深度神经网络（DNNs）近年来在图像分类、语音识别等复杂机器学习任务中表现惊艳，已成为人工智能领域的核心技术。本教程将带你由浅入深，系统了解深度神经网络的基础知识，并详细解析三种最流行的网络结构：多层感知器（MLP）、卷积神经网络（CNN）和递归神经网络（RNN）。

一、什么是深度神经网络

机器学习是一门多领域交叉学科，专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。它是人工智能的核心，是使计算机具有智能的根本途径。如果论及哪一个机器学习的领域最为热门，非人工智能莫属，这就是深度学习。

深度学习框架又名深度神经网络（DNN），是一个复杂的模式识别系统。在过去的几十年里，机器学习给我们的日常生活带来了巨大的影响，包括高效的网络搜索、自动驾驶系统、计算机视觉和光学字符识别。

深度神经网络模型已经成为机器学习和人工智能的有力工具。深度神经网络（DNN）的输入层和输出层之间有多层的人工神经网络（ANN）。

深层神经网络的迅速发展应用致使语音识别错误率上较传统语音识别方法错误率减少30%（20年来最大降幅），同时也大幅削减了图像识别的错误率——自2011年以来深度学习图像识别的错误率从26%降到3.5%，而人类是5%。