深度学习

第1章绪论

1.1人工智能

1.1.1人工智能的研究范畴

1.1.2人工智能的三大学派

1.2机器学习

1.2.1机器学习的基本概念

1.2.2无监督学习、监督学习与强化学习

1.2.3浅层机器学习

1.3深度学习

1.3.1深度学习的发展历程

1.3.2深度学习的应用

1.4习题

第2章深度学习基础

2.1回归和分类

2.1.1回归模型

2.1.2分类模型

2.2人工神经网络

2.2.1MP神经元模型

2.2.2多层感知机

2.3激活函数

2.4损失函数

2.5批量

2.6正则化

2.7模型评估与验证

2.8习题

第3章常用深度学习框架

3.1TensorFlow

3.2Keras

3.3PyTorch

3.4习题

第4章自编码器及其应用示例

4.1自编码器

4.1.1自编码器的结构

4.1.2自编码器的训练方法

4.1.3自编码器的TensorFlow实现

4.2自编码器的变体

4.2.1稀疏自编码器

4.2.2去噪自编码器

4.2.3收缩自编码器

4.3基于栈式自编码器的故障预测方法

4.3.1栈式自编码器

4.3.2轴承故障诊断应用案例

4.4习题

第5章卷积神经网络及其应用示例

5.1卷积神经网络

5.1.1卷积运算

5.1.2卷积层

5.1.3池化层

5.1.4其他卷积方式

5.2经典卷积神经网络模型

5.2.1LeNet5网络

5.2.2VGG网络

5.2.3Inception V3网络

5.2.4ResNet网络

5.2.5DenseNet网络

5.3基于细粒度模型的工业产品表面缺陷检测方法

5.3.1细粒度图像分类

5.3.2注意力机制

5.3.3基于细粒度的表面缺陷检测方法

5.3.4表面缺陷检测应用案例

5.4习题

第6章循环神经网络及其应用示例

6.1循环神经网络

6.1.1长短期记忆网络

6.1.2门控循环单元网络

6.1.3案例介绍

6.2自动机器学习

6.2.1超参数优化问题

6.2.2超参数优化方法

6.2.3基于自动机器学习的工件质量符合率预测案例

6.3基于超参数优化LSTM的锂电池健康程度评估方法

6.3.1锂电池数据集

6.3.2特征构造与选择

6.3.3基于长短期记忆网络的锂电池健康状态预测方法

6.4习题

参考文献