一个真正多层结构学习算法，它利用空间相对关系减少参数数目以提高训练性能。

深度学习是机器学习中一种基于对数据进行表征学习的方法。观测值（例如一幅图像）可以使用多种方式来表示，如每个像素强度值的向量，或者更抽象地表示成一系列边、特定形状的区域等。而使用某些特定的表示方法更容易从实例中学习任务（例如，人脸识别或面部表情识别）。深度学习的好处是用非监督式或半监督式的特征学习和分层特征提取高效算法来替代手工获取特征。

深度学习是机器学习研究中的一个新的领域，其动机在于建立、模拟人脑进行分析学习的神经网络，它模仿人脑的机制来解释数据，例如图像，声音和文本。[2]

同机器学习方法一样，深度机器学习方法也有监督学习与无监督学习之分不同的学习框架下建立的学习模型很是不同例如，卷积神经网络（nvltal neral rk，简称n）就是一种深度的监督学习下的机器学习模型，而深度置信网（dee belief ，简称dbn）就是一种无监督学习下的机器学习模型。

虽然小李开始了琪琪的算法，但是现在琪琪的核心还是不是这个算法，已经没人知道了。琪琪为什么没有突破相对论的限制？是因为实验设备和空间的问题。超出相对论范畴的试验，所需要的空间太大，琪琪自己虽然知道怎么设计试验，但是没办法实现。

那些掌握了超光速技术的文明，无一不是举全文明之力，进行科学实验。造了很大的实验设备，才掌握了此技术。

在开发超光速技术的时候，也是困难重重。首先需要用传统的飞船飞出一定的距离，那就是几个月，结果超光速飞船几秒钟就过去了，观测，建立试验站，真的是非常困难。所以，一旦技术成熟，那我们还不卖几个好钱？

而且，必须严格的严格的无限循环次保密，不然，人家不用做任何试验就能跟我们竞争了。