杰弗里·彭宁顿
人员信息
其他同名人员
SPARQL查询
优化列表
2020年–今天
2024 [注2] 阿维·辛格 , John D.Co-Reyes公司 , 里沙布·阿加瓦尔 , 安克什·阿南德 , 皮尤什·帕蒂尔 , 泽维尔·加西亚 , 彼得·J·刘 , 哈里森 , 杰洪·李 , Kelvin Xu(徐开尔文) , 阿伦·帕里西 , 阿比谢克·库马尔 , 亚历山大·阿莱米 , 亚历克斯·里兹科夫斯基 , 新阿扎德 , 本·阿德拉姆 , 伯恩德·博内特 , Gamaleldin Fathy Elsayed公司 , 哈尼·塞吉 , 伊戈尔·莫达奇 , 伊莎贝拉·辛普森 , 伊泽丁·古尔 , 贾斯珀·斯诺克 , 杰弗里·彭宁顿 , 吉里·赫隆 , 凯萨琳·凯尼利 , 凯文·斯沃斯基 , Kshiteej Mahajan公司 , 劳拉·卡尔普 , 小乐超 , 麦克斯韦·L·比莱斯基 , 诺亚常数 , 罗曼·诺瓦克 , 罗珊·刘 , 特里斯·沃肯廷 , 钱云迪 , 亚米尼·班萨尔 , 伊桑·戴尔 , 贝纳姆·尼沙布尔 , 贾沙·索尔·迪克斯坦(Jascha Sohl-Dickstein) , 诺亚·菲德尔 :
超越人类数据:用语言模型解决问题的自我训练。 事务处理。 机器。 学习。 物件。 2024 ( 2024 ) [c36] 米切尔·沃茨曼 , 彼得·J·刘 , 小乐超 , 凯蒂·埃弗雷特 , 亚历山大·阿莱米 , 本·阿德拉姆 , John D.Co-Reyes公司 , 伊泽丁·古尔 , 阿比谢克·库马尔 , 罗曼·诺瓦克 , 杰弗里·彭宁顿 , 贾沙·索尔·迪克斯坦(Jascha Sohl-Dickstein) , Kelvin Xu(徐开尔文) , 杰洪·李 , 贾斯汀·吉尔默 , 西蒙·科恩布利特 :
大规模变压器训练不稳定性的小规模代理。 ICLR公司 2024 [公元35年] 凯蒂·埃弗雷特 , 小乐超 , 米切尔·沃茨曼 , 亚历山大·阿莱米 , 罗曼·诺瓦克 , 彼得·J·刘 , 伊泽丁·古尔 , 贾沙·索尔·迪克斯坦(Jascha Sohl-Dickstein) , Leslie Pack Kaelbling公司 , 杰洪·李 , 杰弗里·彭宁顿 :
跨参数化和优化器缩放指数。 ICML公司 2024 [i35] 布莱恩·莱斯特 , 杰洪·李 , 亚历克斯·阿勒米 , 杰弗里·彭宁顿 , 亚当·罗伯茨 , 贾沙·索尔·迪克斯坦(Jascha Sohl-Dickstein) , 诺亚常数 :
通过Neurally Compressed Text培训LLM。 CoRR公司 abs/2404.03626 ( 2024 ) [i34] 阿蒂什·阿加瓦拉 , 杰弗里·彭宁顿 :
高维分析揭示了保守的锐化和稳定性的随机边缘。 CoRR公司 abs/2404.19261 ( 2024 ) [i33] 埃利奥特·帕奎特 , 考特尼·帕奎特 , 小乐超 , 杰弗里·彭宁顿 :
4+3阶段的计算优化神经尺度律。 CoRR公司 abs/2405.15074 ( 2024 ) [i32] 凯蒂·埃弗雷特 , 小乐超 , 米切尔·沃茨曼 , 亚历山大·阿莱米 , 罗曼·诺瓦克 , 彼得·J·刘 , 伊泽丁·古尔 , 贾沙·索尔·迪克斯坦(Jascha Sohl-Dickstein) , Leslie Pack Kaelbling公司 , 杰洪·李 , 杰弗里·彭宁顿 :
跨参数化和优化器缩放指数。 CoRR公司 abs/2407.05872 ( 2024 ) [i31] 吉里·赫隆 , 劳拉·卡尔普 , Gamaleldin F.Elsayed公司 , 罗珊·刘 , 本·阿德拉姆 , 麦克斯韦·L·比莱斯基 , 伯恩德·博内特 , JD眼睛 , 诺亚·菲德尔 , C.丹尼尔·弗里曼 , 伊泽丁·古尔 , 凯萨琳·凯尼利 , 杰洪·李 , 彼得·J·刘 , 高拉夫·米什拉 , 伊戈尔·莫达奇 , 新阿扎德 , 罗曼·诺瓦克 , 亚伦·帕里西 , 杰弗里·彭宁顿 , 亚历克斯·里兹科夫斯基 , 伊莎贝拉·辛普森 , 哈尼·塞吉 , 贾沙·索尔·迪克斯坦(Jascha Sohl-Dickstein) , 凯文·斯沃斯基 , 莎拉·维克兰 , 特里斯·沃肯廷 , 小乐超 , Kelvin Xu(徐开尔文) , 贾斯珀·斯诺克 , 西蒙·科恩布利特 :
在知识图上训练语言模型:幻觉及其可检测性的见解。 CoRR公司 abs/2408.07852 ( 2024 ) 2023 [j1] 阿蒂什·阿加瓦拉 , 塞缪尔·斯特恩·肖恩霍尔茨 , 杰弗里·彭宁顿 , 亚恩·N·多芬 :
温度检查:具有软最大交叉能量损失的训练模型的理论和实践。 事务处理。 机器。 学习。 物件。 2023 ( 2023 ) [公元34年] 阿蒂什·阿加瓦拉 , 费比安·佩德雷戈萨 , 杰弗里·彭宁顿 :
二阶回归模型显示出逐渐趋于稳定的趋势。 ICML公司 2023 : 169-195 [i30] 米切尔·沃茨曼 , 彼得·J·刘 , 小乐超 , 凯蒂·埃弗雷特 , 亚历克斯·阿勒米 , 本·阿德拉姆 , John D.Co-Reyes公司 , 伊泽丁·古尔 , 阿比谢克·库马尔 , 罗曼·诺瓦克 , 杰弗里·彭宁顿 , 贾沙·索尔·迪克斯坦(Jascha Sohl-Dickstein) , Kelvin Xu(徐开尔文) , 杰洪·李 , 贾斯汀·吉尔默 , 西蒙·科恩布利特 :
大规模变压器训练不稳定性的小规模代理。 CoRR公司 abs/2309.14322 ( 2023 ) [i29] C.丹尼尔·弗里曼 , 劳拉·卡尔普 , 亚伦·帕里西 , 麦克斯韦·L·比莱斯基 , Gamaleldin F.Elsayed公司 , 亚历克斯·里兹科夫斯基 , 伊莎贝拉·辛普森 , 亚历克斯·阿勒米 , 新阿扎德 , 本·阿德拉姆 , 伯恩德·博内特 , 高拉夫·米什拉 , 哈尼·塞吉 , 伊戈尔·莫达奇 , 伊泽丁·古尔 , 杰洪·李 , John D.Co-Reyes公司 , 杰弗里·彭宁顿 , Kelvin Xu(徐开尔文) , 凯文·斯沃斯基 , Kshiteej Mahajan公司 , 小乐超 , 罗珊·刘 , 西蒙·科恩布利特 , 诺亚常数 , 彼得·J·刘 , 罗曼·诺瓦克 , 钱云迪 , 诺亚·菲德尔 , 贾沙·索尔·迪克斯坦(Jascha Sohl-Dickstein) :
前沿语言模型对对手算术不可靠,或“我需要说什么才能让你同意2+2=5?”? CoRR公司 abs/2311.07587 ( 2023 ) [第28条] 阿维·辛格 , John D.Co-Reyes公司 , 里沙布·阿加瓦尔 , 安克什·阿南德 , 皮尤什·帕蒂尔 , 泽维尔·加西亚 , 彼得·J·刘 , 哈里森 , 杰洪·李 , Kelvin Xu(徐开尔文) , 亚伦·帕里西 , 阿比谢克·库马尔 , 亚历克斯·阿勒米 , 亚历克斯·里兹科夫斯基 , 新阿扎德 , 本·阿德拉姆 , 伯恩德·博内特 , Gamaleldin F.Elsayed公司 , 哈尼·塞吉 , 伊戈尔·莫达奇 , 伊莎贝拉·辛普森 , 伊泽丁·古尔 , 贾斯珀·斯诺克 , 杰弗里·彭宁顿 , 吉里·赫隆 , 凯萨琳·凯尼利 , 凯文·斯沃斯基 , Kshiteej Mahajan公司 , 劳拉·卡尔普 , 小乐超 , 麦克斯韦·L·比莱斯基 , 诺亚常数 , 罗曼·诺瓦克 , 罗珊·刘 , 特里斯·沃肯廷 , 钱云迪 , 亚米尼·班萨尔 , 伊桑·戴尔 , 贝纳姆·尼沙布尔 , 贾沙·索尔·迪克斯坦(Jascha Sohl-Dickstein) , 诺亚·菲德尔 :
超越人类数据:用语言模型解决问题的自我训练。 CoRR公司 abs/2312.06585 ( 2023 ) 2022 [c33] 本·阿德拉姆 , 杰克·A·莱文森 , 杰弗里·彭宁顿 :
高维非线性混合的随机矩阵透视。 AISTATS公司 2022 : 3434-3457 [公元32年] 杰弗里·彭宁顿 , 罗斯·哈特曼 , 阿什维尼·戴维森 , 阿里·肖库芬德 , 乔伊·佩顿 , 丹尼尔·陈 , 安德烈·迪特里希 :
数据科学在线教育:机遇与挑战。 阿米亚 2022 [公元31年] 加布里埃尔·梅尔 , 杰弗里·彭宁顿 :
高维各向异性随机特征回归。 ICLR公司 2022 [公元30年] 吉里·赫隆 , 罗曼·诺瓦克 , 杰弗里·彭宁顿 , 贾沙·索尔·迪克斯坦(Jascha Sohl-Dickstein) :
宽贝叶斯神经网络有一个简单的加权后验:理论和加速采样。 ICML公司 2022 : 8926-8945 [公元29年] 小乐超 , 杰弗里·彭宁顿 :
深度学习中的协同与对称:数据、模型和推理算法之间的交互。 ICML公司 2022 : 24347-24369 [公元28年] 考特尼·帕奎特 , 埃利奥特·帕奎特 , 本·阿德拉姆 , 杰弗里·彭宁顿 :
内隐规则化还是内隐条件反射? 高维SGD的准确风险轨迹。 NeurIPS公司 2022 [c27] 小乐超 , 洪湖 , 西奥多·米西亚基维奇 , 岳麓 , 杰弗里·彭宁顿 :
点产品核回归的精确学习曲线和高阶尺度。 NeurIPS公司 2022 [i27] 小乐超 , 杰弗里·彭宁顿 :
点积核回归的精确学习曲线和高阶尺度极限。 CoRR公司 abs/2205.14846 ( 2022 ) [i26] 考特尼·帕奎特 , 埃利奥特·帕奎特 , 本·阿德拉姆 , 杰弗里·彭宁顿 :
隐式正则化还是隐式条件反射? 高维SGD的准确风险轨迹。 CoRR公司 腹肌/2206.07252 ( 2022 ) [i25] 吉里·赫隆 , 罗曼·诺瓦克 , 杰弗里·彭宁顿 , 贾沙·索尔·迪克斯坦(Jascha Sohl-Dickstein) :
宽贝叶斯神经网络有一个简单的加权后验:理论和加速采样。 CoRR公司 abs/2206.07673 ( 2022 ) 【i24】 小乐超 , 杰弗里·彭宁顿 :
深度学习中的协同与对称:数据、模型和推理算法之间的交互。 CoRR公司 abs/2207.04612 ( 2022 ) [第23条] 阿蒂什·阿加瓦拉 , 费比安·佩德雷戈萨 , 杰弗里·彭宁顿 :
二阶回归模型显示出逐渐趋于稳定的趋势。 CoRR公司 abs/2210.04860 ( 2022 ) 2021 [公元26年] 本·阿德拉姆 , 杰洪·李 , 小乐超 , 杰弗里·彭宁顿 , 贾斯珀·斯诺克 :
探索神经网络隐式先验在无限宽度极限下的不确定性。 ICLR公司 2021 [公元25年] 尼勒什·特里普拉内尼 , 本·阿德拉姆 , 杰弗里·彭宁顿 :
过度参数化提高了高维协变量移位的稳健性。 NeurIPS公司 2021 : 13883-13897 [i22] 尼勒什·特里普拉内尼 , 本·阿德拉姆 , 杰弗里·彭宁顿 :
高维随机特征回归中的协变量偏移。 CoRR公司 abs/2111.08234 ( 2021 ) 2020 [公元24年] 魏虎 , 小乐超 , 杰弗里·彭宁顿 :
正交初始化在优化深线性网络中的可证明优势。 ICLR公司 2020 【c23】 本·阿德拉姆 , 杰弗里·彭宁顿 :
高维神经切线核:三重下降和多尺度泛化理论。 ICML公司 2020 : 74-84 [公元22年] 小乐超 , 杰弗里·彭宁顿 , 塞缪尔·斯特恩·肖恩霍尔茨 :
深层神经网络中的分离可训练性和泛化。 ICML公司 2020 : 10462-10472 【c21】 本·阿德拉姆 , 杰弗里·彭宁顿 :
理解双下降需要精细的偏差方差分解。 NeurIPS公司 2020 [公元20年] 魏虎 , 小乐超 , 本·阿德拉姆 , 杰弗里·彭宁顿 :
神经网络早期学习动力学的惊人简单性。 NeurIPS公司 2020 [第19条] 杰洪·李 , 塞缪尔·肖恩霍尔茨 , 杰弗里·彭宁顿 , 本·阿德拉姆 , 小乐超 , 罗曼·诺瓦克 , 贾沙·索尔·迪克斯坦(Jascha Sohl-Dickstein) :
有限与无限神经网络:一项实证研究。 NeurIPS公司 2020 【i21】 魏虎 , 小乐超 , 杰弗里·彭宁顿 :
正交初始化在优化深线性网络中的可证明优势。 CoRR公司 abs/2001.05992 ( 2020 ) [i20] 吉里·赫隆 , 亚萨曼·巴赫里 , 罗曼·诺瓦克 , 杰弗里·彭宁顿 , 贾沙·索尔·迪克斯坦(Jascha Sohl-Dickstein) :
宽贝叶斯神经网络的精确后验分布。 CoRR公司 abs/2006.10541 ( 2020 ) [i19] 魏虎 , 小乐超 , 本·阿德拉姆 , 杰弗里·彭宁顿 :
神经网络早期学习动力学的惊人简单性。 CoRR公司 abs/2006.14599 ( 2020 ) [i18] 杰洪·李 , 塞缪尔·肖恩霍尔茨 , 杰弗里·彭宁顿 , 本·阿德拉姆 , 小乐超 , 罗曼·诺瓦克 , 贾沙·索尔·迪克斯坦(Jascha Sohl-Dickstein) :
有限与无限神经网络:一项实证研究。 CoRR公司 腹肌/2007.15801 ( 2020 ) [i17] 本·阿德拉姆 , 杰弗里·彭宁顿 :
高维神经切线核:三重下降和多尺度泛化理论。 CoRR公司 abs/2008.06786 ( 2020 ) [i16] 阿蒂什·阿加瓦拉 , 杰弗里·彭宁顿 , 亚恩·N·多芬 , 塞缪尔·肖恩霍尔茨 :
温度检查:具有软最大交叉能量损失的训练模型的理论和实践。 CoRR公司 abs/2010.07344 ( 2020 ) 【i15】 本·阿德拉姆 , 杰洪·李 , 小乐超 , 杰弗里·彭宁顿 , 贾斯珀·斯诺克 :
探索神经网络隐式先验在无限宽度极限下的不确定性。 CoRR公司 abs/2010.07355 ( 2020 ) [第14条] 本·阿德拉姆 , 杰弗里·彭宁顿 :
理解二次下降需要细粒度偏差-方差分解。 CoRR公司 abs/2011.03321 ( 2020 )
2010 – 2019
2019 [第18条] Krzysztof Choromanski公司 , 阿尔多·帕奇亚诺 , 杰弗里·彭宁顿 , 汤云浩 :
KAMA-NNs:基于低维旋转的神经网络。 AISTATS公司 2019 : 236-245 [c17] 罗曼·诺瓦克 , 小乐超 , 亚萨曼·巴赫里 , 杰洪·李 , 格雷格·杨 , 吉里·赫隆 , 丹尼尔·阿博拉菲亚 , 杰弗里·彭宁顿 , 贾沙·索尔·迪克斯坦(Jascha Sohl-Dickstein) :
多信道贝叶斯深卷积网络是高斯过程。 ICLR(海报) 2019 [第16条] 格雷格·杨 , 杰弗里·彭宁顿 , 维奈·饶(Vinay Rao) , 贾沙·索尔·迪克斯坦(Jascha Sohl-Dickstein) , 塞缪尔·肖恩霍尔茨 :
批归一化的平均场理论。 ICLR(海报) 2019 [第15条] 杰洪·李 , 小乐超 , 塞缪尔·肖恩霍尔茨 , 亚萨曼·巴赫里 , 罗曼·诺瓦克 , 贾沙·索尔·迪克斯坦(Jascha Sohl-Dickstein) , 杰弗里·彭宁顿 :
任意深度的宽神经网络在梯度下降下演化为线性模型。 NeurIPS公司 2019 : 8570-8581 [i13] 达尔·吉尔博亚 , 薄昌 , 陈敏敏 , 格雷格·杨 , 塞缪尔·肖恩霍尔茨 , Ed H.Chi先生 , 杰弗里·彭宁顿 :
LSTM和GRU的动态等距和平均场理论。 CoRR公司 abs/1901.08987 ( 2019 ) [i12] 杰洪·李 , 小乐超 , 塞缪尔·肖恩霍尔茨 , 亚萨曼·巴赫里 , 贾沙·索尔·迪克斯坦(Jascha Sohl-Dickstein) , 杰弗里·彭宁顿 :
任意深度的宽神经网络在梯度下降下演化为线性模型。 CoRR公司 abs/1902.06720 ( 2019 ) [i11] 格雷格·杨 , 杰弗里·彭宁顿 , 维奈·饶(Vinay Rao) , 贾沙·索尔·迪克斯坦(Jascha Sohl-Dickstein) , 塞缪尔·肖恩霍尔茨 :
批归一化的平均场理论。 CoRR公司 abs/1902.08129 ( 2019 ) [i10] 本·阿德拉姆 , 杰克·莱文森 , 杰弗里·彭宁顿 :
深度学习非线性混合的随机矩阵观点。 CoRR公司 腹肌/1912.00827 ( 2019 ) [第九章] 小乐超 , 杰弗里·彭宁顿 , 塞缪尔·肖恩霍尔茨 :
在深度学习中消除可训练性和泛化。 CoRR公司 abs/1912.13053 ( 2019 ) 2018 [第14条] 杰弗里·彭宁顿 , 塞缪尔·肖恩霍尔茨 , 苏里亚神经节 :
深网络中频谱普遍性的出现。 AISTATS公司 2018 : 1924-1932 [第13条] 杰洪·李 , 亚萨曼·巴赫里 , 罗曼·诺瓦克 , 塞缪尔·肖恩霍尔茨 , 杰弗里·彭宁顿 , 贾沙·索尔·迪克斯坦(Jascha Sohl-Dickstein) :
作为高斯过程的深度神经网络。 ICLR(海报) 2018 [第12条] 罗曼·诺瓦克 , 亚萨曼·巴赫里 , 丹尼尔·阿博拉菲亚 , 杰弗里·彭宁顿 , 贾沙·索尔·迪克斯坦(Jascha Sohl-Dickstein) :
神经网络的敏感性和泛化:一项实证研究。 ICLR(海报) 2018 [第11条] 陈敏敏 , 杰弗里·彭宁顿 , 塞缪尔·肖恩霍尔茨 :
RNN的动态等距和平均场理论:选通使信号能够在递归神经网络中传播。 ICML公司 2018 : 872-881 [第10条] 小乐超 , 亚萨曼·巴赫里 , 贾沙·索尔·迪克斯坦(Jascha Sohl-Dickstein) , 塞缪尔·肖恩霍尔茨 , 杰弗里·彭宁顿 :
CNN的动态等距和平均场理论:如何训练10000层香草卷积神经网络。 ICML公司 2018 : 5389-5398 【c9】 杰弗里·彭宁顿 , 普拉蒂克·沃拉 :
单层神经网络Fisher信息矩阵的谱。 NeurIPS公司 2018 : 5415-5424 [i8] 罗曼·诺瓦克 , 亚萨曼·巴赫里 , 丹尼尔·阿博拉菲亚 , 杰弗里·彭宁顿 , 贾沙·索尔·迪克斯坦(Jascha Sohl-Dickstein) :
神经网络的敏感性和泛化:一项实证研究。 CoRR公司 abs/1802.08760 ( 2018 ) [i7] 杰弗里·彭宁顿 , 塞缪尔·肖恩霍尔茨 , 苏里亚神经节 :
深网络中谱普遍性的出现。 CoRR公司 abs/1802.09979 ( 2018 ) [i6] 小乐超 , 亚萨曼·巴赫里 , 贾沙·索尔·迪克斯坦(Jascha Sohl-Dickstein) , 塞缪尔·肖恩霍尔茨 , 杰弗里·彭宁顿 :
CNN的动态等距和平均场理论:如何训练10000层香草卷积神经网络。 CoRR公司 abs/1806.05393 ( 2018 ) [i5] 陈敏敏 , 杰弗里·彭宁顿 , 塞缪尔·肖恩霍尔茨 :
RNN的动态等距和平均场理论:选通使信号能够在递归神经网络中传播。 CoRR公司 abs/1806.05394 ( 2018 ) [i4] 罗曼·诺瓦克 , 小乐超 , 杰洪·李 , 亚萨曼·巴赫里 , 丹尼尔·阿博拉菲亚 , 杰弗里·彭宁顿 , 贾沙·索尔·迪克斯坦(Jascha Sohl-Dickstein) :
多通道贝叶斯卷积神经网络是高斯过程。 CoRR公司 abs/1810.05148 ( 2018 ) 2017 【c8】 杰弗里·彭宁顿 , 亚萨曼·巴赫里 :
基于随机矩阵理论的神经网络损失曲面几何。 ICML公司 2017 : 2798-2806 【c7】 杰弗里·彭宁顿 , 普拉蒂克·沃拉 :
用于深度学习的非线性随机矩阵理论。 钳口 2017 : 2637-2646 【c6】 杰弗里·彭宁顿 , 塞缪尔·肖恩霍尔茨 , 苏里亚神经节 :
通过动态等距复活深度学习中的S形:理论与实践。 钳口 2017 : 4785-4795 [i3] 塞缪尔·肖恩霍尔茨 , 杰弗里·彭宁顿 , 贾沙·索尔·迪克斯坦(Jascha Sohl-Dickstein) :
随机神经网络与统计场论之间的对应关系。 CoRR公司 abs/1710.06570 ( 2017 ) [i2] 杰洪·李 , 亚萨曼·巴赫里 , 罗曼·诺瓦克 , 塞缪尔·肖恩霍尔茨 , 杰弗里·彭宁顿 , 贾沙·索尔·迪克斯坦(Jascha Sohl-Dickstein) :
作为高斯过程的深度神经网络。 CoRR公司 abs/1711.00165 ( 2017 ) [i1] 杰弗里·彭宁顿 , 塞缪尔·肖恩霍尔茨 , 苏里亚神经节 :
通过动态等距复活深度学习中的S形:理论与实践。 CoRR公司 abs/1711.04735 ( 2017 ) 2016 【c5】 凯文·墨菲 , 杰弗里·彭宁顿 , 亚伦·N·布朗 , 拜伦·鲁思 , 里图·哈雷 , 勒马尔·戴维森 , 帕特里夏·K·莫里斯 , 莱文·H·尤蒂让 , 查尔斯·贝利 :
临床数据研究网络经验教训。 国际广播电台 2016 2015 【c4】 杰弗里·彭宁顿 , 费利克斯·X·余 , 桑吉夫·库马尔 :
多项式核的球面随机特征。 钳口 2015 : 1846-1854 2014 【c3】 杰弗里·彭宁顿 , 理查德·索彻 , 克里斯托弗·曼宁 :
手套:单词表示的全局向量。 EMNLP公司 2014 : 1532-1543 2011 [c2] 理查德·索彻 , 杰弗里·彭宁顿 , 埃里克·H·黄 , 恩吉 , 克里斯托弗·曼宁 :
用于预测情绪分布的半监督递归自动编码器。 EMNLP公司 2011 : 151-161 【c1】 理查德·索彻 , 埃里克·H·黄 , 杰弗里·彭宁顿 , 恩吉 , 克里斯托弗·曼宁 :
用于短语检测的动态池和展开递归自动编码器。 钳口 2011 : 801-809