深度学习的概念最早由机器学习领域的泰斗,多伦多大学G.E.Hinton教授于2006年提出。

同年,该教授及其学生又提出关于深度学习的观点:含多隐层的人工神经网络具有很优秀的特征学习能力,其对学习所得到的特征数据有更深入的展示,最终得到的网络数据更有利于分类或可视化。

深度学习作为机器学习的一个全新的领域,能解决许多传统的机器学习无法解决的问题。

深度学习的提出,不仅在学术界引起了极大的关注,也受到了不同国家或地区越来越多学者的关注与重视。

机器学习领域最大的挑战是如何让机器更好地理解人的意图、感知,而这正是深度学习研究的目标,亦是深度学习研究的意义所在。

在深度学习应用拓展方面,如何充分合理地利用深度学习以增强传统学习算法的性能仍是目前各领域的研究重点。

在移动互联网迅速发展和位置服务应用需求的推动下,当前室内定位技术处于较快的发展阶段,研究者们提出了众多室内定位技术的理论与方法。

定位技术可以分为室外定位技术和室内定位技术两种,在室外环境下,全球定位系统(Global Positioning System，GPS)、北斗定位系统(BeiDou Navigation Satellite System，BDS)等全球导航卫星系统(Global Navigation Satellite System，GNSS)为用户提供米级的位置服务,基本解决了在室外空间中进行准确定位的问题,并在日常生活中得到了广泛的应用。

然而,在占人类日常生活时间80%的室内环境中,受到建筑物的遮挡和多径效应的影响,GNSS定位精度急剧降低,无法满足室内位置服务需要,但室内定位在一些特定场合的迫切需求已经日趋显著,因此,室内定位技术成为专家学者的研究重点。

深度学习极大地促进了机器学习的发展，受到了世界各国相关研究人员和互联网了公司的重视，目前深度学习应用最广泛的三个领域是语音识别，图像识别和自然语言处理。