深度学习依赖于神经网络所提取的特征而闻名，在以往传统的学习方法中，特征往往是通过具有经验的专家来提取的，而深度学习方法中的特征提取是通过人工神经网络自动提取的，相比而言，深度学习方法对于特征的提取不仅要求更低，不需要专家的参与，而且少了人为的干预，对于特征本身的提取也更加全面，这也是深度学习最近几年在实际应用中越来越受欢迎的原因之一。
学习神经网络，虽然sgd、反向传播、CNN都看懂了，但最基础的感知机却有疑惑，单层(输入输出两层)感知机只能线性很容易理解，但为何多层感知机就可以表达非线性空间？不用sigmoid等非线性激活函数，只是权重偏置之类的参数，多层叠加，就可以实现非线性表达？
