人工神经网络（artificial neural network，缩写ANN），简称神经网络（neural network，缩写NN），是一种模仿生物神经网络的结构和功能的数学模型或计算模型。神经网络由大量的人工神经元联结进行计算。大多数情况下人工神经网络能在外界信息的基础上改变内部结构，是一种自适应系统。现代神经网络是一种非线性统计性数据建模工具，常用来对输入和输出间复杂的关系进行建模，或用来探

1、ANN与DNN背景传统的神经网络，也称为ANN或浅层神经网络。Deep Learning中重点研究的是深层神经网络，也称为DNN，其中D是Deep的缩写。下面是摘自网上对传统浅层ANN和DNN的描述。浅层学习是机器学习的第一次浪潮       20世纪80年代末期，用于人工神经网络的反向传播算法（也叫Back Propagation算法或者BP算法）的发明，给机

人工神经网络（artificial neural network，缩写ANN），简称神经网络（neural network，缩写NN），是一种模仿生物神经网络的结构和功能的数学模型或计算模型。神经网络由大量的人工神经元联结进行计算。大多数情况下人工神经网络能在外界信息的基础上改变内部结构，是一种自适应系统。现代神经网络是一种非线性统计性数据建模工具，常用来对输入和输出间复杂的关系进行建模，或用来探

人工神经网络（artificial neural network，缩写ANN），简称神经网络（neural network，缩写NN），是一种模仿生物神经网络的结构和功能的数学模型或计算模型。神经网络由大量的人工神经元联结进行计算。大多数情况下人工神经网络能在外界信息的基础上改变内部结构，是一种自适应系统。现代神经网络是一种非线性统计性数据建模工具，常用来对输入和输出间复杂的关系进行建模，或用来探

1、传统GMM-HMM语音识别系统简介2、DBN用于Phone 识别3、DBN-HMM依赖型语音识别系统分析参考文献;Dahl, G., Ranzato, M., Mohamed, A., and Hinton, G. ―Phone recognition with the mean-covariance restricted Boltzmann mac

通过从传统的模式识别系统分析入手，理解Deep learning 到底做了什么。

Deep Belief Networks（DBNs），是一类随机性Deep neural network，其可以用来对事物进行统计建模，表征事物的抽象特征或统计分布，在手写字识别和语音识别建模中，已被用于代替传统GMM，建立统计型声学模型等，并显示出优越的效果。 本文针对我们对DBN网络的理解，对DBN网络进行了一定的分析和诠释。