深学习网络已经获得了为是对图像分类的非常有用的技术而闻名，但他们带来什么样的价值信号数据？
无论你是与音频或传感器数据，深度学习网络，如卷积神经网络（细胞神经网络）工作，可以做一切的数学模型，而不需要你是在信号处理方面的专家去做。
应用得当，深学习网络使信号处理任务的速度更快，更高效，更精确。
下载本白皮书，以回顾一些深度学习的基础知识，并看到三个例子，深度学习可以增加价值的信号处理应用:
- 分类使用CNN语音音频文件
- 使用长短时记忆(LSTM)网络预测剩余使用寿命(RUL)
- 用完全连通的神经网络去噪语音
