Voici une liste de publications importantes en informatique, organisés par domaine.
Quelques raisons pour lesquelles une publication peut être considérée comme importante : sujet créateur – Une publication qui a créé un nouveau sujet ; découverte – Une publication qui a changé de manière significative les connaissances scientifiques ; influence – Une publication qui a considérablement influencé le monde, ou qui a eu un impact massif sur l'enseignement de l'informatique.
Intelligence artificielle
Computing Machinery and Intelligence, Alan Turing, Mind, 59:433–460, 1950 (Copie en ligne). Cet article suggère le test de Turing comme méthode pour faire la différenciation entre machine et humain. A Proposal for the Dartmouth Summer Research Project on Artificial Intelligence, John McCarthy, Marvin Minsky, N. Rochester, Claude Shannon (Copie en ligne). Ce projet de recherche d'été a inauguré et a défini le champ. Il contient la première utilisation du terme de l'intelligence artificielle et cette description succincte de la base philosophique du champ : (Voir la philosophie de l'intelligence artificiel). Cette proposition a invité les chercheurs à la conférence de Dartmouth, qui est largement considérée comme la naissance de l'IA. (Voir l'histoire de l'IA.). Fuzzy sets, Lotfi Zadeh, Information and Control, Vol. 8, , 1965. Cet article fondateur publié en 1965 fournit des détails sur les mathématiques de la théorie des ensembles flous. Probabilistic Reasoning in Intelligent Systems: Networks of Plausible Inference, Judea Pearl . Ce livre introduit les méthodes bayésiennes aux AI. Artificial Intelligence: A Modern Approach, Stuart J. Russell, Peter Norvig, Prentice Hall, Englewood Cliffs, New Jersey, 1995, (Copie en ligne). Manuel de référence en Intelligence Artificielle. Le site Web du livre répertorie plus de .
Apprentissage automatique An Inductive Inference Machine, Ray Solomonoff, IRE Convention Record, Section on Information Theory, Part 2, , 1957. Le premier document écrit sur l'apprentissage automatique. Il souligne l'importance des séquences de formation, et l'utilisation de partie de solutions précédentes à des problèmes dans la construction de solutions d'essai à de nouveaux problèmes. Language identification in the limit, E. Mark Gold, Information and Control, 10(5):447–474, 1967 ((HTML) (PDF)). Ce document créé la théorie de l'apprentissage algorithmique. On the uniform convergence of relative frequencies of events to their probabilities, Vladimir Vapnik, Alexeï Tchervonenkis, Theory of Probability and Its Applications, 16(2):264—280, 1971. Théorie de l'apprentissage informatique, la théorie VC, la convergence uniforme statistique et la dimension VC. A theory of the learnable, Leslie Valiant, Communications of the ACM, 27(11):1134–1142, 1984. Apprentissage PAC. , David Rumelhart, Geoffrey Hinton et Ronald J. Williams, Nature, 323, 533—536, 1986. Développement de l'algorithme rétropropagation pour les réseaux de neurones artificiels. Notez que l'algorithme a été décrit par en 1974. Induction of Decision Trees, Ross Quinlan, Machine Learning, 1. 81—106, 1986. Les arbres de décision sont un algorithme d'apprentissage commun et un outil de représentation de décision. Learning Quickly When Irrelevant Attributes Abound: A New Linear-threshold Algorithm, Nick Littlestone, Machine Learning 2: 285–318, 1988 (Version en ligne (PDF)) , Richard S. Sutton, Machine Learning 3(1): 9–44 (Version en ligne). La méthode de différence temporelle pour l'apprentissage par renforcement. Learnability and the Vapnik–Chervonenkis dimension, A. Blumer, Andrzej Ehrenfeucht, D. Haussler, M. K. Warmuth, Journal of the ACM, 36(4):929–965, 1989. Caractérisation complète de l'apprentissage PAC en utilisant la dimension VC. Cryptographic limitations on learning boolean formulae and finite automata , M. Kearns, Leslie Valiant, Symposium on Theory of Computing, pages 433–444, New York, ACM. (Version en ligne (HTML)). Preuves des résultats négatifs pour l'apprentissage PAC. The strength of weak learnability, Robert Schapire, Machine Learning, 5(2):197–227, 1990. (Version en ligne (HTML)). Preuve que l'apprenabilité faible et forte sont équivalentes dans le cadre PAC. A training algorithm for optimum margin classifiers, Bernhard E. Boser, Isabelle M. Guyon, Vladimir Vapnik, (Version en ligne (HTML)). Ce document présente les machines à vecteurs de support, un algorithme d'apprentissage automatique pratique et populaire. Les machines à vecteurs de support utilisent souvent l'astuce du noyau. A fast learning algorithm for deep belief nets, Geoffrey E. Hinton, Simon Osindero, Yee-Whye Teh, Neural Computation, 2006 ( en ligne) Knowledge-based analysis of microarray gene expression data by using support vector machines, MP Brown, WN Grundy, D Lin, Nello Cristianini, CW Sugnet, TS Furey, M Ares Jr, David Haussler, PNAS, ; 97(1):262–7.. La première application de l'apprentissage supervisé à des données d'expression génétique, en particulier la machine à vecteurs de support. La méthode est maintenant standard, et le document est l'un des plus cités dans ce domaine.
Compilateurs
. Analyseur LR. Semantics of Context-Free Languages, Donald Knuth, Math. Systems Theory 2:2 (1968), 127–145. À propos de l'attribution de la grammaire, la base pour s-attribué de yacc et l'approche de LR-attribué de zyacc. A program data flow analysis procedure, Frances E. Allen, John Cocke, Commun. ACM, 19, 137—147. A Unified Approach to Global Program Optimization, Gary Kildall, Proceedings of ACM Sigact-Sigplan 1973 Symposium on Principles of Programming Languages (pdf). A formalisé le concept d'analyse de flux de données comme point fixe de calcul sur treillis. YACC: Yet another compiler-compiler, Stephen C. Johnson, Unix Programmer's Manual Vol 2b, 1979 (Lire en ligne (HTML). Yacc est un outil de génération d'analyseurs syntaxiques. , Susan L. Graham, Peter B. Kessler, Marshall Kirk McKusick, Proceedings of the ACM Sigplan 1982 Symposium on Compiler Construction, Sigplan Notices 17, 6, Boston, MA., . (Lire en ligne ; pdf). Le profilage gprof. Compilers: Principles, Techniques and Tools, Alfred V. Aho, Ravi Sethi, Jeffrey D. Ullman, Monica Lam, Addison-Wesley, 1986. . Ce livre est devenu un classique dans l'écriture de compilateur.
Architecture d'un ordinateur
Colossus computer, Tommy Flowers, Annals of the History of Computing, Vol. 5 (No. 3), 1983, . (The Design of Colossus). Les machines Colossus étaient les premiers appareils informatiques utilisés par les cryptanalyses britanniques pour briser les messages allemands chiffrés avec la machine de Lorenz pendant la Seconde Guerre mondiale. Colossus est un ordinateur numérique électronique binaire. First Draft of a Report on the EDVAC, John von Neumann. , le projet ENIAC. (First Draft of a report on the EDVAC) (). Contient la première description publiée de la conception logique d'un ordinateur à l'aide de l'architecture de von Neumann. Architecture of the IBM System/360, Gene Amdahl, Fred Brooks, G. A. Blaauw, IBM Journal of Research and Development, 1964. (Architecture of the IBM System/360). Le système IBM/360 est une famille de système d'ordinateur central annoncé par IBM le . Il a été la première famille d'ordinateurs faisant une distinction claire entre l'architecture et la mise en œuvre. The case for the reduced instruction set computer, DA Patterson, DR Ditzel, Computer Architecture News, vol. 8, , , . (Version en ligne ()) Comments on the Case for the Reduced Instruction Set Computer, DW Clark, WD Strecker, Computer Architecture News, 1980. (Version en ligne () The CRAY-1 Computer System, DW Clark, WD Strecker, Communications of the ACM, , volume 21, numéro 1, pages 63–72. (Version en ligne ()). Le Cray-1 était un supercalculateur conçu par une équipe comprenant Seymour Cray pour Cray Research. Le premier système Cray-1 a été installé au Los Alamos National Laboratory en 1976, il est devenu l'un des supercalculateurs les plus connus et les plus réussis de l'histoire. Validity of the Single Processor Approach to Achieving Large Scale Computing Capabilities, Gene Amdahl, AFIPS 1967 Spring Joint Computer Conference, Atlantic City, N.J. (Version en ligne ()). La Loi d'Amdahl. A Case for Redundant Arrays of Inexpensive Disks (RAID), David A. Patterson, Garth Gibson, Randy H. Katz, In International Conference on Management of Data, pages 109—116, 1988. (Version en ligne ()). Le document présente le concept de disques RAID, décrit les différents niveaux de RAID, et les avantages de chaque niveau.
Infographie
, J. Kajiya, Siggraph: ACM Special Interest Group on Computer Graphics and Interactive Techniques, pages 143—150The rendering equation Elastically deformable models, Demetri Terzopoulos, John Platt, Alan Barr, Kurt Fleischer, Computer Graphics, 21(4), 1987, 205–214, Proc. ACM SIGGRAPH'87 Conference, Anaheim, CA, . (Version en ligne ()).
Vision numérique
The Phase Correlation Image Alignment Method, C.D. Kuglin, D.C. Hines, IEEE 1975 Conference on Cybernetics and Society, 1975, New York, . Une méthode de corrélation basée sur la transformation de Fourier inverse. , B.K.P. Horn, B.G. Schunck, Artificial Intelligence, Volume 17, 185–203, 1981. . Une méthode d'estimation du mouvement d'image de points entre deux images d'une séquence vidéo. An Iterative Image Registration Technique with an Application to Stereo Vision, B.D. Lucas, Takeo Kanade, Proceedings of the International Joint Conference on Artificial Intelligence, 674–679, Vancouver, Canada, 1981 (Version en ligne). Ce document fournit une technique efficace pour l'enregistrement d'image. The Laplacian Pyramid as a compact image code, Peter J. Burt, Edward H. Adelson, IEEE Transactions on Communications, volume = COM-31,4, , 1983. (Version en ligne). Une technique pour l'encodage d'image en utilisant des opérateurs locaux de nombreuses échelles. Stochastic relaxation, Gibbs distributions, and the Bayesian restoration of images, Stuart Geman, Donald Geman, IEEE Transactions on Pattern Analysis and Machine Intelligence, 1984. Introduction de 1) MRFs pour l'analyse d'image 2) l'échantillonnage de Gibbs qui a révolutionné la statistique bayésienne et donc eu un impact primordial dans de nombreux autres domaines, en plus de la vision par ordinateur. Snakes: Active contour models, Michael Kass, Andrew Witkin, Demetri Terzopoulos. Une technique interactive variationnelle pour la segmentation d'images et suivi visuel. Condensation – conditional density propagation for visual tracking, M. Isard, A. Blake, International Journal of Computer Vision, 29(1):5–28, 1998. (Version en ligne). Une technique pour le match moving. Object recognition from local scale-invariant features, David Lowe, International Conference on Computer Vision, , 1999. Une technique (Scale-invariant feature transform) pour la description de caractéristique.
Base de données
A relational model for large shared data banks, Edgar Frank Codd, Communications of the ACM, 13(6):377–387, . Ce document présente le modèle relationnel des bases de données. Binary B-Trees for Virtual Memory, Rudolf Bayer, ACM-SIGFIDET Workshop 1971, San Diego, Californie, Session 5B, . Ce document introduit la structure de données des arbres B. Ce modèle est devenu le modèle numéro un. The Entity Relationship Model – Towards a Unified View of Data, Peter Chen, ACM Transactions on Database Systems, Vol. 1, Num. 1, mars 1976, . Ce document introduit le diagramme du modèle d'entité-relation (DRE) de la conception de base de données. Sequel: A structured English query language, Donald D. Chamberlin, Raymond F. Boyce. Ce document introduit le langage SQL.