2017年7月3日 更新
不同网络的区别：人们在网络中实现加入的先验知识的不同。
整体解释：公开课 | 深层神经网络设计理念 附带 ppt下载（无视频版）
神经网络入门：深层学习为何要“Deep”（上）
前馈神经网络引入的先验知识：并行、迭代；
循环神经网络引入的先验知识：时间共享；
循环神经网络引入的先验知识：空间共享；
深层学习的“深”字是由于将分类/回归和特征提取两者结合在一起来训练了。
Recurrent layer和convolutional layer都可以看成是特征提取层。
具体可以看下面的部分
简单理解神经网络应该分为两部分：
进一步理解围绕“深层”二字来神经网络的的话应该在网络结构中细分两类： 网络结构：
举例说明：比如图片识别。一个图片究竟是什么不仅取决于图片本身，还取决于识别者“如何观察”。
如果这是一个训练样本。
