As redes neurais profundas utilizam apenas uma camada de neurônios para resolver problemas complexos.

Elas utilizam múltiplas camadas ocultas de neurônios, permitindo aprender representações complexas e abstrações dos dados.

Elas são usadas exclusivamente em problemas de regressão.

Elas são mais eficazes em problemas simples, com poucos dados e poucos parâmetros.

As DNNs são exclusivamente utilizadas para problemas de clustering.