一、选题背景和意义：
深度学习的概念由Hinton等人于2006年提出,它是机器学习研究中的一个新的领域，其动机在于建立、模拟人脑进行分析学习的神经网络，它模仿人脑的机制来解释数据，例如图像，声音和文本。深度学习的概念源于对人工神经网络的研究。神经网络广泛用于回归和分类问题。随着计算技术的突飞猛进，上世纪 90 年代人们提出了一些多隐含层的神经网络,它们近年来在图像分类、语音识别等许多领域取得了骄人的成绩，其中最突出的事件是 AlphaGo 轻松战胜围棋顶尖高手。而这些多隐含层的神经网络及其学习算法统称为深度学习，这是当前机器学习和人工智能领域中最引人注目的领域。本课题所选择的语音识别又是深度学习的一个重要应用.
半个多世纪以来，让计算机充分模拟我们的世界，展示我们所称的智能一直是研究的焦点。要做到这一点，很明显，大量关于我们世界的信息应该以某种方式，显式或隐式地存储在计算机中。由于手动将所有信息形式化似乎令人望而生畏，而计算机可以使用这种形式来回答问题并将其推广到新的环境中，许多研究人员已转向学习算法来捕获其中的大部分信息。在理解和改进学习算法方面已经取得了很大的进展，但是人工智能的挑战仍然存在。我们只有在非常有限的设定下,才可以构建能够理解场景并用自然语言描述它们的算法；我们并没有算法可以推断出足够多的语义概念，以便能够与使用这些概念的大多数人进行交互。如果我们考虑语音识别，这是人工智能任务中最具体的任务之一，我们就会意识到，我们还没有能够发现许多应用于其中所必需的语义概念的学习算法。其他人工智能任务的情况也与此类似。所以选择进一步深度学习就是不可缺少的。
二、课题关键问题及难点：
本课题的关键问题是学习和总结深度学习的主要技术，并进行适当的计算机实验。
存在的难点如下：
1.Python是一门全新的编程语言，不同于以往所学习的MATLAB,SAS,R等。
2.在神经网络的学习中将涉及到很多类型的神经网络，这里会涉及到大量的数学公式推导。
3.在神经网络与深度学习的实例学习中，会涉及除计算机外各个领域的相关知识，如语音识别，NLP问题等等，这类多学科交叉的问题将会是一个很大的挑战。
三、文献综述（或调研报告）：
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
