请注意，以下是我的个人意见；我仍然希望你觉得它有用。

如果你不能在纸上正确解释一个概念，那么它不应该成为你博士论文的一部分。无需任何概念知识即可实现深度学习算法。虽然这在行业中可能（在某种程度上）可以接受，但它会让你在学术界陷入困境。

我毫不怀疑您的算法编程良好，并且从程序员的角度解决了许多具有挑战性的问题。但这不是你论文的审稿人感兴趣的。他们也不对你算法的预测准确性感兴趣。作为科学家，他们想知道为什么会发生某些事情；据我所知，深度学习算法在这个问题上几乎一无所获。

这就是“中年”线性回归的优势所在（顺便说一句：制造敌人的快速方法是告诉他他一生都在使用的方法太老了，无法使用）。是的，线性回归并不令人兴奋，它有很多缺点。但它非常好理解。最重要的是，有大量关于假设和有效解释之间联系的书籍和论文：我们知道在哪些假设下以及在何种意义上线性回归估计量是最优的；我们知道哪些假设会导致估计量的置信区间；我们知道模型错误指定的稳健性；等等

只要你不能在纸面上令人信服地解决这些问题（即：我的结果在什么意义上是最优的？我对我的结果有多自信？我的模型有多稳健？），你不应该在研究中使用深度学习作为经典统计方法的替代方法。