本书共8章, 第1章对现有常见的基于深度学习剩余寿命预测技术研究现状进行深入分析 ; 第2章给出了一种充分融合深度学习和随机过程优势的退化系统剩余寿命预测方法 ; 第3章与第4章重点围绕复杂退化系统全寿命周期情形开展剩余寿命预测方法研究, 第3章得到的点估计预测结果 ; 第4章是基于贝叶斯深度学习框架确定的是概率分布预测结果 ; 第5章与第6章针对的是复杂退化系统截尾数据情形所导致的零寿命标签挑战, 分别给出了剩余寿命预测方法, 第5章提出了一种基于网络模型平均的退化系统剩余寿命点估计预测方法, 第6章研究了基于贝叶斯深度学习的退化系统剩余寿命不确定性量化问题 ; 第7章与第8章分别针对一维、多维数据缺失情形下提出了数据生成算法, 并将其应用于剩余寿命预测领域。
作者:陈(Chen, Cathy)
出版:机械工业出版社,2025
基于多模态机器学习的营销视频分析:XGBoost、SHAP和GMFN的混合方法
作者:黄子窈,方正,李珊,杜培源
出版:四川大学出版社,2024
作者:王楠
出版:吉林大学出版社,2024
作者:高翔
出版:农业出版社,2033
作者:乌申斯基(Ушинский, Константин Дмитриевич),
出版:辽宁人民出版社,2025
作者:斯托里(Storey, John)
出版:中国科学技术出版社,2025