深度堆栈网络（deep stacking network; DSN），工学-控制科学与工程-智能控制-智能控制-模糊控制-可视分析-深度置信网络，用于保证网络性能的同时，增强深度网络学习的规模可拓展性和训练可并行性的深度网络，是监督（判别）学习深度网络的一种代表性深度学习架构。深度堆栈网络架构最初由美国微软研究中心的研究人员邓力（L.Deng）和俞栋（D.Yu）于2011年提出并命名为深度凸网络（deep convex network），其核心理念在于将简单的函数逼近网络或分类器作为架构基元，通过自底向上堆叠的方式构建能够逼近复杂函数的多层网络或分类器。一般来说，深度堆栈网络的堆栈基元为单隐含层前馈神经网络，其输入层为线性单元、隐含层为非线性单元（sigmoid函数作为非线性单元较为常用）。高层级的堆栈基元网络的输入来自低层级的堆栈基元网络的输出和原始输入的级联。深度堆栈网络的拓展变形主要包括核深度堆栈网络（kernel deep stacking network; K-DSN）和张量深度堆栈网络（tensor deep stacking network; T-DSN）。