深度学习在复杂系统健康监测中的应用
正版新书 新华官方库房直发 可开电子发票
￥ 77.76 7.2折 ￥ 108 全新
库存3件
作者吴军 等
出版社科学出版社
ISBN9787030767998
出版时间2023-11
版次1
装帧平装
开本其他
纸张胶版纸
页数204页
字数321千字
定价108元
货号SC:9787030767998
上书时间2024-11-09
- 在售商品 暂无
- 平均发货时间 16小时
- 好评率 暂无
商品详情
- 品相描述：全新
- 全新正版 提供发票
- 商品描述
-
内容简介:
为了深入实施制造强国战略，我国正加速推动物联网、大数据、人工智能、云计算与制造业的深度融合，促进制造业向数字化、网络化和智能化转型升级。复杂系统健康监测是其中的关键环节之一。随着数据积聚、算法革新与算力提升，以深度学习为代表的新一代人工智能技术不断取得突破性发展，为复杂系统健康监测技术突破提供新的途径。本书结合作者团队的近期新研究成果，论述复杂系统健康监测的内涵、技术体系、研究现状和技术难点，总结卷积神经网络、循环神经网络、深度强化学习和深度迁移学习等深度学习的理论方法与框架，详细介绍9种不同的深度学习模型在复杂系统健康监测中的应用，并结合具体的应用案例进行展示。本书可作为高等院校机械工程、船舶与海洋工程、人工智能等相关专业本科生和研究生的参考书，也可供从事复杂系统/装备状态监测、故障预测与健康管理、预测性维护、智能运维等相关行业方向的科学研究与工程技术人员参考。
目录:
前言
第1章 绪论 1
1.1 研究背景 1
1.2 深度学习简介 3
1.2.1 深度学习的起源 3
1.2.2 深度学习的内涵 4
1.2.3 深度学习的研究现状 4
1.2.4 深度学习的应用领域 7
1.3 复杂系统健康监测简介 7
1.3.1 复杂系统健康监测的内涵 7
1.3.2 复杂系统健康监测的技术体系 8
1.3.3 复杂系统健康监测的研究现状 10
1.3.4 复杂系统健康监测的技术难点 13
第2章 深度学习理论方法 15
2.1 人工神经网络 15
2.1.1 人工神经网络的内涵 15
2.1.2 人工神经网络的基本原理 15
2.1.3 人工神经网络的结构 16
2.2 深度学习模型 18
2.2.1 卷积神经网络 18
2.2.2 循环神经网络 19
2.2.3 深度强化学习 21
2.2.4 深度迁移学习 24
2.3 深度学习优化算法 25
2.3.1 梯度下降法 25
2.3.2 动量梯度下降法 27
2.3.3 AdaGrad 27
2.3.4 RMSProp 27
2.3.5 Adam 28
2.4 深度学习模型评价准则 29
2.4.1 分类任务 29
2.4.2 回归任务 30
2.5 深度学习框架 31
2.5.1 TensorFlow 32
2.5.2 Keras 35
2.5.3 PyTorch 37
...
— 没有更多了 —
以下为对购买帮助不大的评价