3
.
深度学习（DL）
BP 神经网络（BPNNs）网络存在的主要问题： 1. 一般要得到较好的训练效果，隐层数目不能
太少，当图片大的时候，需要的权值会非常多； 2. 对平移、尺度变化敏感（比如数字偏左上角，
右下角时即识别失败）； 3. 图片在相邻区域是相关的，而这种网络只是
一股脑把所有像素扔进去，没有考虑图片相关 性。
一般的语音识别多提取每帧长25ms、帧移 10ms的语音对应的MFCC特征,该文提取使用 fBank特征。
8
.
CNN CNN结构图：
9
.
CNN
输入图像： 28*28
卷积层： 均为5*5
采样核大 小：均为 2*2。
在Toolbox的实现中，C1共有6个卷积核，则卷积结果6个特征map;卷 积层的一个map与上层的所有map都关联，如上图的S2和C3，即C3共 有6*12个卷积核，
CNN经典程序下 载:https:///rasmusbergpalm/DeepLearnToolbox
7
.
语音识别
参考：《基于深度学习的语音识别应用研究_ 张建华》
该文献通过深度神经网络提取语音特征的方法、 深度神经网络提取声韵母属性的方法、深度学 习搭建声学模型的方法对比；
假设上一层的map大 小是n*n、卷积核的 大小是k*k，则该层 的map大小是(nk+1)*(n-k+1)，比如 上图的24*24的map 大小24=（28-5+1）。
参见网址：/lu597203933/article/details/46575871
11
1991， 通过无导学习的深度学习（Deep Learning，DL）在 实际中可以运用；
