这篇论文涉及的相关文献与术语非常多，主要是对自动驾驶AD和强化学习RL进行了归纳和总结，可以先看看思维导图这篇论文大概有什么内容，再细看自己感兴趣或了解的部分；反正我就看着挺痛苦，要学的东西也太多！！！！

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）

专本套读论文模板.doc

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

众所周知，本科生，研究生，博士生，我们都学习中都要读很多文献，养成一个良好科学习惯很重要，那就是做笔记，那么有一个好的笔记模板更是我们的好帮手，本人提供的材料可以很好的帮助大家做好笔记，供我们自己写论文时用。

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。

一个读论文的好东西，支持上传，支持显示出论文名称。

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。