1樓：尋常巷陌
在工業裝置故障診斷方面有一些進展。
深度殘差收縮網路就是面向機械裝置故障診斷的深度學習方法，由於軟閾值化的作用，更適於處理雜訊較強的狀態監測資料，其原理如下
github.com/zhao62/Deep-Residual-Shrinkage-Networks跟SENet還是有區別的。SENet裡用的是「加權」，深度殘差收縮網路裡是「軟閾值化」。
2樓：YukiRain
整體來說，大部分領域都還在探索中嘗試驗證【自己的演算法對於工業界是具有商業價值的】這一命題，除前幾年的CV或者NLP熱門方向以外，國內一些大廠對於熱門的adversarial learning，RL，autoML等等在應用方面都有一些探索，但這些前沿的東西是否真的能夠帶來商業價值尚無明確結論
對我個人來講，2023年裡諸如distillation，quantization一類的模型壓縮方法，還有分布式機器學習受到廣泛關注，說明工業界對待深度學習的態度已經越來越冷靜，工業界的應用需求也越來越清晰，這算是一件好事（對於今年找工作的應屆畢業生可能並不一定），未來我很看好深度學習模型在移動端的應用，以及分布式機器學習在工業上的應用
3樓：Qiang
沒人答，前行拋磚引玉。
1，深度學習在識別任務上大放異彩，較容易應用到工業目標的識別，如物件抓取，成品缺陷檢測。曾合作做過乙個五糧液酒瓶標識缺陷檢測的專案，慢有趣的。
2，強化學習在遊戲領域的所向披靡，從跳棋到圍棋的獨孤求敗（實際上就是不斷的決策），很容易應用到具體移動機械人的控制上，最新的google旗下的波士頓四腿機械人應用了增強學習方法，四足機械人更快更穩定、它就像打遊戲。
還請工業界大牛總結發言。
2023年了，深度學習在Windows和Linux上的配置和使用差別還大嗎？
Valar Morghulis 看用途嘍。我主要是用深度學習進行科研，而不是長時間在機子上去訓練，所以對我而言差別不大 或者近乎沒有差別 有乙個非常有意思的問題 最新版tensorflow 2.4.1 是支援CUDA 11.0的，然而在Linux的一眾發行版中，使用Keras的CNN MNIST模型...
深度學習在工業工程領域有哪些典型的應用？
不立危牆Amon 主要是機器視覺 缺陷檢測吧？有2d 有3d的。3d壁壘略高。3d手機 汽車精密製造 高鐵製造 飛機葉片製造等。深度學習目前創業公司很多，小程式 智慧型寫作 金 融服務 醫療影像 測序診斷 食品質檢 機器視覺 工業檢測等等，都接觸過一些。純演算法公司能落地的不多，總是測算不到正向現金...
2023年12月，深度學習推薦使用AMD還是INTEL的CPU？
寬泛科技 AMD的 cpu 和 intel 的 cpu 跑深度學習的差距其實不大，都很慢，跟 gpu 有數量級的差距。已經有了3080，使用AMD N卡做深度學習不會有啥問題的，但是你要是使用intel的蜜汁加成，或者說想玩玩多核平行計算，可以考慮上intel的U，畢竟I家的編譯器和相應的profi...