深度學習其實是指在多層神經網路上運用各種機器學習演算法來解決影象、文字、語音等問題的演算法集合，旨在提取更加抽象的高層特徵。從本身結構研究來說，主要有：

基於監督學習的卷積神經網路、迴圈神經網路以及普通深度神經網路；基於無監督學習的深度生成模型（玻爾茲曼機、DBN、生成式對抗網路）、自編碼器；最佳化訓練、小樣本訓練；遷移學習與神經網路結合；強化學習；圖模型等等。

從應用領域來說，主要研究方向有：

1. 計算機視覺：影象分類、目標檢測、目標跟蹤、語義分割、人臉識別與分析、影象/影片搜尋、文字識別等方向；

2. 語音識別，語音增強，語音合成等；

3. 自然語言處理，主要有機器翻譯、文字挖掘、語義分析、資訊檢索抽取、問答系統等。

還有深度學習應用在影片分析、大資料、機器人方向。目前深度學習應用很廣泛，效能很高，但也存在這幾個問題，比如：有時很難獲取大量監督資料或標註成本高，如何適應小樣本訓練；如何有效的進行大規模的平行計算和訓練；一般特定的問題和資料，需要定製網路結構，如何研究通用深度學習模型等等，這些都是未來的研究方向。