Transformers研究指南

从基础到 RNN 和 LSTM，NLP 取得的进展都有哪些？

理解神经网络：从神经元到RNN、CNN、深度学习

眺望新NLP模型：利用人类眼动来提升性能

放弃幻想，全面拥抱 Transformer：自然语言处理三大特征抽取器（CNN/RNN/TF）比较（下篇）

「顶会见闻系列」之 EMNLP 2018 详细参会见闻（上篇）

循环神经网络的增强方法：注意力机制以及更多

谷歌 Transformer 模型再进化，「图灵完备」版已上线

使用 RNN 进行情感分析的初学者指南

Word2Vec —— 深度学习的一小步，自然语言处理的一大步

用中文传话游戏理解 RNN

手把手教你训练 RNN | Part II

会打电话的 AI 背后：谷歌 Duplex 技术解析

阿里巴巴：基于交替方向法的循环神经网络多比特量化 | ICLR 2018

我们分析了最流行的歌词，教你用RNN写词编曲（附代码）

平安科技罗冬日：如何用RNN实现语音识别？| 分享总结

Kaggle比赛冠军经验分享：如何用 RNN 预测维基百科网络流量

百度发布 Deep Speech 3，不同应用场景下轻松部署高精度语音识别模型