深度学习的概念源于人工神经网络的研究。含多隐层的多层感知器就是一种深度学习结构。深度学习通过组合低层特征形成更加抽象的高层表示属性类别或特征，以发现数据的分布式特征表示。[1] 深度学习的概念由Hinton等人于2006年提出。基于深信度网(DBN)提出非监督贪心逐层训练算法，为解决深层结构相关的优化难题带来希望，随后提出多层自动编码器深层结构。此外Lecun等人提出的卷积神经网络是第一个真正多层结构学习算法，它利用空间相对关系减少参数数目以提高训练性能。[1] 深度学习是机器

深度学习之一，卷积神经网络例程，包括结构设置、系数更新、测试数据库等。-One deep learning, neural network convolution routines, including structural arrangement, the coefficient update, test s.

医疗3d处理，即基于卷积神经网络的医疗影像分析平台(NiftyNet is a TensorFlow-based open-source convolutional neural networks (CNNs) platform for research in medical image analysis)

通过使用CNN来实现验证码识别的多任务学习(Using CAN to Achieve Multi-tasking Learning of Captcha Identification)