深度学习是一个非常活跃的研究课题,目前它在机器学习和模式识别领域应用非常广泛。随着大数据时代的到来,深度学习和大数据成为越来越热门的话题,大数据为各种行业的发展带来了巨大的机会和潜力同样也带来了前所未有的挑战,现今随着大数据呈指数形式的快速增长,利用传统的技术对其进行管理和分析已经不太可能,如何利用数据和处理数据,深度学习扮演着一个关键的角色,为大数据预测分析提供可行方法。深度学习已成功地应用于如语音识别、自然语言处理、计算机视觉。在计算机视觉领域中光学字符识别(OCR)的概念早在20世纪20年代便被提出,一直是模式识别领域研究中极具代表性的重要课题。近些年,随着移动互联网的发展,光学字符识别技术的应用场景也从传统的办公领域如邮政编码、书籍扫描、手写字体逐渐渗入日常生活,产生出许多以手机拍照光学字符识别作为入口的文字信息录入及查询类应用。在本文中,我们从神经网络出发,系统的讲解了深度学习的概念。玻尔兹曼机是深度学习理论的基础,玻尔兹曼机在降维、分类、协同过滤、特征学习和主题建模中得到了应用,如文中用于识别手写字体所构建的深度信念网络,都需要限制玻尔兹曼机做特征抽取。因此研究玻尔兹曼机的理论和实际应用具有很长远的价值,文章主要讲述玻尔兹曼机的发展现状,包括玻尔兹曼机网络的基础结构及其类型,限制玻尔兹曼机的基础理论,详细描述了限制玻尔兹曼机的学习过程,限制玻尔兹曼机主要用途;接着利用限制玻尔兹曼机构建深度信念网络,分别使用BP神经网络和深度信念网络用于手写字体识别,根据识别效果分析两种算法的优劣性;最后进行全文的总结与展望。