在這些計劃中，住宅能夠為住戶完成所有家務，如將晚餐做好并放到廚房的餐桌上，同時具有各種便利設施。隨著深度學習研究的發展，智能住宅正在離我們越來越近。

美國Baylor大學電氣與計算機工程學院正在利用人工智能（AI）打造智能住宅，以實現科幻小說和電視節目中描繪的情形。電氣與計算機工程副教授Liang Dong博士正在領導這項研究，研究得到了Baylor大學和英特爾公司的資助，美國國防部（DOD）也表現出了投資意愿。英特爾對Dong將深度學習用于AI的研究感興趣，而DOD的興趣在于將深度學習應用于實戰。

借助于算法和數據，計算機能夠將獲得的結果與以前的許多其他研究進行比較。到目前為止，深度學習項目正在針對醫療圖像分析的特定用途進行量身定制，如正電子發射斷層掃描（PET）圖像和醫院計算機斷層掃描（CT）圖像。這將有助于更準確地監測癌癥和其他疾病的發展。這項由Baylor大學研究與創新協作組織（BRIC）開展的研究基本上可以分為兩個類別。

理論研究主要包括分布式深度學習和節能深度學習兩個內容。分布式深度學習的主要目標是考察如何使用本地的多臺計算機來計算主神經網絡的不同部分。它能夠解決在單個機器上訓練深度神經網絡需要大量時間的問題。節能深度學習則聚焦于為必要的連續項目提供持續能源的問題。

深度學習有許多可能的和實際的應用，如建設智能醫院中的應用，或用于生產智能家居產品。在醫院中使用深度學習的初衷是使用具有較小輻射和功率的X射線，然后將結果與過去采用其他X射線獲得的結果進行比較。計算機會將單一的X射線與之前的數百個或數千計個結果進行比較，并指出哪些區域對一個健康的人體系統來說似乎是不常見的，或哪些區域看起來與他們正在確認的一種疾病相類似，而確認這種疾病的方式是將一個人的X射線圖像與已經患有此病的其他人的圖像進行比對。Dong已經與德克薩斯大學西南醫學中心的一家醫院展開合作，以測試這項研究是否有足夠的有效性與合理性，以支持其他醫院的醫生對其進行實現。

還有一個智能家居項目—考察房子能否衡量一個人的整體健康狀況。通過在整個房子中部署傳感器，甚至通過監測房子的某個特定區域，如廚房等，傳感器可以讀取一個人的生物節律，并在出現疑似問題時發出警報。它會提醒房屋居住者出現了心率較低或心率下降的跡象—這些跡象可能在近期引發一些嚴重的健康問題。