深度学习入门论文？

以下是一些深度学习入门论文的推荐：

"ImageNet Classification with Deep Convolutional Neural Networks" by Alex Krizhevsky, Ilya Sutskever, and Geoffrey E. Hinton (2012) - 这篇论文介绍了深度学习在图像分类任务中的应用，其中提出的卷积神经网络模型（即AlexNet）在ImageNet图像识别比赛中取得了突破性的成果。
"Playing Atari with Deep Reinforcement Learning" by Volodymyr Mnih, et al. (2013) - 这篇论文介绍了深度强化学习的应用，其中提出的Deep Q-Network（DQN）模型能够通过观察游戏屏幕像素来学习玩Atari游戏。
"Generative Adversarial Networks" by Ian Goodfellow, et al. (2014) - 这篇论文介绍了生成对抗网络（GANs），这是一种用于生成新的样本数据的深度学习模型。GANs的主要思想是通过训练一个生成器网络和一个判别器网络，使得生成器能够生成逼真的样本。
"Deep Residual Learning for Image Recognition" by Kaiming He, et al. (2015) - 这篇论文介绍了残差网络（ResNet），这是一种深度卷积神经网络模型，通过引入残差连接解决了深层网络训练中的梯度消失问题，使得可以构建更深的网络。
"Attention is All You Need" by Vaswani, et al. (2017) - 这篇论文介绍了注意力机制在自然语言处理任务中的应用，提出了一种名为Transformer的模型，该模型基于自注意力机制来处理输入序列，取得了在机器翻译等任务上的优秀成绩。

这些论文都是深度学习领域的重要里程碑，对深度学习的发展和应用具有重要影响。阅读这些论文可以帮助你了解深度学习的基本原理和常见模型的思想