1.介绍
这篇文章主要说如果高效的训练深层的神经网络。对于现存的模型，由于一些限制，比如梯度消失的情况，只能限于训练一些比较浅层的网络。而且这种模型的效率并不高。所以作者就提出来一种可以高效训练深层网络的方法。具体的是：训练过程当中引入辅助变量，通过更新辅助变量，来达到某一层的局部最优解。通过实验发现，这种方法可以训练64个隐藏层，每层1024个节点的网络，而训练的时间在3个小时左右。
2.Very Deep Supervised Hashing 方法
![图片][1]
[1]:http://img.blog.csdn.net/20160921144405917
