《Deep learning》论文翻译及解读

论文翻译及解读"/>

《Deep learning》论文翻译及解读

论文信息

• 题目：Deep learning
• 作者：Yann LeCun, Yoshua Bengio, Geoffrey Hinton
• 刊物：Nature
• DOI:10.1038/nature14539

论文整体理解

这是一篇综述，作者是深度学习领域的三位“大牛”。这篇综述主要介绍了 的深度学习的由来、现状、原理并对其未来进行了展望。文中对监督学习、卷积 神经网络、反向传播算法、分布式特征表示、递归神经网络这几个与深度学习密 切相关的概念进行了讲解，并介绍了深度学习的应用，旨在让读者对深度学习有 一个总体上的理解。 文章从机器学习入手，讲述了其广泛应用与局限性，进而引出深度学习的概 念。随后介绍了机器学习的常见形式——监督学习，并介绍了广泛使用的随机梯 度下降算法，在此基础上又引出了反向传播算法。在介绍反向传播算法时顺便提 到了神经网络的低潮及复兴，由此引出卷积神经网络并对其结构、原理及在图像 理解方面的应用做了介绍。接着介绍了分布式特征表示及其在语言处理中的应用 和递归神经网络，最后展望了深度学习的未来。文章的结构如下图所示。

这篇论文是我在学习一门课程时阅读的，这门课的大作业就是阅读两篇英文文献并写出自己的理解。论文的详细解读见链接1，懒得再把所有内容再排版成博客了。英文原文见链接2。

链接1: 论文详细解读.
链接2: 英文原文.