상세정보

신경망에 익숙하지 못한 일반인이나 학생들을 대상으로 쓰여졌다. 때문에 어려운 수학이나 난해한 이론적 전개 방식은 가능한한 피하도록 하였다.반면, 신경망을 이해하기 위해 꼭 필요한 기본적인 개념들은 빠짐없이 설명하였으며, 특히 흥미와 교육적 효과를 함께 가질 수 있도록 신중하게 선택된 다양한 응 용 문제들을 제시하고 그것들을 직접 프로그래밍 해봄으로써 신경망의 구조와 동작원리, 특성 등을 체험적으로 이해하도록 하는데 중점을 두었다.

정보제공 :

제1장 인공지능과 신경망
1.1 지능과 본능
1.2 자연지능과 인공지능
1.2.1 인공지능 연구의 목적
1.2.2 인공지능의 역사
1.2.3 인공지능의 연구분야
제2장 뇌와 신경망
2.1 뇌와 컴퓨터
2.1.1 디지탈, 아날로그 정보처리와 디지탈 정보처리
2.1.2 대규모 병렬 처리와 초고속 순차 처리
2.1.3 분산 표현 방식과 지역 표현 방식
2.1.4 확률과 통계적 결과와 결정적 결과
2.1.5 학습에 의한 지식과 프로그래밍에 의한 지식
2.2 뇌와 신경망
2.2.1 신경망의 구조-신경망, 층, 면, 신경세포 그리고 연결
2.2.2 신경망의 동작-신경세포의 동작, 학습, 회상
제3장 신경망 시뮬레이션
3.1 신경망 컴퓨터와 신경망 시뮬레이터
3.1.1 신경망 컴퓨터
3.1.2 신경망 시뮬레이터
3.2 시뮬레이티드 뉴럴 칩-SNC_68031
3.2.1 SNC_680311 개요 및 프로그래밍 기준
3.2.2 SNC_680311 설계 및 프로그래밍
3.3 인클루드 화일들-"NCHIP.H", "NDISP.H"
3.3.1 "NCHIP.H"
3.3.2 "NDISP.H"
3.3.3 "SNC_test.c"
제4장 학습하는 기계 신경망[1]
4.1 감독 학습 방법과 연관 기억장치
4.2 헤브의 규칙과 패턴 연관기
4.2.1 adj_wt_hb()
4.2.2 SNC_68031()의 보완
4.2.3 "bar1_hb.c"
4.2.4 "bar2_hb.c"
4.2.5 "ppong_hb.c"
4.3 델타 규칙과 단츨 퍼셉트론
4.3.1 adj_wt_dt()
4.3.2 SNC_680311()의 보완
4.3.3 "dgt1_dt.c"
4.3.4 "dgt2_dt.c"
4.3.5 "xor_dt.c"
4.3.6 XOR 문제
4.4 일반화된 델타 규칙과 다층 퍼셉트론
4.4.1 adj_wt_gdt()
4.4.2 SNC_680311()의 보완
4.4.3 "xor_gdt.c"
4.4.4 "fly_gdt.c"
4.4.5 "expt_gdt.c"
제5장 학습하는 기계 신경망[2]
5.1 무감독 학습 방법과 패턴 분류기
5.2 인스타 규칙과 경쟁 학습 모델
5.2.1 adj_wt_ist()와 winner_takes_all()
5.2.2 SCN_680311()의 보완
5.2.3 "xy_cpt.c"
5.2.4 "vlhl_cpt.c"
5.3 멕시코 모자와 자기 조직 지도 모델
5.3.1 adj_wt_som()과 find_shortest_distance_nn()
5.3.2 SCN_680311()의 보완
5.3.3 "alph_cpt.c"
5.3.4 "sinw_som.c"
부록
부록1 신경망 용어정리
부록2 SNC_680311 소스 리스트
부록3 참고문헌

정보제공 :