我在几个 地方读到和听说过，深度学习网络的训练时间比支持向量/内核机器、随机森林或增强方法要长得多，但它们可以提供更好的性能。

我的问题是，与解释这种差异的其他学习方法相比，深度学习网络有什么根本不同？对他们的训练复杂性了解多少？

例如，DNN 是否具有区分性（与其他方法相比）？看起来它们可以被认为是生成的，因为 Wikipedia 提到：

一旦学习了足够多的层，深度架构就可以用作生成模型，方法是在从顶层特征激活对模型进行采样（“祖先通道”）时复制数据。

我还在 Wikipedia 上读到 DNN 可以以无监督的方式进行预训练。这是相对于其他方法的显着差异。这个预训练步骤很常见吗？但最重要的是，与其他方法相比，为什么 DNN 需要这么长时间来训练？