從廣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。

轉載于:https://www.cnblogs.com/to-creat/p/6566570.html

總結

以上是生活随笔為你收集整理的深度学习与神经网络的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。