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?
无论您是在处理音频数据还是传感器数据，深度学习网络，如卷积神经网络（CNN），都可以完成数学模型所能做的一切，而无需您成为信号处理专家。
如果应用得当，深度学习网络可以使信号处理任务更快、更高效、更准确。
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
- 使用长-短期记忆（LSTM）网络预测剩余使用寿命（RUL）
- 基于全连通神经网络的语音去噪
