雷震，陆军装甲兵学院副教授，国防科技大学博士，主持项目10余项，曾获军队科技进步奖2项，全军装备理论研究优秀成果奖3项，获国家发明专利授权3项，发表论文30余篇，近20篇被国际三大检索收录。研究领域包括智能指控、多源信息融合和数据挖掘等方向。

目录
第1章绪论1
1.1IETM技术1
1.1.1国内IETM应用现状1
1.1.2IETM研发用例图和手册编制基础脚本样例3
1.1.3五级IETM定义4
1.1.4五级IETM在装备保障中的应用价值5
1.1.5五级IETM的建设方式5
1.2人工智能6
1.3深度学习7
1.3.1一般过程8
1.3.2系统平台架构9
1.3.3深度学习三泰斗10
1.4贝叶斯网络11
1.4.1贝叶斯网络的特性11
1.4.2贝叶斯网络的结构和网络参数12
1.4.3贝叶斯网络的构建12
1.5本书的安排13
第2章深度学习15
2.1深度学习概述15
2.2卷积神经网络22
2.2.1相关概念22
2.2.2AlexNet24
2.2.3ZF Net25
2.2.4GoogLeNet28
2.2.5Region Based CNNs30
2.2.6Microsoft ResNet32
2.2.7Spatial Transformer Networks33
2.2.8Matconvnet34
2.2.9卷积神经网络芯片38
2.3循环神经网络38
2.4常用实验数据集40
2.4.1图像分类领域41
2.4.2自然语言处理领域42
2.4.3目标检测定位43
2.5主流深度学习框架对比43
2.5.1TensorFlow46
2.5.2Caffe47
2.5.3Caffe248
2.5.4CNTK48
2.5.5MXNet48
2.5.6Torch49
2.5.7PyTorch49
2.5.8Deeplearning4J49
2.5.9Theano50
2.5.10开源vs非开源50
2.5.11PyTorch vs TensorFlow50
2.6深度强化学习52
2.7蒙特卡洛树搜索54
2.7.1极小极大搜索54
2.7.2蒙特卡洛树搜索55
2.7.3关于细节56
2.8生成对抗网络57
2.8.1CycleGAN58
2.8.2WASSERSTEIN DISTANCE59
2.9深度学习框架TensorFlow60
2.9.1TensorFlow的简介60
2.9.2TensorFlow的优势63
2.9.3TensorFlow的安装63
2.10关于深度学习在IETM中应用的思考71
第3章贝叶斯网络73
3.1贝叶斯网络的概述73
3.2贝叶斯网络的结构学习73
3.2.1贝叶斯网络结构的评价函数74
3.2.2完整参数的贝叶斯网络结构学习74
3.2.3缺失数据的贝叶斯网络结构学习75
3.2.4贝叶斯网络结构学习的复杂性75
3.3贝叶斯网络的参数学习76
3.3.1完备数据集条件下的贝叶斯网络参数学习77
3.3.2缺失数据条件下的贝叶斯网络参数学习77
3.4学习算法的评价78
3.5贝叶斯网络的推理78
3.5.1因果推理79
3.5.2诊断推理79
3.5.3解释消除79
3.6多实体贝叶斯网络79
3.7Matlab工具的应用80
3.8GeNIe工具的应用87
3.9关于贝叶斯网络在IETM中应用的思考88
第4章智能边缘计算平台89
4.1Jetson TX2的安装89
4.1.1安装VMware Workstation 89
4.1.2安装Ubuntu16.04.396
4.1.3安装Vmtools 10.0.596
4.1.4安装JetPack并刷机103
4.2Jetson TX2下安装TensorFlow深度学习框架119
4.2.1安装TensorFlow深度学习框架119
4.2.2Jetson TX2安装TensorFlow注意事项124
4.3Jetson TX2刷机及安装TensorFlow GPU注意事项124
4.4Atlas 200的安装125
4.4.1开发前的装备125
4.4.2安装Mind Studio131
4.4.3验证安装结果134
4.4.4运行Mind Studio总体流程134
4.5关于智能边缘计算平台在IETM中应用的思考143
第5章IETM智能交互技术144
5.1基于深度学习的IETM智能语音交互144
5.1.1基于循环神经网络的汉语语音识别全反馈模型144
5.1.2基于卷积神经网络的连续语音识别146
5.1.3循环神经网络在语音识别模型中的训练加速方法146
5.2基于深度学习的IETM智能目标检测交互147
5.2.1RCNN148
5.2.2YOLO149
5.2.3Fast RCNN150
5.2.4Faster RCNN151
5.2.5SSD152
5.2.6Mask RCNN152
5.2.7各种检测模型的对比分析153
5.3增强现实和虚拟现实在IETM智能交互中的应用154
5.3.1增强现实在IETM智能交互中的应用154
5.3.2虚拟现实在IETM智能交互中的应用155
5.4国内IETM交互功能不太理想的原因158
第6章IETM智能故障诊断技术159
6.1基于本体的机械故障诊断贝叶斯网络159
6.1.1OntoDBN的体系结构160
6.1.2维护诊断本体建模161
6.1.3维护诊断本体的概率扩展162
6.1.4OntoDBN的概率推理162
6.2基于贝叶斯网络的柴油机润滑系统多故障诊断163
6.2.1诊断任务的分解163
6.2.2贝叶斯网络诊断模型164
6.3基于时效性分析的动态贝叶斯网络故障诊断方法164
6.4基于概率网络本体语言的故障诊断方法165
6.4.1概率本体模型构建165
6.4.2MTheory生成167
6.4.3构建特定态势贝叶斯网络(SSBN)并推理167
第7章结束语169
参考文献170