목차
제1장 서론 = 1
제2장 인공 신경 회로망 = 5
2.1 서론 = 6
2.1.1 인공 뉴런 = 6
2.1.2 퍼셉트론 = 8
2.1.3 활성 함수 = 8
2.1.4 2층 신경 회로망 = 11
2.1.5 신경 회로망의 형태 = 11
2.1.6 학습(learning) = 12
2.1.7 학습된 신경 회로망으로부터 출력 데이터의 연상 = 14
2.1.8 학습 규칙 = 14
2.1.9 신경 회로망의 연결 형태 = 15
2.2 신경 회로망의 기본 형태 = 16
2.2.1 다층 퍼펩트론 = 17
2.3 결론 = 19
제3장 진화 연산 = 21
3.1 유전 알고리즘(GAs) = 22
3.1.1 최적화 문제의 예 = 22
3.1.2 알고리즘 = 26
3.1.3 세대의 예 = 26
3.1.4 이원법과 경쟁 방법 = 37
3.1.5 정상 상태 유전 알고리즘 = 41
3.1.6 병렬 유전 알고리즘 = 42
3.1.7 엘리트 이론 = 42
3.1.8 기본 유전 알고리즘의 확장 = 43
3.2 유전 프로그래밍(GP) = 44
3.3 진화 알고리즘 = 50
제4장 생물학적 배경 = 55
4.1 진화론의 구조 = 55
4.2 재생 = 57
4.3 돌연변이 = 59
4.3.1 염색체 돌연변이 = 59
4.3.2 유전자 돌연변이 = 62
4.4 진화 = 63
4.5 진화 연산과의 관계 = 71
제5장 유전 알고리즘의 수학적 기초 = 79
5.1 유전 알고리즘의 실행 = 79
5.2 스키마 정리와 구성부 가설 = 82
5.2.1 Roulette Wheel 재생의 효과 = 84
5.2.2 교배 효과 = 85
5.2.3 돌연변이 효과(The Effect Mutation) = 87
5.2.4 모든 유전 연산자들의 조합 효과: 스키마 정리 = 88
5.2.5 구성부 가설 = 89
5.2.6 초월 평면의 전환 = 91
5.2.7 Walsh 스키마 변환 = 92
5.2.8 다른 표현에대한 스키마 정리의 확장 = 95
5.3 스키마 정리와 구상부 가설에 대한 평가 = 96
5.4 스키마 정리에 대한 양자택일의 가격 이론 = 98
5.5 마르코프 연쇄 분석 = 99
제6장 GA의 도구 = 103
6.1 GA 수행 = 103
6.2 적합도 함수 = 106
6.3 코딩(coding) = 107
6.3.1 2진 코딩 = 108
6.3.2 실제값 코딩 = 110
6.3.3 기호 코딩 = 111
6.3.4 비동질 코딩 = 111
6.4 선택 구조 = 112
6.4.1 조화 재생 = 113
6.4.2 토너먼트 선택 = 114
6.4.3 정상 상태 유전 알고리즘 = 115
6.5 교배, 돌연변이와 역치 = 115
6.5.1 교배 = 116
6.5.2 돌연변이 = 117
6.5.3 역치 = 118
제7장 진화 연산과 신경회로망의 조합 = 119
7.1 신경 회로망(NN)의 가중치 학습에서의 진화 연산 = 119
7.2 진화 연산의 신경 회로망(NN) 분석 = 121
7.3 진화 연산으로서 신경 회로망(NN) 구조와 가중치의 최적화 = 122
7.3.1 직접 엔코딩 = 125
7.3.2 파라메트로 된 엔코딩 = 127
7.3.3 문법 엔코딩 = 128
제8장 유전 알고리즘을 사용한 신경 회로망 발생 = 131
8.1 구조 = 132
8.2 유전 알고리즘의 신경 회로망의 예 = 133
8.3 신경 회로망에 대한 유전 프로그래밍의 창조와 교배 법칙 = 135
8.3.1 창조 법칙 = 135
8.3.2 교배 법칙 = 135
8.4 자동적으로 정의된 함수(ADF) = 136
8.5 적합도 함수의 이행 = 138
8.6 신경 회로망에 대한 유전 프로그래밍의 실험 = 139
8.6.1 XOR 문제 = 140
8.6.2 1bit를 더한 문제 = 142
8.6.3 나선형으로 서로 얽혀진 문제 = 144
8.7 신경 회로망에 대한 유전 프로그래밍의 논의 = 145
제9장 GA를 사용한 신경망 가중치의 최적화 = 147
9.1 GA 소프트웨어에 대한 설명 = 148
9.2 구조 = 151
9.3 실험 = 155
9.3.1 데이터 집합 = 156
9.3.2 GA와 오류 역전파의 비교 = 157
9.3.3 결과 = 158
9.4 논의 = 165
제10장 신경 회로망을 생성하는 GA = 167
10.1 신경망 설계에 있어서의 구조화 유전 알고리즘 = 168
10.1.1 가중치 전송 = 169
10.1.2 구조적 변화와 파라미터 변화 = 171
10.2 Kitanos Matrix Grammar = 173
10.3 변형된 행렬 문법 = 175
10.4 행렬 문법에 의한 Structured Gas의 결합 = 185
10.4.1 유전 연산자 = 189
10.4.2 평가 = 189
10.5 직접 부호화(Direct Encoding) = 190
10.6 신경망의 간소화와 축소(Network pruning and Reduction) = 193
10.7 실험 = 194
10.7.1 설정 = 194
10.7.2 결과 = 195
10.8 토의 = 213
제11장 결론 및 대안 = 217
참고문헌 = 221
찾아보기 = 229
