神经网络的学习与研究在近十年是一个很热门的研究课题，而最终这些研究成果部分可以体现在我们的日常生活中，神经网络特有的非线性适应性信息处理能力，克服了传统人工智能方法对于直觉的缺陷，使之在神经专家系统、模式识别、智能控制、组合优化、预测等领域得到成功应用。神经网络与其它传统方法相结，将推动人工智能和信息处理技术不断发展。近年来，神经网络在模拟人类的认知的道路上更加深入发展，并与模糊系统、遗传算法、进化机制等结合，形成计算智能，成为人工智能的一个重要方向。虽然神经网络具有这么多的优点与可实用性，但是浅层神经网络在有限样本和计算单元情况下对复杂函数的表示能力有限，针对复杂分类问题其泛化能力受限，已经适应不了高速科技与信息时代的发展所引发的一系列深层次问题，故而引发人们对深层网络的构建、学习与发展
