목차
제1장 신경망 컴퓨터와 뇌의 정보처리
1.1 신경망 컴퓨터 = 11
1.1.1 컴퓨터와 인간 뇌의 연구 = 11
1.1.2 신경망 컴퓨터의 주변분야 = 20
1.2 뇌의 정보처리 = 27
1.2.1 생물과 정보처리 = 27
1.2.2 뉴론(Neuron)과 화살 꼴두기 = 28
1.2.3 노벨상을 탄 신경방정식 = 35
1.2.4 뉴론과 정보 = 38
1.2.5 뉴론에서 뉴럴 네트워크(신경회로망)뇌로 = 41
1.2.6 뇌의 정보처리 특징 = 45
1.3 신경망 컴퓨터의 구조와 특징 = 47
1.3.1 기본구조 = 47
1.3.2 학습과 자기조직화 = 48
1.3.3 신경망 컴퓨터의 특징 = 49
1.4 신경망 컴퓨터의 연구분야와 그 주변분야들과의 관계 = 49
1.4.1 신경망 컴퓨터의 연구분야 = 49
1.4.2 신경망 컴퓨터에 기대되는 기능과 응용 = 51
제2장 뉴럴 네트워크 모델
2.1 뉴론 모델(Neuron Model) = 57
2.1.1 뉴론과 뉴럴 네트워크 = 57
2.1.2 시간적인 이산 모델 = 59
2.1.3 시간적인 연속 모델 = 60
2.1.4 확률적인 동작 모델 = 60
2.2 뉴럴 네트워크 모델의 기초 = 61
2.2.1 Hebb의 학습 = 62
2.2.2 상관학습 = 62
2.2.3 델타 룰 = 62
2.2.4 Perceptron = 63
2.3 상호결합형 모델 = 64
2.3.1 구조와 원리 = 64
2.3.2 메모리 용량 = 66
2.3.3 조합 최적화 문제에 대한 응용 = 68
2.4 계층형 모델 = 70
2.4.1 구조와 학습 = 70
2.4.2 기능과 응용 = 73
2.5 Boltzman Machine 모델 = 74
2.5.1 Boltzman Machine의 개요 = 74
2.5.2 학습법칙과 물리적인 의미 = 76
2.5.3 기능과 응용 = 79
2.6 Kohonen의 자기조직화 모델 = 80
2.6.1 학습 알고리즘 = 80
2.6.2 시뮬레이션 결과의 예 = 82
2.6.3 뉴럴 네트워크에 의한 구현 = 84
2.7 기타 뉴럴 네트워크 모델 = 86
2.7.1 LVQ 모델 = 86
2.7.2 경쟁학습 모델 = 89
2.8 하드웨어화를 위한 모델 = 92
2.8.1 양자화 학습 알고리즘 = 93
2.8.2 Back Propagation 모델에 대한 적용 예 = 94
제3장 뉴로 시물레이터
3.1 병렬 컴퓨터와 그 응용 = 100
3.1.1 병렬 컴퓨터의 개요 = 100
3.1.2 병렬 컴퓨터에 의한 시물레이션 기술(技術) = 103
3.2 뉴로 액셀레이터 = 106
3.2.1 범용 마이크로 프로세서를 이용한 방식 = 106
3.2.2 DSP 칩을 이용한 방식 = 108
제4장 VLSI 뉴로 칩
4.1 VLSI 기술 = 115
4.1.1 반도체 기술의 역사 = 115
4.1.2 LSI 기술의 특징 = 117
4.1.3 LSI 제품의 동항 = 118
4.1.4 VLSI 뉴로 칩의 기능성 = 120
4.2 VLSI 뉴로 칩의 개요 = 121
4.2.1 뉴로 칩에 요구되는 기능들 = 121
4.2.2 뉴로 칩의 분류와 요소 기술들 = 121
4.3 뉴로 칩의 구현 예 = 125
4.3.1 AT & T(벨 연구소)의 CMOS 칩 = 125
4.3.2 히타찌 제작소의 WSI 디지털 어프로치 = 128
4.3.3 후지쯔의 아날로그 뉴로 칩 = 132
4.4 학습기능을 가진 뉴로 칩 = 135
4.4.1 학습기능을 가진 뉴로 칩의 의미 = 135
4.4.2 시냅스 회로 = 136
4.4.3 뉴론 회로 = 138
4.4.4 칩 구성 = 140
4.4.5 대규모 회로의 구현방법 = 141
제5장 광 뉴럴 네트워크
5.1 광 기술의 특징 = 147
5.2 광 뉴로 디바이스의 개요 = 147
5.2.1 광 뉴런 소자(광 임계치 소자) = 148
5.2.2 광 시냅스 소자(공간 광 변조 소자) = 150
5.3 광 전자 공존형 뉴럴 네트워크 = 154
5.3.1 광 행렬 벡터 승산기(내적 승산기)의 기본구조 = 154
5.3.2 상호결합형 모델의 광 아키텍처 = 155
5.3.3 계층형 모델의 광 아키텍처 = 157
5.4 광 시스템의 집적화(광 뉴로 칩) = 160
5.4.1 전기신호 어드레스형 뉴로 칩 = 160
5.4.2 광 신호 어드레스형 뉴로 칩 = 163
5.5 광 뉴로 시스템의 대규모화와 다기능화 = 165
5.5.1 다중화 기법 = 165
5.5.2 다중 칩 광 뉴로 시스템 = 167
5.6 전광(全光) 뉴럴 네트워크 = 167
5.6.1 광 연상 메모리의 원리 = 167
5.6.2 계층구조의 광 연상 메모리 = 168
5.6.3 피이드백 구조의 광 연상 메모리 = 170
5.6.4 그 밖의 전광(全光) 뉴럴 네트워크 = 170
5.7 인공망막 소자(시각 정보처리 소자) = 171
5.7.1 움직이는 물체의 추출 소자 = 171
5.7.2 윤곽추출 소자 = 172
제6장 연상 메모리
6.1 표준적인 컴퓨터 메모리 = 175
6.2 연상 메모리의 구현 = 178
6.3 RAM 상에서의 구현 = 179
6.4 RAM과 n튜플(n-tuple)화 = 184
6.5 Willshaw의 연상 네트 = 185
6.5.1 문제점 = 187
6.6 ADAM 시스템 = 187
6.6.1 응용 = 190
6.7 Kanerva의 스파스 분산 메모리 = 191
6.8 양방향 연상 메모리 = 193
제7장 뉴럴 네트워크의 인식에 대한 응용
7.1 문자인식 = 197
7.1.1 인쇄문자 인식 = 198
7.1.2 수기문자 인식 = 203
7.2 음성인식 = 207
7.2.1 음운인식 = 207
7.2.2 단어인식 = 213
7.3 인식을 위한 언어처리 = 214
제8장 뉴럴 네트워크의 제어에 대한 응용
8.1 역 모델의 학습 알고리즘 = 220
8.1.1 Back Propagation 학습방법 = 221
8.1.2 최적 역 모델 학습방법 = 222
8.1.3 피이드백 오차 학습방법 = 224
8.2 시계열 신호의 학습과 생성 = 226
8.3 최적제어 = 228
8.4 자율 로봇 = 232
제9장 뉴럴 네트워크의 산업 시스템에 대한 응용
9.1 산업 시스템과 뉴럴 네트워크 = 237
9.2 전력 시스템에 대한 응용 = 239
9.2.1 전력의 수효예측에 대한 응용 = 240
9.2.2 GIS의 예방과 보전에 대한 응용 = 242
9.3 제철 프로세스에 대한 내용 = 245
9.3.1 용광로(鎔鑛爐) 상태의 추정 = 246
9.3.2 연속주조의 이상 예측 = 248
9.4 정보통신과 금융에 대한 응용 = 250
9.4.1 통신제어에 대한 응용 = 250
9.4.2 뉴럴 네트워크의 주가예측에 대한 응용 = 253
9.5 실용화에 있어서의 과제 = 255
제10장 신경망 컴퓨터의 미래상
10.1 개요 = 259
10.1.1 뇌의 기본원리와 신경망 컴퓨터 = 259
10.1.2 신경망 컴퓨터 연구의 과제 = 261
10.1.3 미래의 신경망 컴퓨터 응용 = 263
10.2 가오스 뉴럴 네트워크 = 263
10.2.1 가오스란? = 263
10.2.2 뇌신경 시스템과 가오스 = 267
10.2.3 가오스 뉴론 모델과 가오스 뉴럴 네트워크 = 269
10.2.4 가오스 뉴럴 네트워크와 그 주변분야 = 275
10.3 면역 네트워크 = 276
10.3. 면역 시스템과 바이오 컴퓨터 = 276
10.3. 면역 시스템과 특징 = 276
10.3. 면역 시스템의 역할 = 277
10.3. 면역 네트워크와 프로세싱 엘리먼트 = 278
10.3. 면역 네트워크의 상호작용 = 279
10.3. 면역 네트워크의 병렬분산 아키텍처 = 280
제11장 통합형 시스템
11.1 뉴로 기술과 AI 기술의 통합 = 285
11. 통합형 전문가 시스템 = 287
11. 통합형 자연어 처리 = 288
11. 통합형 시스템 구현의 과제 = 290
11. 신경망 컴퓨터 연구의 진행방법 = 292
11. 신경망 컴퓨터의 가능성 = 293
부록
참고문헌 = 197
