1. 研究目的与意义（文献综述包含参考文献）

神经网络技术起源于上世纪五、六十年代，当时叫感知机（perceptron），拥有输入层、输出层和一个隐含层。

输入的特征向量通过隐含层变换达到输出层，在输出层得到分类结果。

早期感知机的推动者是rosenblatt。

2. 研究的基本内容、问题解决措施及方案

理论问题 深度学习在理论方面存在的困难主要有两个，第一个是关于统计学习，另一 个和计算量相关。

相对浅层学习模型来说，深度学习模型对非线性函数的表示能 力更好。

根据通用的神经网络逼近理论，对任何一个非线性函数来说，都可以由 一个浅层模型和一个深度学习模型很好的表示，但相对浅层模型，深度学习模型 需要较少的参数。