本书分为六章，包括绪论、深度学习、贝叶斯网络、智能边缘计算平台、IETM智能交互技术、IETM智能故障诊断技术。本书重点阐述了面向IETM的深度学习和贝叶斯网络等两个智能计算研究方向的主流学习框架、关键技术和其在智能交互、智能故障诊断领域的应用，以及最新智能边缘计算平台。
本书可作为从事人工智能、保障信息化等学科专业的教学和科研人员的参考用书。

第1章 绪论
1.1 IETM技术
1.1.1 国内IETM应用现状
1.1.2 IETM研发用例图和手册编制基础脚本样例
1.1.3 五级IETM定义
1.1.4 五级IETM在装备保障中的应用价值
1.1.5 五级IETM的建设方式
1.2 人工智能
1.3 深度学习
1.3.1 一般过程
1.3.2 系统平台架构
1.3.3 深度学习三泰斗
1.4 贝叶斯网络
1.4.1 贝叶斯网络的特性
1.4.2 贝叶斯网络的结构和网络参数
1.4.3 贝叶斯网络的构建
1.5 本书的安排
第2章 深度学习
2.1 深度学习概述
2.2 卷积神经网络
2.2.1 相关概念
2.2.2 AlexNet
2.2.3 ZF Net
2.2.4 GoogLeNet
2.2.5 Region Based CNNs
2.2.6 Microsoft ResNet
2.2.7 Spatial Transformer Networks
2.2.8 Matconvnet
2.2.9 卷积神经网络芯片
2.3 循环神经网络
2.4 常用实验数据集
2.4.1 图像分类领域
2.4.2 自然语言处理领域
2.4.3 目标检测定位
2.5 主流深度学习框架对比
2.5.1 TensorFlow
2.5.2 Caffe
2.5.3 Caffe2
2.5.4 CNTK
2.5.5 MXNet
2.5.6 Torch
2.5.7 PyTorch
2.5.8 Deeplearning4J
2.5.9 Theano
2.5.10 开源vs非开源
2.5.11 PyTorch vs TensorFlow
2.6 深度强化学习
2.7 蒙特卡洛树搜索
2.7.1 极小极大搜索
2.7.2 蒙特卡洛树搜索
2.7.3 关于细节
2.8 生成对抗网络
2.8.1 CycleGAN
2.8.2 WASSERSTEIN DISTANCE
2.9 深度学习框架TensorFlow
……
第3章 贝叶斯网络
第4章 智能边缘计算平台
第5章 IETM智能交互技术
第6章 IETM智能故障诊断技术
第7章 结束语
参考文献