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

这是深度学习的常用工具箱，里面包括常用的自动编码器、卷积神经网络和深度置信网络的函数- This is a common toolbox depth study, which includes functions commonly used automatic encoder, convolutional neural network and depth of belief networks

用于实现卷积深度置信网络，实现利用的是MATLAB代码(A deep belief network for convolution)

用卷积深度置信网络CDBN的方法来处理睡眠EEG;(use Convolutional deep belief networks to sleep EEG)