本书主要包括融合深度连续置信网络与随机过程的退化系统剩余寿命预测、基于深度学习的退化系统剩余寿命预测、贝叶斯深度学习框架下退化系统剩余寿命不确定性量化、零寿命标签下基于网络模型平均的退化系统剩余寿命预测、零寿命标签下退化系统剩余寿命不确定性量化、基于深度卷积生成对抗网络的缺失数据生成方法及剩余寿命预测应用、基于多维相似度的数据生成方法及剩余寿命预测应用。
本书对于引导初学者和低年级研究生掌握该领域相关知识具有促进和推动作用，同时为工业4.0时代下工程技术人员预测复杂退化系统剩余寿命提供参考依据和技术指南。

第1章概述
1.1DNN方法
1.2DBN方法
1.3CNN方法
1.4RNN方法
1.5本书结构安排
第2章融合深度连续置信网络与随机过程的退化系统剩余寿命预测
2.1引言
2.2基于CDBN的深度特征提取方法
2.2.1RBM的原理介绍
2.2.2CRBM的实现过程
2.2.3深度特征提取机制
2.3健康指标的确定
2.4基于扩散过程的剩余寿命预测
2.4.1健康指标建模与剩余寿命预测
2.4.2随机参数后验估计
2.4.3基于EM算法的模型参数更新
……