本发明提供了一种通过量化组合神经网络进行深度学习的方法，所述方法包括以下步骤：步骤S1、使用三层量化神经网络的负载来构建一个具有现实准确性的识别器；步骤S2、通过增加三层量化神经网络的隐藏元素的数量提高RR方法的性能和改善三层量化神经网络的容错性；步骤S3、检验DNN深度神经网络对负载值离散化导致四舍五入错误的鲁棒性；步骤S4、验证三层量化神经网络的可学习性，训练开始时的DNN深度神经网络将表现出与训练后的DNN深度神经网络同样对离散化中四舍五入错误的稳健性；本发明能够实现神经网络的学习且能够检验DNN深层量化神经网络对负载值离散化导致的四舍五入错误的鲁棒性是否通过增加层数而得到改善。