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?
无论是音频还是传感器数据，深度学习网络，比如卷积神经网络(cnn)，可以做数学模型能做的所有事情，而不需要你是信号处理专家。
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。
阅读本白皮书，回顾一些深度学习基础知识，并查看三个深度学习可以为信号处理应用程序增加价值的示例：
- 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)
- 用全连接神经网络去噪语音
