TellWorldAI 世界档案
问档案English

首页›论文

论文

论文

对人工智能有重大贡献的论文,每篇都有通俗解读。

共 199

  1. 1992

    Q 学习

    Machine Learning

    这是一篇 1992 年由 Watkins 与 Dayan 发表的技术札记,提出了 Q 学习:一种计算量小、增量式的学习最优动作价值的方法,并证明它在特定条件下以概率 1 收敛到最优值。

    研究史深度学习数据与数据集

  2. 1990

    大象不下棋

    Rodney Brooks 在 1990 年的这篇论文中主张从底层出发造人工智能:把与环境持续进行的物理互动当作设计智能系统的主要约束,而不是沿用此前约三十年主导领域的抽象符号操作。

    研究史机器人科学发现

  3. 1989

    Backpropagation Applied to Handwritten Zip Code Recognition(反向传播用于手写邮政编码识别)

    Neural Computation

    1989年,杨立昆与同事在AT&T贝尔实验室用反向传播训练卷积网络,识别美国邮件上手写的邮政编码数字,测试错误率为5.0%。这项工作表明,卷积结构可以在真实任务中端到端地学习。

    研究史深度学习计算机视觉

  4. 1988

    《用时序差分方法学习预测》

    Machine Learning

    理查德·萨顿1988年的论文提出时序差分学习:用相邻两次预测之差分配信用的增量式预测方法,比传统方法更省内存、预测更准。

    研究史推理科学发现

  5. 1988

    《ALVINN:神经网络中的自主陆地车辆》

    ANIPS11

    ALVINN 是一个三层反向传播网络,以摄像头与激光测距仪的图像为输入、输出车辆应行驶的方向,用模拟道路图像训练,并在卡内基梅隆大学的自主导航测试车上做了验证。

    研究史机器人计算机视觉

  6. 1986

    Learning representations by back-propagating errors(通过反向传播误差学习表示)

    Nature

    1986年,鲁梅尔哈特、辛顿和威廉姆斯在《Nature》上发表论文,证明反向传播能让多层网络中的隐藏单元学会任务的有用内部特征。如今,这一方法是大多数神经网络的标准做法。

    研究史深度学习科学发现

  7. 1985

    《玻尔兹曼机的一种学习算法》

    Cognitive Science 9

    1985年,Ackley、Hinton 与 Sejnowski 在《Cognitive Science》发表论文,提出一种修改连接强度的通用学习规则,并用简单例子展示网络能从样本中形成结构高效的内部表示。

    研究史生成式模型科学发现

  8. 1982

    《具有涌现集体计算能力的神经网络与物理系统》

    PNAS

    1982 年约翰·霍普菲尔德(John J. Hopfield)的论文提出,大量简单神经元式单元组成的网络能集体存储与取回记忆。该模型后来被称为霍普菲尔德网络,相关工作获 2024 年诺贝尔物理学奖肯定。

    研究史深度学习科学发现

  9. 1982

    《神经网络与具有涌现集体计算能力的物理系统》

    PNAS

    John J. Hopfield 于 1982 年发表的论文,主张有用的计算能力可以作为大量简单等价单元的集体性质涌现出来,并给出一个模型:其集体行为带来内容寻址记忆、泛化与纠错等能力。

    研究史硬件与算力科学发现

  10. 1969

    Perceptrons: An Introduction to Computational Geometry(感知机)

    《Perceptrons》是 Marvin Minsky 与 Seymour Papert 于 1969 年出版的著作,用数学证明划定单层感知机的计算边界,长期被认为影响了 20 世纪 70 年代神经网络研究的走向。

    研究史深度学习科学发现

  11. 1966

    《ELIZA——一个用于研究人机自然语言交流的计算机程序》

    Communications of the ACM 9(1)

    1966年1月,Joseph Weizenbaum 发表论文,介绍在 MIT 的 MAC 分时系统上运行的 ELIZA:它用关键词触发的分解规则和重组规则,实现某些人机自然语言对话。

    研究史科学发现符号人工智能

  12. 1961

    《Steps Toward Artificial Intelligence》(迈向人工智能的若干步)

    Proceedings of the IRE 49(1)

    Marvin Minsky 1961 年发表于《Proceedings of the IRE》的综述,把启发式编程分为搜索、模式识别、学习、规划与归纳五个领域,并指出机器需要借助归纳建立环境的模型。

    研究史推理符号人工智能

  13. 1959

    《Some Studies in Machine Learning Using the Game of Checkers》(用跳棋进行机器学习的若干研究)

    IJRD

    A. L. Samuel 1959 年发表的论文,报告用跳棋进行的机器学习实验:程序只拿到游戏规则和一组符号、权重均未知的参数,在 8 到 10 小时的机器对弈时间里学会下棋,并胜过了写它的人。

    研究史科学发现符号人工智能

  14. 1959

    《Programs with Common Sense》(论常识程序)

    PSMTPNPL

    麦卡锡 1959 年的论文提出「建议接受者」:一个在形式语言中操作句子来解题、推出祈使句便执行相应动作的程序,被视为逻辑式人工智能的早期纲领。

    研究史推理符号人工智能

  15. 1958

    The Perceptron: A Probabilistic Model for Information Storage and Organization in the Brain(感知机:大脑信息存储与组织的概率模型)

    Psychological Review

    1958年,弗兰克·罗森布拉特描述了感知机:它的连接强度随训练而改变,从而通过试错学会对刺激分类。它成为可训练神经网络的起点。

    研究史深度学习计算机视觉

  16. 1950

    Computing Machinery and Intelligence(计算机器与智能)

    Mind

    1950年,图灵在《计算机器与智能》中以「模仿游戏」取代了「机器能思考吗」这个他认为过于模糊的问题,即后来的图灵测试,并逐一回应了对机器智能的主要反对意见。

    研究史推理符号人工智能

  17. 1948

    《通信的数学理论》

    Bell System Technical Journal 27

    C. E. Shannon 1948年的论文为通信建立了数学框架,以比特度量信息,提出信道容量与熵,并把消息视为从可能集合中选出的对象,而非语义内容。

    研究史数据与数据集科学发现

  18. 1943

    A Logical Calculus of the Ideas Immanent in Nervous Activity(神经活动中内在思想的逻辑演算)

    Bull. Math. Biophys.

    1943年,麦卡洛克与皮茨描述了一个简化的神经元模型,并证明由这种单元组成的网络可以进行逻辑推理,这是大脑模型与计算之间的早期联系。

    研究史深度学习符号人工智能

  19. 1936

    On Computable Numbers, with an Application to the Entscheidungsproblem(论可计算数及其在判定问题上的应用)

    Proc. London Math. Soc.

    图灵1936年的这篇论文用一台抽象机器定义了「可计算数」,这台机器后来被称为图灵机;论文还证明,不存在能判定任意数学命题是否可证的通用方法。

    研究史推理符号人工智能