深度学习是当今科学技术领域最热门的话题之一,也是人工智能领域最为成功和有效的思想方法,基于深度学习理论的研究和应用也层出不穷。然而随着对深度学习领域研究的深入,深度学习领域所暴露出来的计算成本过高和训练成本过高等问题也亟待解决。本文主要研究基于协同学原理构建的深度协同神经网络是一种全新的深度学习网络模型,能够有效的减小传统深度学习中计算成本过高和训练成本过高等问题。本文的主要内容为:首先,介绍了协同学理论的基本思想、数学模型和相关重要概念。接着介绍了基于协同学理论的一类全新的神经网络模型:协同神经网络。阐述了协同神经网络的数学模型、结构模型和运行流程,并介绍了协同神经网络的几种基本算法:基于PFR模型的分类器算法、基于PFAP的分类器算法、SCAP算法和SCAPAP算法。详尽的说明了协同学和协同神经网络的各项特性。其次,介绍了目前传统的几种深度神经网络模型:卷积神经网络和深度信念网络,并分别介绍了他们的模型结构和运行过程。以协同学原理和传统深度神经网络的模型结构为基础构建深度协同神经网络,并详细描述了深度协同神经网络的模型结构、运行过程和算法步骤。为后续深度协同神经网络的研究与应用提供了充分的理论支持。最后,基于上述深度协同神经网络的模型,设计了在不同样本库下深度协同神经网络的各项性能实验,同时也将深度协同神经网络与传统的卷积神经网络和深度信念网络在相同样本库下进行实验测试,纵向对比它们的各项性能特点。综合实验结果表明深度协同神经网络不仅在识别效果上有不错的表现,而且在计算成本和运行效率上有着较好的表现。基于上述深度协同神经网络的性能特点,本文还自主设计、搭建、调试了无人机硬件平台,将深度协同神经网络应用于无人机的自主降落过程中对可降落标志物识别的飞行控制系统。本文基于仿真数据和无人机自主降落标志的识别,验证了所提出的深度协同神经网络模型的有效性,为后续深入研究无人机自主降落、空中避障打下了基础。