由于神经网络模型一般比较复杂，从输入到输出的信息传递路径一般比较长，所以复杂神经网络的学习可以看成是一种深度的机器学习，即深度学习。 神经网络和深度学习并不等价。
2.1 在服务器端和移动端应用深度学习技术的难点对比 通过对比服务器端的情况，更容易呈现移动端应用深度学习技术的难点，对比如下表所示。
深度学习算法可以让机器能够像人脑那样进行工作和处理数据，并高度依赖于人工神经网络，并基于人脑的结构 - 功能而工作。以下是十大值得关注的深度学习算法，希望能对你有所参考。 1.
阅读对象： （1）想入门深度强化学习的同学（2）有一定深度强化学习基础，想做大型研究的同学（3）工业界考虑用深度强化学习落地的创业者 写这篇文章的目的：尽可能在中文社区推广和普及深度强化学习，减少学习门槛
音频信号的深度学习处理方法 报告主要包括音频信号领域的研究方向介绍和将深度学习方法引入音频信号处理中的尝试和初步结果。
中科院张士峰博士为大家带来报告《基于深度学习的通用物体检测算法对比探索》。
本文提出了SquirRL，它使用深度强化学习去识别区块链激励机制下的攻击策略，使用较短步骤，方法在BitCoin协议上复现了其著名的理论结果。
近年来，随着深度学习技术的发展和各种模型的不断涌现，基于深度学习的计算机安全应用研究也成为了计算机安全领域里的一个热门研究方向。深度学习模型容易受到对抗样本的恶意攻击，这在业内已不是新鲜事。
2.深度学习和机器学习的关系 深度学习是机器学习的最热门分支，这句话足以解释深度学习和机器学习的关系。
