本项目的主要目标是开发一种原则性方法，在深度学习的生命周期中整合领域知识，有效降低模型复杂度，从而利用有限的训练数据训练出稳健而准确的深度模型。所提出的方法包括三大任务：

• 整合来自辅助数据源的数据知识，以知识定义的结构正则化或参数空间约束的形式，修正深度学习的表述；
• 整合模型知识，即利用同一任务中较简单模型的决策面来指导深度模型的学习，从而有效降低模型复杂度；
• 整合优化器知识，旨在改进深度模型训练的优化程序。通过识别类似的学习任务并观察它们的梯度轨迹，可以训练优化器本身，以提供更快的收敛速度，还能避免不良的局部最优解；
• 整合领域知识的一个副成果是为网络决策提供可解释性或可说明性，而这正是目前所缺乏的一种亟需的能力。