深度学习通常指的是 一个多层神经网络的学习过程，它通过组合低层特征形成更加抽象的高层表示属性类别或特征，以发现数据的分布式特征表示。深度学习的本质是深层的人工神经网络，它不是一项孤立的技术，而是数学、统计机器学习、计算机科学和人工神经网络等多个领域的综合。

具体来说，深度学习具有以下几个特点：

多层结构：

深度学习模型通常包含多个隐藏层，每一层都从前一层提取特征，并将这些特征传递给下一层。这种层次化的特征提取过程使得模型能够学习到从简单到复杂的特征表示。

深度理解：

深度学习强调对知识的深层加工、深度理解及长期保持，善于自主建构且能迁移应用并在真实情景中解决复杂问题。

挑战性学习：

深度学习通常涉及具有挑战性的学习主题，要求学生或学习者全身心积极参与，体验成功并获得发展。

综合性学习过程：

深度学习是一种基于已有经验的问题发现与探究，是在识记和理解的基础上对知识的综合应用与创造，追求有一定思维深度和思维广度的综合性学习过程。

因此，当神经网络具有多个隐藏层，并且能够通过这些层进行复杂的特征提取和表示时，可以称之为深度学习模型。这种模型在处理大规模数据集、识别复杂模式和任务方面表现出色，尤其是在语音、图像识别、自然语言处理等领域。