混凝土结构在施工与使用的过程中易产生各种形式的裂缝,由此会产生诸多安全问题。传统的人工安全检测方法,不仅耗费财力和时间,而且无法保障其检测精度。为了提高混凝土表面裂缝的识别效率,提出了一种基于卷积神经网络结合聚类分割的识别方法,实现了对较复杂背景下混凝土表面裂缝图像的准确识别。研究结果显示,该方法不仅能够高效地分类,还能够高精度地对较复杂背景下的裂缝进行识别,这为降低混凝土表面裂缝识别的工作量、维护混凝土结构,对其进行安全检测提供了理论依据,同时也为以后更高精度和更复杂条件下的裂缝识别研究提供了一些参考。

深度学习书籍，包含数学基础内容。简单不易懂。。。。。。

112页PPT-深度学习数学基础-以色列特拉维夫大学, Mathematics of deep learning.pdf 图文并茂的数学学习材料，容易入门。

深度学习500问，从数学基础到算法基础，详细解释了深度学习的原理。

内容包含Matlab编写的CNN程序代码，每一步都有详细的注解，易于阅读和调试代码。有相应的故障数据集，直接下载下来运行，可以替换为自己的数据集，如果想要得到更好地结果，可以调试网络结构相应的参数。

本书主要从以下几方面探讨深度学习 1、为什么要深度学习？背景和动机 2、怎样深度学习？基本学习算法 3、深度学习有什么应用？典型应用举例 4、总结和展望 希望对您有帮助

《算法精解：C语言描述》是数据结构和算法领域的经典之作，十余年来，畅销不衰！全书共分为三部分：部分首先介绍了数据结构和算法的概念，以及使用它们的原因和意义，然后讲解了数据结构和算法中最常用的技术——指针和递归，最后还介绍了算法的分析方法，旨在为读者学习这本书打下坚实的基础；第二部分对链表、栈、队列、集合、哈希表、堆、图等常用数据结构进行了深入阐述；第三部分对排序、搜索数值计算、数据压缩、数据加密、图算法、几何算法等经典算法进行了精辟的分析和讲解。想要从事接触机器学习或者深度学习的同学，可以通过“算法精解”这本书夯实算法基础，为进一步学习基础学习铺垫。

吴恩达-Machine Learning Yearning（1-52章）完结中英文版本

近年来随着新一代人工智能技术的快速发展，采用深度学习技术的医疗器械软件日益增多。为应对深度学习技术带来的监管挑战，并为相应医疗器械软件注册申报提供专业建议，我中心组织制定了深度学习辅助决策医疗器械软件审评要点（以下简称审评要点，详见附件）。 　　审评要点基于深度学习技术特点，结合软件的预期用途、使用场景和核心功能，重点关注软件的数据质量控制、算法泛化能力和临床使用风险。 　　审评要点采用基于风险的全生命周期管理方法考虑软件技术审评要求，包括需求分析、数据收集、算法设计、验证与确认、软件更新等内容，涵盖算法性能评估、临床评价、网络与数据安全等要求。 　　在软件更新方面，审评要点明确软件版本命名规则应涵盖算法驱动型和数据驱动型软件更新，并应列举重大软件更新的全部典型情况。轻微数据驱动型软件更新可通过质量管理体系控制，无需申请注册变更。 　　此外，审评要点还明确了非辅助决策软件、传统人工智能软件的要求以及第三方数据库、移动与云计算等考量。

Semi-supervised adversarial model for benign–malignant lung nodule classification on chest CT