機械学習分野におけるDeep Learningは，ニューラルネットワークと同じようなネットワーク構造を持つ学習アルゴリズムの一つである．Deep Learningでは通常のニューラルネットワークよりも階層数を多くしているモデルの総称であり，非線形関数に対する表現力が高くなっている．多層パーセプトロンのBack Propagation学習では，実際には層の数が大きいと誤差が拡散し隠れ層の学習が効果的に行えないが，Deep Learningでは一層ごとにUnsupervised Feature Learningで重みを決定し，逐次，次の層に対しても同じように行っていくGreedy Layerwise Unsupervised Pre－Trainingを行う．これらの研究は，2000年代後半より HintonやBengio らが精力的に研究し，近年画像認識などの応用分野において，LSVRC 2012での非常に高い認識率の達成や，Googleによる大規模画像認識への応用など，高く注目されるようになった．実際のアプローチは，Boltzmann Machineのエッジの状態を隠れ層と可視層の間にのみエッジを限定した Restricted Boltzmann Machine（ RBM）などが重み学習に用いられる．また，Deep Learning の特徴として，全てのデータに教師ラベルを付与する必要がない点も，大規模データに適用する際には有用である．
