深度学习网络作为一种非常有用的图像分类技术而获得了声誉，但它们给信号数据带来了什么价值呢?
无论你是与音频或传感器数据，深度学习网络，如卷积神经网络（细胞神经网络）工作，可以做一切的数学模型，而不需要你是在信号处理方面的专家去做。
应用得当，深学习网络使信号处理任务的速度更快，更高效，更精确。
阅读这篇白皮书来回顾一些深度学习的基础知识，并看看深度学习可以为信号处理应用增加价值的三个例子:
- 使用CNN对语音音频文件进行分类
- 预测剩余使用长短期记忆有用寿命（RUL）（LSTM）网络
- 语音消噪与全连接神经网络
