js05212/BayesianDeepLearning-Survey

它解决了什么问题

贝叶斯深度学习是一个快速发展的研究领域，很容易错过重要的工作。这个仓库作为一个结构化的、持续更新的参考，收集了多个应用领域的论文，让你能快速了解已有的工作和研究方向。它基于发表在《ACM Computing Surveys》（2020年）上的正式综述，并扩展了更新的研究。

它是如何工作的

该项目是一个GitHub仓库，其README是一个分类的论文列表。每个条目提供论文标题、作者、发表地点以及PDF链接（有时还有代码或幻灯片）。分类涵盖主要应用领域：推荐系统、领域适应和元学习、医疗保健、自然语言处理、计算机视觉、控制和规划、图、主题建模、语音、预测、联邦学习、持续学习、AI for science，以及其他。有些论文出现在多个类别中，并进行了交叉引用。列表会随时间更新，正如标题所说，“An Updating Survey”。

适合谁

这面向机器学习、深度学习领域的研究人员、研究生和实践者，他们希望获得贝叶斯深度学习文献的全面、最新地图。对于刚进入该领域或寻找特定应用领域相关工作的人来说尤其有用。

亮点

• 基于发表在《ACM Computing Surveys》2020年上的同行评审综述。
• 涵盖广泛的应用领域，从医疗保健到计算机视觉再到自然语言处理。
• 每个条目包含直接的PDF链接，方便获取全文。
• 相关部分之间的交叉引用帮助你跟踪跨多个主题的工作。
• 该仓库明确描述为“不断更新和扩展”，因此它追踪了原始综述之外的新发展。