神经网络
按时间查看这条路线的关键转折。
Rosenblatt 提出感知机
Frank Rosenblatt 提出感知机学习规则，并在 Cornell Aeronautical Laboratory 制作 Mark I 硬件，用样本训练二元图像分类。
《Perceptrons》划出单层网络的边界
Minsky 与 Papert 系统分析感知机，证明单层线性模型无法解决 XOR 等问题，并讨论了计算复杂度限制。
反向传播算法
Rumelhart、Hinton 与 Williams 展示如何用误差反向传播训练多层网络，使隐藏层能够从样本中形成内部表示。
深度置信网络重启深层学习
Hinton、Osindero 与 Teh 提出深度置信网络的快速逐层训练方法，让“深度学习”重新成为可实验的研究路线。