ACM的通信
研究档案
该研究档案提供了对过去问题发表的所有研究文章的访问。
2017年6月
从ACM的通信
技术视角：电脑愿景是深入学习的吗？
我们是在人工神经网络中的第三次兴趣的中间作为机器学习的领先范式。“具有深度卷积神经网络的Imagenet分类”是最负责的纸张......
从ACM的通信
ImageNet与深卷积神经网络分类
在20世纪80年代，BackPropagation并没有达到其倡导者的非常高的期望。二十年后，我们知道出了什么问题：对于深度神经网络闪耀，他们需要更加标记的数据和更多的计算......
从ACM的通信
低深度算术电路的意外功率
几个早期的结果表明，可以以惊人的方式重新排列基本计算元素来提供更高效的算法。本文的主要结果沿着类似的静脉。
从ACM的通信
技术视角：低深度算术电路
过去几年已经看到了我们对算术电路的理解的革命。Gupta等人的“低深度算术电路的意外力量”。在“深度3”的“鸿沟”是这个新的理解的最终之一......