#ZFNet

[mangobanana7]

 FastText: Enriching Word Vectors with Subword Information

WaveNet: A generative model for raw audio

End to End Memory Networks

Learning Phrase Representations using RNN Encoder-Decoder

 An Introduction to ROC Analysis

Convolutional Neural Networks for Sentence Classification

Attention is All You Need (Transformer)

Batch Normalization

YOLO9000: Better, Faster, Stronger

Ask Me Anything: Dynamic Memory Networks for Natural Language Processing

Semi-supervised Classification with Graph Convolutional Networks

 The PageRank Citation Ranking: Bringing Order to the Web

Google's Neural Machine Translation System

Memory Networks

Introduction to Image Classification Basic Networks : AlexNet, ZFNet, VGGNet, ResNet

Generative Adversarial Networks

VQA: Visual Question Answering

Latent Dirichlet Allocation

Grad-CAM: Visual Explanations from Deep Networks via Gradient based Localization

 U-Net: Convolutional Networks for Biomedical Image Segmentation

A Neural Probabilistic Language Model

[youjirec]

Visualizing and understanding convolutional networks. - Qiita Deep Learningといえば Krizhevsky で、画像クラス分類において素晴らしい結果を出した ただ、なぜDeep Learningがうまくいくのか、どう改善していけばいいのか、についての明確に記述した文書はない この論文では可視化する手���を提案し、クラス分類におけるDeep Learningの各中間層や分類器の働きについて、見識を与える。 また、可視化によって、Krizhevskyを凌駕するモデルも構築した。 さらに、比較実験も行い、各層がどれくらいパフォーマンスに影響を及ぼしているのかを探った さらにさらに、構築したモデルがよく一般化されていることも確認した。（Caltech-101, 256のデータセットで最高スコア）