能解决教师在自主游戏中师幼互动的随意性和盲目性，寻找“师幼互动”的有效性，使自由游戏的开展能够把幼儿的探索兴趣引向对问题的深入研究，使“师幼互动”成为促进儿童有效学习的过程。师幼互动不仅成为评价教师专业素养能力的重要指标，也是衡量幼儿园教育过程质量的重要依据。
多谢邀请。关于gym可参考我的知乎专栏帖子：强化学习实战 第一讲 gym学习及二次开发 - 知乎专栏。关注该专栏，可以学到很多强化学习的知识（理论知识和实践知识）。下面正式回答你的问题：搞深度强化学习，训练环境的搭建是必须的，因为训练环境是测试算法，训练参数的基本平台（当然，也可以用实际的样机进行训练，但时间和代价是相当大的）。现在大家用的最多的是openai的gym（ ），或者universe(),。这两个平台非常好，是通用的平台，而且与tensorflow和Theano无缝连接，虽然目前只支持python语言，但相信在不久的将来也会支持其他语言。下面我根据自己的理解，讲下关于gym的一些事情。Gym的原理是什么？它是新东西吗？在我看来，gym并不是完全的新东西，它不过是用python语言写的仿真器。对于仿真器大家肯定并不陌生。学控制的人都用过或听过matlab的simulink，学机械的人应该用过动力学仿真软件adams，gym在本质上和simulink，adams没什么区别。如果把Gym，simulink，adams等等这些仿真器去掉界面显示（如动画显示），剩下的本质不过是一组微分方程。所以Gym，simulink，adams等等一切仿真器的本质是微分方程。比如，运动学微分方程，动力学微分方程，控制方程等。Gym在构造环境时，主要的任务就是构建描述你模型的微分方程。我们举例说明：Gym中的CartPole环境是如何构建的：下面的链接是gym中CartPole环境模型：在该环境模型中，最核心的函数是def _step(self, action)函数，该函数定义了CartPole的环境模型，而在该函数中最核心的代码如下：图中方框中又是这段代码中最核心的地方，这两行代码便决定了CartPole的模型。简单的模型，通过手工推导便可完成。那么对于复杂的模型，比如战斗机器人，各种大型游戏怎么办呢？这就需要专门的多刚体仿真软件了，这些软件背后的核心技术都是物理引擎。大家可以搜下物理引擎这个词，游戏以及各种仿真软件都要用到物理引擎，用的多的而且开源的物理引擎有：ODE, Bullet, Havok, Physx等。原则上来说利用这些物理引擎都可以搭建训练环境。Gym在搭建机器人仿真环境用的是mujoco，ros里面的物理引擎是gazebo。下面针对你的问题，逐条回答：1. gym中CartPole, MountainCar这种环境的构建原理是怎样的？答：这种简单的环境只需要手动推导便可写出动力学方程，然后可以人为编写环境模型。只是，gym中除了给出了动力学方程，还加入了界面程序，将结果更直观地显示出来。2. gym中的环境源代码能不能查看和修改？Gym是开源开发工具，所有代码都可查看和修改。可以模仿gym已有的例子自己创建环境。Gym创建环境很方便，只需要编写你的环境模型，并将你的环境模型注册到环境文件中即可，至于如何构建新的环境，请关注我的知乎专栏，我会在后面讲一讲。我的专栏中深入剖析了gym并给出了创建自己环境的实例，强化学习实战 第一讲 gym学习及二次开发 - 知乎专栏。
幼儿园自主性区域游戏以自主性为核心,以探究为主要方式,通过深层、中层、浅层三种层次的建构,萌发各种探究内容,使区域游戏中产生无数深度学习的契机。文章通过行动研究法从已有的区域游戏及深度学习理论出发,探索自主性区域游戏三种层次及特点,通过过程中的游戏案例解读幼儿深度学习的行为,思考教师支持策略,进一步提升幼儿区域活动质量,凸显"游戏中学习,游戏中发展"的意义,揭示自主性区域游戏的独特价值。
这个具体就要学深度学习和强化学习的相关知识了，可以拿最简单的DQN举例，DQN就是用神经网络去代替了传统的Q表，从而进行训练。
不是的。1、对评审非常不友好。某些论文作者中只给伪代码，但是用伪代码去复现论文的结果是很困难的。因为对于深度学习来说，每个细微的参数都很重要，一点差别就可能导致结果无法复现。而开放代码更容易让你的论文通过评审。从2019年开始，ICML增加了论文可重复性作为评审考察的因素。2、对科研人员不公平。一些科研人员无法获得大量的计算资源。如果某个大团队发布了一篇论文，而一个研究生需要用到其中的结果应该怎么办？指望他一个人复现上百人工程团队的的研究成果吗？这显然是不现实的。公开代码能让科研人员紧跟最新研究成果，对保持学术界的竞争力至关重要。
打开app软件就行。深度学习的概念源于人工神经网络的研究，如果追溯深度学习的概念还是要回到2006年Hinton那篇论文，基于深信度网（DNB）提出非监督贪心逐层训练算法，未解决深层结构相关的优化难题出现的论文。
小学深度就是奥数了，这个要看学生接受能力
深度学习，翻转课堂瞄向核心素养 ——读马LL地理翻转课堂案例有感苏州市电化教育馆 金陵 X省X高级中学地理教师马莉莉在“翻转课堂本土创新暨微课程教学法教学观摩会” 借班执教翻转课堂示范课之后写了一篇文章：《“微课程教学法”地理翻转课堂的设计、过程与反思》。读这篇文章你会发现：翻转课堂不是“玩视频”，而是课前在任务单的引领和微视频的支持下，打好深度学习的基础；课堂在检测、进阶的基础上开展以“微项目学习”为代表的深度学习，促进学生内化知识，发展面向未来挑战的核心素养。梳理马LL设计与施教中的关键点，大致有三：其一，贯彻微课程教学法目标管理的实施导向。首先对学习材料作清晰的梳理，为提炼达成目标创造条件。然后，把课程标准转变为可量化的课前和课中各有侧重的达成目标，使目标管理从课前贯彻到课堂，保证微观课程实施纲举目张，保证视频不会纵马跑偏，用活了微课程教学法的系统设计观。进而，把学习内容转化为一系列问题，形成学习任务，方便学生在教材和技术的支持下，开展发现式学习。这些学习任务与达成目标具有一一对应的关系，保证只要按要求完成学习任务，就能达成学习目标，为保证课堂检测这一课前学习评价的质量创造条件。其二，贯彻微课程教学法需求导向的视频开发方法。马LL根据学生完成学习任务可能遇到的困难确定视频开发的主题，力求学生通过自主学习完成学习任务。因此，视频始终与学习任务如影随形，技术硬生生介入教学的拼凑感已经荡然无存。这与把课程学习变成学习微课的糟糕做法是截然不同的。其三，深度学习指向核心素养。微课程教学法不提倡课堂上玩技术，认为只有在互动和质疑讨论中才能达到深度学习。马LL用活了微课程教学法创意的微项目学习，检测、进阶之后，开始“S州城市化”主题探究：让学生动手绘制S州城镇人口占总人口比重变化图；以“S州城市化，让生活更美好还是更糟糕”为题展开讨论；以“S州是我家，建设靠大家”的形式，让学生学以致用，为S州新型城镇化建设献计献策，使课堂成为聚会智慧的场所。我们发现，在这样的学习过程中，学生不仅完成了知识内化，而且，发展了合作与交流能力、信息与通讯技术运用能力、公民素养、创造性、批判性思维等核心素养。就这样，微课程教学法直指核心素养，促进教学质量提升，为翻转课堂探索出极具魅力的发展前景。值得一提的是，马LL涉足翻转课堂实验之后，很快发现“翻转课堂倒逼我再次成长”（马LL语），于是一头扎进微课程教学法——翻转课堂本土创新的理论与方法的研究与实践之中。2015年，她的地理翻转课堂案例参加“一师一优课，一课一名师”活动获部优；2016年，她被评为S州市高中地理学科带头人。
课堂中如何开展深度学习是新一轮课改的关键,作为数学如何开展深度学习更是迫在眉睫的事情.结合本人的教学,我想这样操作也许更好些?一、 课前预习是实施深度学习的基础性前提。让学生们课前学习，通过读书、勾圈画知识点，明确课文知识的基本内容，理解课文的基本精神，这是提高学生接受新知识、强化要点知识达成的基础。然后学有余力的同学开展做题练习，进行巩固、强化、提升的工作，加强对基础知识的理解与认同，产生对所学知识的同向强化。这个环节是关键，保证基础知识的学习，保证基本技能的熟练，甚至强化。这些工作为我们开展深度学习奠定基础，由此可以进行选择兴趣点，开展深度学习。二、 根据学生的兴趣和爱好选择开展深度学习的课题。这是我们最为需要的策略，这样能够提升学习的动力和学习的效率，学生愿意学习，愿意开展工作，也愿意付出自己的精力和时间。例如我在教授学生三角形的稳定性问题时，让学生自制三角形和四边形，在材质相同的情况下，试一试那个图形的东西具有更强的稳定性的问题，学生做出不同材质的图形实物，通过给不同实物的外力，观察那个图形的实物容易变形？有的同学还把圆形的东西参与了比较，最后在课堂交流中，学生排列出相同材质的不同实物，三角形是最为稳定的结论。 实际上，我们应该根据所学内容，结合现实条件，做出最为切合实际的探索，这样能够保证学生思考问题的可行性，实效性，和可操作性。 引导学生根据兴趣、爱好、及其现实条件开展深度学习和探索能够激发学生学习知识、探索知识、应用知识的热情，从而做到学以致用，用以带学的目的。三、 教师设计深度学习的课题，引导学生开展研究，也能够更好地调动学生学习知识、应用知识的积极性。 可以这样说：我们教学的最终目的是为了学生学习知识、应用知识、形成能力，变成学生自身发展技能。因此，我们让学生把知识变成可以看得到，想得出、用得上的知识技能。这样我们就选择合适的切入点进行教学，引导学生开展知识的应用探索之旅，这样学生的学习动能就能被激发出来，兴趣也就能够坚持下去，一切的困难也就变得轻松，变得自如，他们不再把学习知识、应用知识看作是一件痛苦的事情了。 教师设计题目的最佳方向是：看得见、找得着、用得上；再次一点的是：借助仪器能够达到以上标准；最为差点是，借助网络能够达到以上标准。这样就能够让大多数的同学都能够开展深度学习，同时也能达到最佳化的程度。 以上几点，是我对深度学习的思考和工作开展中的点滴认识，不当之处，望各位领导、同仁斧正。
小学数学深度学习的教学设计，要考虑小学学生的接受度，以及和教学大纲的一个贴合度
在我读过的书里我最喜欢《西游记》,因为这是明代着名的文学家吴承恩写的.我不仅仅喜欢里面精彩绝伦的神魔武打和扣人心弦的故事情节,还喜欢这本书给我们做人的启示.自从我读懂这本书的时候,我受益匪浅,知道了人处于社会该如何做人的方法. 要想剖析这本书的内涵,就要找到一只眼睛——分析故事人物的精神风貌和他们的性格特征以及面对危难时的不同态度. 在这部书里有四个主要人物,转世的金蝉子唐僧,美猴王孙悟空,天蓬元帅猪八戒,卷帘大将沙僧. 唐僧是取经队伍里的领导人物.但是在四个人中他是能力最弱的,甚至还是个累赘.在吴承恩的笔下并不是要褒奖他,而对他是大大的批评了.取经路 上,他显得十分窝囊,每次遇到妖魔鬼怪侵袭,他总是束手无策,吓得滚下马鞍来,次次遇险都需要徒弟来救.只要一离开徒弟,便寸步难行.他没有一双慧眼,即 使妖怪站在他面前他也认不出来.在徒弟正要打死妖怪的时候,他横加阻拦.便酿成了白骨精一战气走悟空的悲剧.唐僧就这样是非不分.但是作为领导人物,他也 有自己的优点——坚定不移,始终坚守信念.明知前方路途危险重重,也要走过去.勇往直前是他最严谨的态度.面对女色的诱惑,他也不动心.对于徒儿,他有时 也能十分细腻的关心.在西天取经的重任上,他是最坚定的人. 唐僧我们是要为他翘起大拇指的.我们应该学习他的精神——坚忍不拔,始终如一.对于一件事应该至始至终的做下去,不应该半途而废.即使遇到了危 险要学会勇敢,永不言退缩和放弃.唐僧的缺点是值得警醒的,应该学会自立,不能事事依赖他人的帮助,要用自己的能力去做好每一件事.面对坏人,要有一双亮 眼,看清他们的面目,不能轻易的相信他们.不能感化的要勇于消灭他们. 孙悟空是我最喜欢的神话人物,他有“斗战胜佛”的称号,说明他十分的英勇善战.是的!取经队伍里他是斩妖除魔的主力.我喜欢他的嫉恶如仇,他的勇敢正直,顽皮与热爱自由的品格.还有他的一双火眼金睛. 孙悟空我们是一定要学习的.我们要有他那样的精神风貌,面对敌人的进攻,勇于挑战,而且是他那样的智慧挑战.斩尽一切危害社会危害人民的坏人. 做事情,要有孙悟空的果断,说做就做,不要明日复明日般的堕落.以后我们长大了,总要立足社会,就需要一双“火眼金睛”.要看清人心险恶,看清自己的路该 如何走,如何选择正确的路,避免误入歧途,悔恨终身. 猪八戒缺点十分多,好色,贪吃贪睡,逃跑的时候很多.不过他也是一个心地不坏的人,取经路上一些脏活累活他都干.与妖精作战的紧要关头,他总会有责任心的留下来顽强作战.他也十分聪明,师父被抓走了,他演绎了一幕精彩的“义激美猴王”,最终救了身陷囚笼的师父. 猪八戒我也要翘起大拇指,对于自卑的人来讲是该好好学习的.在我看的西游记里猪八戒尽是缺点,但是细细看来,优点也很多嘛!所以我们不能只看到 自己的缺点,也要看到自己的优点.像猪八戒一样自信的做人,展现自信的笑容,到最后,因为自己的努力得了个净坛使者.所以我们要学会扬长避短,发挥优势, 终究会取得一份属于自己的成功. 沙僧我是比较喜欢的,喜欢他的正直憨厚,老实勤恳,任劳任怨,他就像老黄牛一样的默默地奉献着自己的力量,从来没有一句怨言,为取经立下了汗马 功劳.我还欣赏他的胸怀与集体的责任感,在取经队伍遇到内讧时他总是当着润滑油的角色,尽力解除师兄弟的误会.尽管他在《西游记》里的戏份很少,但是我我 也要送给他主角一样的掌声. 沙僧的品格特别值得我们学习,特别是我们这浮夸的一代少年.我们要学沙僧做人的低调,他的谦虚.因为在这个社会,张扬的人总是会翻船的.与此同 时做人也要像沙僧一样的厚道.因为人与人需要的是信任和坦诚,而不是勾心斗角,只有对别人有一颗真诚的心,自己才会受到众人的欢迎.即使像沙僧一样并不显 眼,但是却在别人的心中留下了一个美好的形象. 在《西游记》里衬托正义的当然还有邪恶了.那些形形色色的妖魔都想吃掉唐僧,但是到最后都被消灭了,这告诉我们邪恶的力量总是胜不过正义的力量.即使再强大,也会被镇压.这同样告诉我们遇到邪恶的力量,只要一直勇敢的斗争下去,到最后,一定会取得一片光明的蓝天. 不过看透了《西游记》,细细品味这些妖怪的的内心与它们的行为,便会与鲁迅先生有同感——神魔皆有情,精魅亦通世故.它们有着人一样的感情.令 我感受最深的是铁扇公主.她为了被擒的丈夫牛魔王,放下了心中的仇恨,把芭蕉扇借给了孙悟空.纵看妖魔,他们能够像人一样,在亲人面对危险时甘愿舍弃一 切,这就是亲情的力量.所以在我们眼里的那些毫无人性的妖怪其实同人一样也是情感动物,只不过殊途同归,走的路不同罢了! 这是《西游记》里隐藏的最深的一点.当我读懂它时,便能知道这个世界最广阔的是人性,是人的情感,是本质最美好的亲情.亲情能够战胜一切,就像 铁石心肠的铁扇公主为了亲情能够放下妖魔的仇恨.这告诉我们在我们这个社会里纵然还有着许许多多,形形色色的“妖魔鬼怪”,但他们的本性并不坏,不能一味 的用强制手段来使他们变好.要用人类最美的情感去感化他们的心,才能把我们这个社会建设得更好,更和谐. 读了《西游记》感慨颇深,有勇敢顽强的正义者,有普度众人的神佛,也有一些妖魔鬼怪.其中一些有血有肉的东西是需要我们用心去读懂的.一本书的 灵魂就是能否给人读书的启迪.而我最喜爱的《西游记》给了我最大的人生启示,让我学会了如何在这个复杂的社会生存下去,既不影响他人,也不伤害了自己.我 相信这本流传了几百年的《西游记》,经过我的不断阅读还会给我带来新的人生启示呢!
人说是：西游记里最厉害的妖怪是九头元圣、大鹏金翅鸟。 有人说是孙悟空，哈哈这反正是不正确的/九头元圣就是在有一个国王因为一个恶梦就驱逐和尚，后来自己也被剃了光头的后面，三人教国王的三个王子功夫时被九头元圣抓走下面我来全面分析一下，为什么大鹏是最厉害的妖怪(1) 妖 祖 在狮子精的眼里, 大鹏要比如来更厉害。为什么这样说呢? 因为他的行为表明了他的立场。 他和如来是工作关系, 和大鹏是兄弟关系, 如来是他的领导, 大鹏是他的三弟, 当他的领导与他的三弟发生矛盾冲突的时候, 那么, 他狮子精究竟该站在哪一边呢? 这个抉择其实是很困难的。不过, 如来并不是他的直接领导, 大鹏也不是他的嫡亲兄弟, 这就可以排除他的主观偏向, 他倒向谁, 就可以说明谁能够给他最大的利益! 谁才是他眼中的真正强者! 对于吃唐僧肉这件事, 狮子精是可吃可不吃的, 他最初就打算是不吃的, 那么, 他后来决定吃, 就说明他的动机不是单纯为了吃唐僧肉, 而是铁了心要跟着大鹏干! 显然没把如来这个佛祖放在眼里。 即使如来佛亲自来了, 可大鹏说一声:“兄弟, 上! 把如来放倒了, 等我去做佛祖! ”那狮子精真的就举刀冲上去乱砍! 大鹏这个妖怪和别的妖怪不同, 他不仅有法力, 而且更有势力! 西游记中有势力的妖怪只有那么几个, 在此之前, 我们已经分析了是牛魔王的势力最大, 但是牛魔王还不敢动手打任何一个神仙, 哪怕是最低最小的土地公公。 因为大鹏他不是凡间之怪物, 所以地上的妖怪和他没有可比性。大鹏精的势力有多大呢? 我们来看一下:1) 首先, 他有一个国家。 大鹏精的地盘是狮驼国。狮驼国有多大呢? 由西至东, 先要走过八百里狮驼岭, 再走四百里远的大路, 才到狮驼国的首都城市狮驼城。而南北有多宽就不知道了, 总之, 这个范围是相当大的。 唐僧到西天取经, 路上遇到州县, 可以直接走过, 若遇到某个国家的首都城市, 则需要进去倒换关文。到了狮驼国, 也不例外, 那是要进去拜见国王陛下倒换关文的! 狮驼国的国王是谁呢? 就是这个大鹏精! 大鹏正要吃他哩, 他去倒换关文, 大鹏会为他盖章子放行吗? 如来佛住在雷音寺, 雷音寺在灵山, 灵山属于天竺国的范围, 应该是独立的, 不归天竺国管辖。但从这可以比较出如来佛的本部势力并没有大鹏精的本部势力大! 大鹏精是国王, 该管辖有多少山多少岭, 多少城多少乡? 2) 他的国家里面全部住的是妖怪。 孙悟空走到这里来的时候, 望见那城中有许多恶气，被吓成什么样子了? 吓了一跌，挣挫不起。这是孙悟空第一次也是唯一的一次还没交战就吓趴在地上了! 孙悟空看到这狮驼城里满城大小尽是妖怪, 来来往往, 攒攒簇簇的都是妖魔鬼怪，见不到一个活人! 站岗把门的妖精保安都是些野狼, 王宫里的妖精都管都是些斑斓猛虎, 金銮殿下的妖精总兵都是些白面熊彪, 传书递信的妖精文官都是些丫叉角鹿, 大街上行走的妖精百姓都是些花狐狸, 楼上楼下打麻将喝茶的妖精游客都是些苍狼， 台前收费的妖精老板都是些花豹, 在路上游荡的妖精城市管理者都是些千尺大蟒万丈长蛇, 开门面做生意的妖精商人都是些狡兔, 挑担子烤羊肉串卖糖葫芦的妖精小贩都是些野猪。 在这座首都城市里, 除了他们都是妖怪之外, 其实治安、次序等各个方面都是良好的, 妖怪们可以在这里当官, 经商, 休闲, 自在的很。西游记中凡是低级别的妖怪, 生存环境都是非常恶劣的, 结局基本上都是死路一条! 但这里是他们的天堂, 直到西游记终, 这些妖怪们也没被剿灭。 狮子精住在山区的防空洞, 大鹏精住在城市的金銮殿, 那边养的是妖怪军队士兵, 这边养的是妖怪平民百姓, 可见, 其势力非同小可!3) 他的这个妖怪国家是合法的。 地上的君王叫作天子, 他们作为天庭的代理人下来治理人间, 所以他们是得到天庭认可了的。 大鹏精既然是这个国家的君主, 那么, 天庭就是认账的。大鹏于五百年前, 不知何故, 跑来吃了这城国王及文武官僚，满城大小男女也尽被他吃了干净，因此夺了这江山，自己当了狮驼国的国王。 玉皇大帝没有意见, 道祖老君也没有意见, 佛祖如来没有意见, 大家都认可了。 直到唐僧他们过去之后, 这个国家依然存在! 因为从唐僧的通关文谍上可以看到大鹏为他们加盖的狮驼国王钦印! 这的印, 也就是国王的玉玺, 他是合法生效的! 大鹏不仅自己在这里当国王, 还把这个地方建设成了一个只有妖怪的国家, 这个势力就大了。那么, 这个大鹏的地位究竟该怎样定位呢? 作为一个国王, 他是合法的, 玉帝、老君、如来都认账。 作为一个神仙, 恐怕还是有争议的, 因为这一点他不合法, 没有神仙的正规编制, 但是他又把许许多多没有编制的神仙们组织到了一起, 形成了佛派、道派之外的第三派妖怪势力, 因此, 他的实际地位应该和道祖、佛祖是在同一个级别上的。 仙即是妖, 佛即是魔, 区别仅在一个编制。所以把大鹏看作是妖祖魔祖是没有问题的。 4) 那妖精一封书到灵山，五百阿罗都来迎接；一纸简上天宫，十一大曜个个相钦。 孙悟空上天到了南天门还要例行公事通报, 不过人家对他还算客气。到了灵山, 四大金刚还要挡住骂他:“这泼猴甚是粗狂！全不为礼！有事且待先奏，奉召方行。这里比南天门不同，教你进去出来，两边乱走！咄！还不靠开！” 大鹏呢? 他一封信到了灵山，五百罗汉都要跑来接他, 又一封信上了天宫, 十一个太阳神级别的神仙都要好酒好肉的款待, 做妖怪都做到这个份上了, 还怎么分析他厉害不厉害!(2) 吃唐僧肉的正确方法 大鹏精与如来佛的关系, 很复杂也很微妙。一个是妖, 一个是佛, 势不两立, 水火不容。但是从私人的角度看, 大鹏精又是如来佛的舅舅, 所以这里面的关系就说不清道不明。 现在, 在“唐僧问题”上, 大鹏与如来发生了矛盾冲突, 大鹏要吃唐僧肉的态度很坚决, 这必然会导致如来的传经计划崩溃! 大鹏要吃唐僧肉的动机是什么? 无非有三个: 1) 吃掉唐僧, 自己取代如来。 2) 吃掉唐僧, 使如来的传经计划破产。 3) 吃掉唐僧, 使自己延长寿命。 仅此三种, 不会有别的原因, 三者必居其一。或是三者皆有, 但一定有一个最主要的动机。现在, 我们采用排除法来分析: 1) 如果大鹏真的是为了取代如来, 那么他的心事就不会老花在唐僧身上。即使吃掉唐僧, 也不一定就能取代如来, 反而还会打草惊蛇。所以, 第一动机不是要取代如来。这一条可以排除。 2) 如果不是要取代如来, 而仅仅只是因为其他原因想阻止破坏如来传经, 那么, 他至少有两种方法: 吃掉唐僧, 或是杀掉唐僧。只要弄死了唐僧, 传经就得重新再来。大鹏有充足的时间杀掉唐僧, 但是他没有, 所以, 第一动机也不是要阻止破坏传经。这一条也可以排除。 3) 那么, 大鹏的动机就非常清楚了, 他是要吃唐僧肉以延长自己的寿命。因为他是一个妖! 他没有吃天上果果的编制, 如果不想办法延寿, 他就得死! 延长寿命, 这是大鹏精的第一目的, 如果他吃了唐僧, 如来必定是要和他扯皮的, 那么, 他就和如来翻脸干上一架, 这又会产生三种结果: 1) 打赢了, 他就有可能取代如来佛祖。 2) 打平了, 还不是维持原状, 能把我怎的?! 3) 打输了, 他可以说好话, 我把你的唐僧吃了, 你不能安排人再取一次啊, 也要不了几年啊, 干吗要杀我这个舅舅呢。 别的妖怪想吃唐僧, 那是找死! 但大鹏不同, 他吃了唐僧, 压根儿就不会有什么严重后果! 因为从所有可能发生的后果来看: 最好的后果是变成“大鹏佛祖”, 最坏的后果也是增加500年寿命。所以, 这个大鹏精, 他是最有条件吃唐僧肉的! 西游记第七十四回到第七十七回, 得认真地读, 反复地读, 因为这一段详细地记录了大鹏精如何如何的想吃唐僧肉, 因为这一段从头至尾都是围绕“争夺唐僧”这条主线展开的, 因为这一段将为我们揭开“唐僧肉之谜”! 我写这些文章的时候, 有不少朋友一再提醒我, 吃唐僧肉可以延寿的说法是某某某散布的谣言, 是假的, 因为唐僧肉既然可以延寿, 那妖怪们抓住了为什么不急着吃掉呢? 关于这个问题, 我一直没有回复。现在, 讲到这里来了。 有人说：看了西游记后, 最叫人搞不懂的就是那些妖怪们捉了唐僧却不着急吃，非要洗净了，再等着孙悟空来抢救, 这些妖怪的智商是不是都有问题啊。 于是, 就由此推出了结论: 吃唐僧肉可以延寿的说法是假的, 其目的就是为了配合唐僧如来演戏。 首先, “唐僧肉能不能延寿”, 和“妖怪们不急着吃”, 这是两个不同的概念, 你并不能用“妖怪们不急着吃”这一种现象, 就可以证明唐僧肉不能延寿。这并不存在逻辑关系。 其次, 为了配合人家演戏, 把自己的地盘奉上, 再把自己的下属给人家打死, 甚至有的连自己的性命都搭上了, 有这样配合人家演戏的吗? 完全说不通! 有人说是太白金星散布的谣言, 因为当时太白金星在狮驼岭出现过。太白金星曾经救过唐僧, 他干吗又要唆使大鹏吃唐僧呢? 太白金星很喜欢“收仙有道”, 难道他不能来招安啊? 何况书上写的很清楚: “三大王(大鹏)不知哪一年打听得东土唐朝差一个僧人去西天取经”, 既然是不知哪一年, 就说明是很早就起了心, 决不是因为太白金星现在临时来通知的。 也有人说是观音散布的谣言, 这个不是没有可能, 因为观音要引蛇出洞, 好消灭那些妖怪。可问题是, 你散布的这个谣言是假的, 别人不相信怎么办? 只有真的吃了唐僧肉可以延寿, 大家才会打唐僧的主意。而且, 还必须是大家老早就知道吃了唐僧肉可以延寿, 才会打唐僧的主意。必须条件是: 大家心中老早就有了这种共识! 如果是刚刚知道的, 就必然会半信半疑, 又怎肯舍命相搏呢?! 要散布一个谣言, 还得有人相信才行, 难道一个谣言就把所有的妖怪都? 没有人试验过的事, 大家都一起相信了? 这绝对不可能! 我们来看一看大鹏精是怎样吃唐僧肉的: 1)“此物比不得那愚夫俗子，拿了可以当饭。此是上邦稀奇之物。”可见, 大鹏他是识货的! 他很清楚唐僧肉是一种稀有资源! 一个谣言小妖还说地过去, 他? 没门! 2)“不许吓了唐僧。唐僧禁不得恐吓，一吓就肉酸不中吃了。”大鹏他不仅知道吃了唐僧肉可以延寿, 而且还知道唐僧肉会在什么情况下失效! 3)“必须待天阴闲暇之时，”大鹏他还知道具体的吃法, 必须要等到阴天才能吃! 吃的时候, 必须是在闲暇之时，心情愉快, 放松, 没有任何外界的打扰才行! 4) 吃唐僧是要蒸了吃的。前面说过, 他们平常吃人都是或煮或烹, 但是吃唐僧肉的时候, 却是要蒸了吃的。 5) 吃唐僧要蒸整个活人! 他们平常吃人, 都是先将人刮了肉再吃, 但是吃唐僧肉的时候,却不杀不刮, 是要把唐僧整个活人放在蒸笼里蒸熟! 6)“拿他出来，整制精洁，细吹细打的吃方可。”细吹细打的吃, 就说明吃的时候, 必须慢慢地吃, 决不能狼吞虎咽, 唐僧蒸熟后, 得切成小片慢悠悠地吃。 大鹏他怎么就知道的这么具体, 这么详细? 他像一个吃唐僧肉的专家似的, 各个环节一清二楚。他若没吃过, 又怎么会如此的内行?! 因此, 我只能说: 大鹏他是吃过唐僧肉的!(3) 大鹏VS如来 孙悟空斗不过大鹏精, 凄凄惨惨的，自思自忖，以心问心道：“这都是我佛如来坐在那极乐之境，没得事干，弄了那三藏之经！若果有心劝善，理当送上东土，却不是个万古流传？只是舍不得送去，却教我等来取......。” 孙悟空以为, 叫他们几个来取经, 是如来佛吃饱了没得事干。 事实并非如此, 如来佛真的要把他的经送上东土，那就等于是公开向道祖老君宣战了, 因为东土是老君的地盘。所以, 只能是东土的人自己过来取经, 这才和如来佛没有关系! 如来佛是有苦衷的, 孙悟空哪里知道! 他自己打不赢大鹏了, 就怪如来! 孙悟空怎么就斗不过大鹏精呢? 孙悟空的筋斗云, 一去就有十万八千里，所以闹天宫时，诸神不能赶上, 十万天兵也拿他不住。可大鹏精不同, 他扇一翅就有九万里，两扇就赶过了，所以孙悟空逃不脱他的手, 被他一把挝住，拿在手中，左右挣挫不得。变大变小都逃不了。 后来他听说唐僧已经被妖怪吃了, 跑到雷音寺又哭又闹, 泪如泉涌，悲声不绝。如来笑道：“那妖精神通广大，你胜不得他，所以这等心痛。”行者跪在下面，捶着胸膛道：“不瞒如来说，弟子当年闹天宫，称大圣，自为人以来，不曾吃亏，今番却遭这毒魔之手！” 如来道:“那怪须是我去，方可收得。” 如来去对付大鹏的时候, 带了多少神仙去的? 五百罗汉，三千揭谛, 迦叶阿傩两随从，普贤文殊二菩萨, 再加上燃灯弥勒两个佛祖级的人物。地藏王菩萨镇守地狱, 从来就没离开过, 所以没喊他, 也没喊观音, 大概是留她守门。 总之, 如来佛把他的人全部都喊来了! 为什么要带这么多的人来? 打一个妖怪就要三个佛祖都来? 可见, 这个大鹏精不是那么好对付的。万一谈判不拢, 火拼起来, 如来佛的人少了肯定是要吃亏的! 若真打起来, 必有一方要灭门! 胜者也损六七成! 如来对悟空道：“你先下去，到那城中与妖精交战，许败不许胜。”这有两层意思: 1. 给孙悟空面子。孙悟空不可能胜, 所以佛祖说许败不许胜。 2. 把大鹏出来打。 孙悟空把三个妖怪引来后, 将身一闪，躲到如来佛的背后。只见那过去、未来、见在的三尊佛像与五百阿罗汉、三千揭谛神，布散左右，把那三个妖王围住，水泄不通。 狮子精慌了手脚，叫道：“兄弟，不好了！那猴子真是个地里鬼！那里请得个主人公来也！”大鹏道：“大哥休得悚惧，我们一齐上前，使枪刀搠倒如来，夺他那雷音宝刹！” 这魔头不识起倒，真个举刀上前乱砍，却被文殊、普贤，念动真言喝道：“这孽畜还不皈正，更待怎生！”唬得老怪、二怪，不敢撑持，丢了兵器，打个滚，现了本相。 文殊、普贤两位菩萨, 从来没有见到他们动过手, 估计也只是唐僧式的人物, 不会打, 但是念动真言厉害, 和紧箍咒一样的, 他们肯定是在狮象身上下了什么套子的, 一念咒语输入密码, 狮象就会倒在地上疼得打滚。 大鹏腾开翅，扶摇直上，轮利爪要刁捉猴王。 孙悟空躲在如来佛的金光影里，大鹏要来刁捉。这就有问题, 他的进攻目标是孙悟空, 不是如来, 他为什么敢当着如来的面去捉躲在如来身后的人? 这就只能说明他和如来是再熟悉不过的人! 如果是敌人, 那么进攻目标一定先是如来, 后是悟空。 如来把那鹊巢贯顶之头变做鲜红的一块血肉。妖精轮利爪刁他一下，被佛爷把手往上一指，那妖翅膊上就了筋。飞不去，只在佛顶上，不能远遁，现了本相，乃是一个大鹏金翅雕。 大鹏道：“如来，你怎么使大法力困住我也？” 1. 你怎么要对我下手? 2. 你是不是真的要搞? 如来道：“你在此处多生孽障，跟我去，有进益之功。”妖精道：“你那里持斋把素，极贫极苦；我这里吃人肉，受用无穷！你若饿坏了我，你有罪愆。” 你若饿坏了我，你有罪! 大概是如来佛欠大鹏的人情。 如来道：“我管四大部洲，无数众生瞻仰，凡做好事，我教他先祭汝口。”那大鹏欲脱难脱，要走怎走？是以没奈何，只得皈依。 从这一段可以看出, 大鹏五百年前跑来把这一国之人全部吃光的主要原因, 是如来那里持斋把素，极贫极苦。而如来并不阻止他吃人, 一定是大鹏有功于如来。 否则的话, 大鹏就在如来的眼皮底下吃人, 如来怎么就不管呢? 怎么饿坏了他有罪呢? 结果是如来与大鹏合并了, 大鹏做了如来的护法。 大鹏说:“泼猴头！寻这等狠人困我！”可见如来是个狠人。反过来想一下, 大鹏要是打赢了, 那佛派就得***换代, 无论谁当佛祖, 都是个狠人。 因为没有真打, 如来与大鹏究竟谁更厉害? 不知道, 估计是大鹏吧, 哪个领导会用一个打不过自己的人当保镖呢? 第八十六回: 行者道：“李老君乃开天辟地之祖，尚坐于太清之右；佛如来是治世之尊，还坐于大鹏之下；孔圣人是儒教之尊，亦仅呼为夫子。” 好了，一路的大小妖魔都说完了，那么来看最后的妖魔实力排行TOP 10！十、琵琶精 自身实力：★☆ 绝技实力：★★★★☆ 综合实力：★★★☆ 九、百眼魔君 自身实力：★★ 绝技实力：★★★★☆ 综合实力：★★★☆ 八、赛太岁 自身实力：★★★ 绝技实力：★★★★☆ 综合实力：★★★★ 七、狮王、象王 自身实力：★★★★ 绝技实力：★★★☆ 综合实力：★★★★ 六、九灵元圣 自身实力：★★★★ 绝技实力：★★★★ 综合实力：★★★★ 五、牛魔王 自身实力：★★★★ 绝技实力：★★★☆ 综合实力：★★★★☆ 四、六耳猕猴 自身实力：★★★★ 绝技实力：★★★★ 综合实力：★★★★☆ 三、兕怪 自身实力：★★★★ 绝技实力：★★★★☆ 综合实力：★★★★☆ 二、黄眉老佛 自身实力：★★★★ 绝技实力：★★★★★ 综合实力：★★★★☆ 一、大鹏金翅雕 自身实力：★★★★★ 绝技实力：★★★★★ 综合实力：★★★★★
——素素老师的语文教育叙事 周末作业是《西游记》人物形象分析学术论文写作，这个任务对于孩子们来说是有很大的挑战性的，第一次接触就要在短时间内完成一篇格式规范且有内容有思想的论文真的不是那么容易的，好在他们对西游记的内容比较熟悉，平时还喜欢跟我讨论其中的内容，很有思想深度。周五我利用早读课给孩子们讲了学术论文的基本格式，从标题、摘要、关键词、正文、结语再到参考文献，细致到字体、字号和行距等。此次我们练习写作学术论文的目的在于让孩子们透过文字去多角度理解《西游记》中的任务，并培养他们的逻辑性，让他们的思维更加有序，思考更加深入。 在指导孩子写作论文的过程中，我总结了几个比较实用的方法。 第一，自己在读文本的时候已经有明确的写作对象，且形成了自己初步的想法，可以把这几条想法以提纲或草稿的方式写下来备用； 第二，要了解自己写作的内容目前学术界的研究情况，一般我们可以借助知网、万维等权威论文网站查询相关研究成果，先要读他们的研究内容，这也是自己的参考资料的来源，甚至可以打印出来读，划出与自己相近的，或者你觉得有新意的解读。 第三，开始写作正文，不要去管格式，如果要引用原文，建议用识别软件，又快又准确，但引用原文太多会有抄袭的风险，所以不宜大量引用原文。正文写作一般由浅入深，由现象到本质。 第四，调整标题，撰写摘要和关键词，整理参考文献，最后对照格式要求一一修改。 第五，查重，选择免费的查重软件，输入文章和作者，很快会得到查重结果，这次要求查重率在30%以下，如果高于30%，告诉大家一个小秘密，软件有降重的功能，自动的。 等查重结束，一篇完整的属于你的学术论文就这么诞生了，是不是人生的第一篇标准学术论文呢？是不是很有成就感呢？论文都会写的你，难道还会怕区区几百字的作文吗？
西游记论文 你懂的，以下省略８０００字．
如何开启深度学习之旅？这三大类125篇论文为你导航（附资源下载）
如果你现在还是个深度学习的新手，那么你问的第一个问题可能是「我应该从哪篇文章开始读呢？在 G上，s准备了一套深度学习阅读清单，而且这份清单在随时更新。
项目地址：
这份清单依照下述 4 条原则建立：
从整体轮廓到细节
从过去到当代
从一般到具体领域
聚焦当下最先进技术
你会发现很多非常新但很值得一读的论文。这份清单我会持续更新。
1、深度学习的历史与基础知识
书籍
[0] Bengio, Yoshua, Ian J. Goodfellow, and Aaron Courville. 深度学习（Deep learning）, An MIT Press book. (2015). （这是深度学习领域的圣经，你可以在读此书的同时阅读下面的论文）。
调查类：
[1] LeCun, Yann, Yoshua Bengio, and Geoffrey Hinton. 深度学习 (Deep learning), Nature (2015): 436-444. (深度学习三位大牛对各种学习模型的评价)
深度信念网络（DBN）（深度学习前夜的里程碑）
[2] Hinton, Geoffrey E., Simon Osindero, and Yee-Whye Teh. 一个关于深度信念网络的快速学习算法（A fast learning algorithm for deep belief nets）, (深度学习的前夜)
[3] Hinton, Geoffrey E., and Ruslan R. Salakhutdinov. 使用神经网络降低数据的维度（Reducing the dimensionality of data with neural networks）, (里程碑式的论文，展示了深度学习的可靠性)
ImageNet 的演化（深度学习从这里开始）
[4] Krizhevsky, Alex, Ilya Sutskever, and Geoffrey E. Hinton. 使用深度卷积神经网络进行 ImageNet 分类任务（Imagenet classification with deep convolutional neural networks）(AlexNet, 深度学习的突破)
[5] Simonyan, Karen, and Andrew Zisserman. 针对大尺度图像识别工作的的超深卷积网络（Very deep convolutional networks for large-scale image recognition） (VGGNet, 神经网络开始变得非常深！)
[6] Szegedy, Christian, et al. 更深的卷积（Going deeper with convolutions）(GoogLeNet)
[7] He, Kaiming, et al. 图像识别的深度残差学习（Deep residual learning for image recognition）(ResNet，超级超级深的深度网络！CVPR--IEEE 国际计算机视觉与模式识别会议-- 最佳论文)
语音识别的演化
[8] Hinton, Geoffrey, et al. 语音识别中深度神经网络的声学建模（Deep neural networks for acoustic modeling in speech recognition: The shared views of four research groups）（语音识别中的突破)
[9] Graves, Alex, Abdel-rahman Mohamed, and Geoffrey Hinton. 用深度循环神经网络进行语音识别（Speech recognition with deep recurrent neural networks）(RNN)
[10] Graves, Alex, and Navdeep Jaitly. 面向端到端语音识别的循环神经网络（Towards End-To-End Speech Recognition with Recurrent Neural Networks）
[11] Sak, Ha?im, et al. 语音识别中快且精准的循环神经网络声学模型（Fast and accurate recurrent neural network acoustic models for speech recognition）(语音识别系统)
[12] Amodei, Dario, et al. Deep speech 2:英语和汉语的端到端语音识别（Deep speech 2: End-to-end speech recognition in english and mandarin）(百度语音识别系统)
[13] W. Xiong, J. Droppo, X. Huang, F. Seide, M. Seltzer, A. Stolcke, D. Yu, G. Zweig，在对话语音识别中实现人类平等（Achieving Human Parity in Conversational Speech Recognition）
当你读完了上面给出的论文，你会对深度学习历史有一个基本的了解，深度学习建模的基本架构（包括了 CNN，RNN，LSTM）以及深度学习如何可以被应用于图像和语音识别问题。下面的论文会让你对深度学习方法，不同应用领域中的深度学习技术和其局限有深度认识。
2 深度学习方法
模型
[14] Hinton, Geoffrey E., et al. 通过避免特征检测器的共适应来改善神经网络（Improving neural networks by preventing co-adaptation of feature detectors）(Dropout)
[15] Srivastava, Nitish, et al. Dropout：一种避免神经网络过度拟合的简单方法（Dropout: a simple way to prevent neural networks from overfitting）
[16] Ioffe, Sergey, and Christian Szegedy. Batch normalization:通过减少内部协变量加速深度网络训练（Batch normalization: Accelerating deep network training by reducing internal covariate shift）(2015 年一篇杰出论文)
[17] Ba, Jimmy Lei, Jamie Ryan Kiros, and Geoffrey E. Hinton.层归一化（Layer normalization）(批归一化的升级版)
[18] Courbariaux, Matthieu, et al. 二值神经网络：训练神经网络的权重和激活约束到正 1 或者负 1（Binarized Neural Networks: Training Neural Networks with Weights and Activations Constrained to+ 1 or?1）(新模型，快)
[19] Jaderberg, Max, et al. 使用合成梯度的解耦神经接口（Decoupled neural interfaces using synthetic gradients）(训练方法的发明，令人惊叹的文章)
[20] Chen, Tianqi, Ian Goodfellow, and Jonathon Shlens. Net2net：通过知识迁移加速学习（Net2net: Accelerating learning via knowledge transfer） (修改之前的训练网络以减少训练)
[21] Wei, Tao, et al. 网络形态（Network Morphism）(修改之前的训练网络以减少训练 epoch)
优化
[22] Sutskever, Ilya, et al. 有关深度学习中初始化与动量因子的研究（On the importance of initialization and momentum in deep learning） (动量因子优化器)
[23] Kingma, Diederik, and Jimmy Ba. Adam：随机优化的一种方法（Adam: A method for stochastic optimization）(可能是现在用的最多的一种方法)
[24] Andrychowicz, Marcin, et al. 通过梯度下降学习梯度下降（Learning to learn by gradient descent by gradient descent） (神经优化器，令人称奇的工作)
[25] Han, Song, Huizi Mao, and William J. Dally. 深度压缩：通过剪枝、量子化训练和霍夫曼代码压缩深度神经网络（Deep compression: Compressing deep neural network with pruning, trained quantization and huffman coding） (ICLR 最佳论文，来自 DeePhi 科技初创公司，加速 NN 运行的新方向)
[26] Iandola, Forrest N., et al. SqueezeNet：带有 50x 更少参数和小于 1MB 模型大小的 AlexNet-层级精确度（SqueezeNet: AlexNet-level accuracy with 50x fewer parameters and< 1MB model size.） (优化 NN 的另一个新方向，来自 DeePhi 科技初创公司)
无监督学习／深度生成模型
[27] Le, Quoc V. 通过大规模无监督学习构建高级特征（Building high-level features using large scale unsupervised learning.） (里程碑，吴恩达，谷歌大脑，猫)
[28] Kingma, Diederik P., and Max Welling. 自动编码变异贝叶斯（Auto-encoding variational bayes.） (VAE)
[29] Goodfellow, Ian, et al. 生成对抗网络（Generative adversarial nets.）(GAN, 超酷的想法)
[30] Radford, Alec, Luke Metz, and Soumith Chintala. 带有深度卷曲生成对抗网络的无监督特征学习（Unsupervised representation learning with deep convolutional generative adversarial networks.）(DCGAN)
[31] Gregor, Karol, et al. DRAW：一个用于图像生成的循环神经网络（DRAW: A recurrent neural network for image generation.） (值得注意的 VAE，杰出的工作)
[32] Oord, Aaron van den, Nal Kalchbrenner, and Koray Kavukcuoglu. 像素循环神经网络（Pixel recurrent neural networks.）(像素 RNN)
[33] Oord, Aaron van den, et al. 使用像素 CNN 解码器有条件地生成图像（Conditional image generation with PixelCNN decoders.） (像素 CNN)
RNN／序列到序列模型
[34] Graves, Alex. 带有循环神经网络的生成序列（Generating sequences with recurrent neural networks.）(LSTM, 非常好的生成结果，展示了 RNN 的力量)
[35] Cho, Kyunghyun, et al. 使用 RNN 编码器-解码器学习词组表征用于统计机器翻译（Learning phrase representations using RNN encoder-decoder for statistical machine translation.） (第一个序列到序列论文)
[36] Sutskever, Ilya, Oriol Vinyals, and Quoc V. Le. 运用神经网路的序列到序列学习（Sequence to sequence learning with neural networks.」）(杰出的工作)
[37] Bahdanau, Dzmitry, KyungHyun Cho, and Yoshua Bengio. 通过共同学习来匹配和翻译神经机器翻译（Neural Machine Translation by Jointly Learning to Align and Translate.）
[38] Vinyals, Oriol, and Quoc Le. 一个神经对话模型（A neural conversational model.）(聊天机器人上的序列到序列)
神经图灵机
[39] Graves, Alex, Greg Wayne, and Ivo Danihelka. 神经图灵机器（Neural turing machines.）arXiv preprint arXiv: (2014). (未来计算机的基本原型）
[40] Zaremba, Wojciech, and Ilya Sutskever. 强化学习神经图灵机（Reinforcement learning neural Turing machines.）
[41] Weston, Jason, Sumit Chopra, and Antoine Bordes. 记忆网络（Memory networks.）
[42] Sukhbaatar, Sainbayar, Jason Weston, and Rob Fergus. 端到端记忆网络（End-to-end memory networks.）
[43] Vinyals, Oriol, Meire Fortunato, and Navdeep Jaitly. 指示器网络（Pointer networks.）
[44] Graves, Alex, et al. 使用带有动力外部内存的神经网络的混合计算（Hybrid computing using a neural network with dynamic external memory.）(里程碑，结合上述论文的思想)
深度强化学习
[45] Mnih, Volodymyr, et al. 使用深度强化学习玩 atari 游戏（Playing atari with deep reinforcement learning.） (第一篇以深度强化学习命名的论文)
[46] Mnih, Volodymyr, et al. 通过深度强化学习达到人类水准的控制（Human-level control through deep reinforcement learning.） (里程碑)
[47] Wang, Ziyu, Nando de Freitas, and Marc Lanctot. 用于深度强化学习的决斗网络架构（Dueling network architectures for deep reinforcement learning.） (ICLR 最佳论文，伟大的想法 )
[48] Mnih, Volodymyr, et al. 用于深度强化学习的异步方法（Asynchronous methods for deep reinforcement learning.） (当前最先进的方法)
[49] Lillicrap, Timothy P., et al. 运用深度强化学习进行持续控制（Continuous control with deep reinforcement learning.） (DDPG)
[50] Gu, Shixiang, et al. 带有模型加速的持续深层 Q-学习（Continuous Deep Q-Learning with Model-based Acceleration.）
[51] Schulman, John, et al. 信赖域策略优化（Trust region policy optimization.） (TRPO)
[52] Silver, David, et al. 使用深度神经网络和树搜索掌握围棋游戏（Mastering the game of Go with deep neural networks and tree search.） (阿尔法狗)
深度迁移学习／终身学习／尤其对于 RL
[53] Bengio, Yoshua. 表征无监督和迁移学习的深度学习（Deep Learning of Representations for Unsupervised and Transfer Learning.） (一个教程)
[54] Silver, Daniel L., Qiang Yang, and Lianghao Li. 终身机器学习系统：超越学习算法（Lifelong Machine Learning Systems: Beyond Learning Algorithms.） (一个关于终生学习的简要讨论)
[55] Hinton, Geoffrey, Oriol Vinyals, and Jeff Dean. 提取神经网络中的知识（Distilling the knowledge in a neural network.） (教父的工作)
[56] Rusu, Andrei A., et al. 策略提取（Policy distillation.） (RL 领域)
[57] Parisotto, Emilio, Jimmy Lei Ba, and Ruslan Salakhutdinov. 演员模仿：深度多任务和迁移强化学习（Actor-mimic: Deep multitask and transfer reinforcement learning.） (RL 领域)
[58] Rusu, Andrei A., et al. 渐进神经网络（Progressive neural networks.）(杰出的工作，一项全新的工作)
一次性深度学习
[59] Lake, Brenden M., Ruslan Salakhutdinov, and Joshua B. Tenenbaum. 通过概率程序归纳达到人类水准的概念学习（Human-level concept learning through probabilistic program induction.）(不是深度学习，但是值得阅读)
[60] Koch, Gregory, Richard Zemel, and Ruslan Salakhutdinov. 用于一次图像识别的孪生神经网络（Siamese Neural Networks for One-shot Image Recognition.）
[61] Santoro, Adam, et al. 用记忆增强神经网络进行一次性学习（One-shot Learning with Memory-Augmented Neural Networks ） (一个一次性学习的基本步骤)
[62] Vinyals, Oriol, et al. 用于一次性学习的匹配网络（Matching Networks for One Shot Learning.）
[63] Hariharan, Bharath, and Ross Girshick. 少量视觉物体识别（Low-shot visual object recognition.）(走向大数据的一步)
3 应用
NLP（自然语言处理）
[1] Antoine Bordes, et al. 开放文本语义分析的词和意义表征的联合学习（Joint Learning of Words and Meaning Representations for Open-Text Semantic Parsing.）
[2] Mikolov, et al. 词和短语及其组合性的分布式表征（Distributed representations of words and phrases and their compositionality.） (word2vec)
[3] Sutskever, et al. 运用神经网络的序列到序列学习（Sequence to sequence learning with neural networks.）
[4] Ankit Kumar, et al. 问我一切：动态记忆网络用于自然语言处理（Ask Me Anything: Dynamic Memory Networks for Natural Language Processing.）
[5] Yoon Kim, et al. 角色意识的神经语言模型（Character-Aware Neural Language Models.）
[6] Jason Weston, et al. 走向人工智能-完成问题回答：一组前提玩具任务（Towards AI-Complete Question Answering: A Set of Prerequisite Toy Tasks.） (bAbI 任务)
[7] Karl Moritz Hermann, et al. 教机器阅读和理解（Teaching Machines to Read and Comprehend.）(CNN/每日邮件完形风格问题)
[8] Alexis Conneau, et al. 非常深度卷曲网络用于自然语言处理（Very Deep Convolutional Networks for Natural Language Processing.） (在文本分类中当前最好的)
[9] Armand Joulin, et al. 诡计包用于有效文本分类（Bag of Tricks for Efficient Text Classification.）(比最好的差一点，但快很多)
看完这个就知道学什么了
1、论文引用别人的思路而不算抄袭的话，第一要看模仿思路到什么程度，是全部照搬还是有所创新，第二要看模仿的思路是否用来解决了新的问题。2、一般而言思路是没有专属所有权的，也就是思路不能作为专利，但思路如果硬来解决问题，成了方法，那就享有著作权和专利权了。3、正确的方法是受到原思路的启发，在原有思路上进行拓展和创新，上升到新的层次，并用来解决新的问题。