51、基於深度PCA的人臉識別（Face Recognition using Deep PCA）（英文，會議論文，2013年，EI檢索）
這篇文章是典型的PCANet的前身，只不過相對於PCANet顯得更爲簡化。基本思想是做了雙層的PCA映射，並且在映射過程中進行了ZCA白化。其訓練集的分類方法和對比實驗思路以及對實驗結果的描述值得借鑑。
52、深度人臉識別（Deep Face Recognition）（英文，會議。2015年，EI檢索）
這篇文章主要在講兩個問題：一是如何製備大的人臉數據集 ；二是如何設計更深層的CNN。
53、基於PCANet的標註視頻行人檢測（Human fall detection in surveillance video based on PCANet）（英文，會議論文，2015年，EI檢索）
PCANet與SVM相結合，在跌倒檢測方面的應用，而且對實驗結果的描述方式也值得借鑑。
54、基於全連接卷積神經網絡的稀疏追蹤（Visual Tracking with Fullu convolutional network）（英文，會議論文，2015年，EI檢索）
將深度學習中卷積神經網絡用於目標跟蹤。文章有兩個重要啓發：一是在對層間特徵進行融合時，有必要構建相應數量的對比實驗，用以驗證各層特徵所具有的獨特特性；二是用一種優化算法對特徵map進行篩選，提高魯棒性提高速度。
55、改進的BP神經網絡人臉識別算法（Face Recognition Algorithm Based on Improved BP neural Network）（英文，會議，2015年，EI檢索）
使用Gabor濾波器提取特徵，用PCA 進行特徵降維，通過混沌算法對傳統的BP神經網絡進行優化，主要針對人臉圖像中的光照干擾進行實驗。
56、2D-LDA：基於統計學線性判別分析的圖像識別方法（2D-LDA:A statistical linear discriminant analysis for Image matrix）（英文，期刊，2004，IEEE）
這篇文獻是2DLDA的最原始的文獻，在使用到2DLDA時基本上需要參考到這篇文獻，其原理與2DPCA的原理極其相似。
57、深度學習綜述（Deep Learning）（英文，期刊，2015年，Nature）
這是一篇極具科普性質的深度學習綜述，由三位DeepLearning領域的頂尖人物所寫，並發表在Nature雜誌上。全文幾乎沒有公式，用圖文結合的方式把深度學習模型的特點、訓練方式、常見問題、模型的發展、應用前景等問題描述得很清楚，個人覺得每個搞深度學習的研究人員在人們階段都用該好好看看這篇綜述文章。
58、神經網絡七十年：迴歸與展望（中文，期刊，2016，知網）
神經網絡方面最新的一篇綜述，2016年發表。由於自己在研究卷積神經網絡，對於綜述中有關自編碼器和深度置信網絡的內容都沒有大致研究。這篇綜述對神經網絡最開始的方式以及原理表述得都很清楚，閱讀完這篇文獻之後有一個感想：雖然現在CNN相對於五六十年前的基本的神經網絡模型已經被改的面目全非，但萬變不離其宗，其基本的神經元構造都是一樣的。
59、多層深度多度量學習圖像集分類算法（Multi-Manifold Deep Metric Learning for Image Set Classification）（英文，期刊，2016，CVPR）
這篇文章也算是對CNN的一種改進，對每一類單獨訓練一個網絡模型，然後在每一層都執行一次最大化類間誤差、最小化類內誤差的操作，其他方面則借用傳統的CNN，其中所用數據庫並不要求特別巨大，通俗的講，就是Fisher+CNN。
60、基於圖像集的局部多層特徵度量學習人臉識別（Localized Multifeature Metric Learning for Image-Set-Based Face Recognition）（英文，期刊，2016，IEEE）
詳細介紹了多層度量學習的概念，度量矩陣的學習類似於經典的Fisher準則，多核空間抽象映射則暗含了深度學習（深層映射）的概念，仍有Fisher+Deep learning的影子，可歸屬於子空間深度化的研究範疇。
如果覺得這篇文章對您有所啓發，歡迎關注我的公衆號，我會盡可能積極和大家交流，謝謝。
