“深度學習”和“多層神經網絡”不存在區(qū)別關系?！　∩疃葘W習的網絡結構是多層神經網絡的一種。深度學習中最著名的卷積神經網絡CNN，在原來多層神經網絡的基礎上，加入了特征學習部分，這部分是模仿人腦對信號處理上的分級的?！　V義上說深度學習的網絡結構也是多層神經網絡的一種。傳統(tǒng)意義上的多層神經網絡是只有輸入層、隱藏層、輸出層。其中隱藏層的層數根據需要而定，沒有明確的理論推導來說明到底多少層合適。而深度學習中最著名的卷積神經網絡CNN，在原來多層神經網絡的基礎上，加入了特征學習部分，這部分是模仿人腦對信號處理上的分級的。具體操作就是在原來的全連接的層前面加入了部分連接的卷積層與降維層，而且加入的是一個層級。輸入層-卷積層-降維層-卷積層-降維層--.--隱藏層-輸出層簡單來說，原來多層神經網絡做的步驟是：特征映射到值。特征是人工挑選。深度學習做的步驟是信號->特征->值。特征是由網絡自己選擇?！　⌒枰褂蒙疃葘W習解決的問題有以下的特征：　　深度不足會出現問題?！　∪四X具有一個深度結構?！　≌J知過程逐層進行，逐步抽象?！　∩疃葘W習的核心思想：　　把學習結構看作一個網絡，則深度學習的核心思路如下：　　①無監(jiān)督學習用于每一層網絡的pre-train；　?、诿看斡脽o監(jiān)督學習只訓練一層，將其訓練結果作為其高一層的輸入；　?、塾米皂敹碌谋O(jiān)督算法去調整所有層