题模型 语言模型 分割、标注、解析 序列模型、信息抽取 机器翻译， seq2seq模型 指代消歧 自动文本总结 问答系统、阅读理解 生成模型、强化学习 机器学习 神经网络模型 转载：http://blog.csdn.net/weixin_40400177/article/details/103485753 侵删！！！

整理了强化学习入门时必看的论文，主要是有关DQN算法的，致力于强化学习的小伙伴应该必看这些论文的

一些关于六自由度的机械臂的路径规划的非常经典的论文。其中包括C空间的构建，机械臂的壁障及路径规划方法。本人根据这些论文用VS2008编程实现了六自由度的机械臂的路径规划控制。