从广义上说深度学习的网络结构也是多层神经网络的一种。
　　传统意义上的多层神经网络是只有输入层、隐藏层、输出层。其中隐藏层的层数根据需要而定，没有明确的理论推导来说明到底多少层合适。
　　而深度学习中最著名的卷积神经网络CNN，在原来深度学习与神经网络_卷积多层神经网络的基础上，加入了特征学习部分，这部分是模仿人脑对信号处理上的分级的。具体操作就是在原来的全连接的层前面加入了部分连接的卷积层与降维层，而且加入的是一个层级。
　　输入层 - 卷积层 -降维层 -卷积层 - 降维层 -- .... -- 隐藏层 -输出层
　　简单来说，原来多层神经网络做的步骤是：特征映射到值。特征是人工挑选。
　　深度学习做的步骤是 信号->特征->值。 特征是由网络自己选择。