为了让计算机掌握人类理解的知识需要构筑一个由简单概念组成的多层连接网络来定义复杂对象，计算机通过对这个网络的迭代计算与训练后，可以掌握这个对象的特征，一般称这种方法为深度学习(Deep Learning,DL)，深度学习经过一系列的发展之后,展现出巨大的应用价值，不断受到工业界、学术界的密切关注。深度学习在图像、语音、自然语言处理、大数据特征提取和广告点击率预估方面取得明显进展。随之出现了多种适合深度学习的基础架构，如Caffe、MXNet和TensorFlow，也促进了深度学习在各领域发挥更大的应用价值。
深度神经网络的研究促进了神经网络模型的飞速发展，使得神经网络模型可以在更多领域中完成更多更复杂的处理任务。连续数十年半导体芯片和计算机技术的突飞猛进，为神经网络模型和数据提供了快速、高能效的计算资源。
人工神经网络(Artificial Neural Network, ANN)也可以简称为神经网络，是一门重要的机器学习(Machine Learning,ML)技术，是机器学习与神经网络两个学科的交叉学科。科学家们对最基本的神经元(Neuron)进行数学建模,并以一定的层次关系将神经元构建成人工神经网络，让其能够通过一定的学习、训练从外界学习知识并调整其内部的结构,从而解决现实中的各种复杂问题。