将深度神经网络的输入数据集看成一个统计物理系统，并将其输出的重要特征量看成输入数据集这一统计物理系统的宏观特征。基于统计物理中的重整化群理论，将深度神经网络的随机梯度下降算法等求解算法视为一种粗粒化型重整化过程，证明了它与输入数据集的典则重整化过程的等效性。由此知，深度神经网络有能力提取到输入数据集的宏观特征，从理论上给出了深度神经网络的可解释性。本报告将首先简单介绍重整化群理论的基本思想及所研究的深度神经网络，其次将分别介绍关于一维伊辛模型和一类指数族分布函数描述的输入数据集的研究结果，最后将介绍未来进一步的研究。