| 000 | 00000cam c2200205 c 4500 | |
| 001 | 000045941074 | |
| 005 | 20180509145418 | |
| 007 | ta | |
| 008 | 180509s2018 ulkad b 001c kor | |
| 020 | ▼a 9788957174777 ▼g 93560 | |
| 035 | ▼a (KERIS)BIB000014759608 | |
| 040 | ▼a 247009 ▼c 247009 ▼d 211009 | |
| 082 | 0 4 | ▼a 006.32 ▼2 23 |
| 085 | ▼a 006.32 ▼2 DDCK | |
| 090 | ▼a 006.32 ▼b 2018 | |
| 100 | 1 | ▼a 오창석 ▼g 吳昌錫, ▼d 1955- |
| 245 | 2 0 | ▼a (딥러닝을 위한) 인공 신경망 = ▼x Artificial neural networks for deep learning / ▼d 오창석 저 |
| 260 | ▼a 서울 : ▼b 내하출판사, ▼c 2018 | |
| 300 | ▼a 320 p. : ▼b 삽화, 도표 ; ▼c 27 cm | |
| 504 | ▼a 참고문헌(p. 316)과 색인수록 | |
| 945 | ▼a KLPA |
소장정보
| No. | 소장처 | 청구기호 | 등록번호 | 도서상태 | 반납예정일 | 예약 | 서비스 |
|---|---|---|---|---|---|---|---|
| No. 1 | 소장처 과학도서관/Sci-Info(1층서고)/ | 청구기호 006.32 2018 | 등록번호 121244459 (11회 대출) | 도서상태 대출가능 | 반납예정일 | 예약 | 서비스 |
컨텐츠정보
책소개
딥러닝의 핵심인 심층 신경망까지 다양한 신경망 모델을 다루면서도 예제를 통해 공부한 내용의 개념이 쉽게 정립될 수 있도록 배려하여, 인공 신경망이 활용될 수 있는 다양한 학문 분야의 교재로 활용될 수 있으며, 머신 러닝이나 딥러닝에 관심이 있는 일반 독자들도 혼자서 학습할 수 있도록 구성하였다.
>> 인공 신경망은 영상 인식, 음성 인식, 자동 제어, 빅데이터, 경영, 의료진단, 추론, 연상 등 실로 매우 다양한 분야에서 활용되고 있다. 이 책은 딥러닝의 핵심인 심층 신경망까지 다양한 신경망 모델을 다루면서도 예제를 통해 공부한 내용의 개념이 쉽게 정립될 수 있도록 배려하여 일반 독자들도 혼자서 학습할 수 있도록 구성하였다.
인간 뇌에서의 정보 처리를 모방한 인공 신경망은 영상 인식, 음성 인식, 자동 제어, 빅데이터, 경영, 의료진단, 추론, 연상 등 실로 매우 다양한 분야에서 활용되고 있다. 또한, 4차 산업혁명의 기반이 되는 인공지능의 핵심 기술로서 심층 신경망인 딥러닝에 대한 관심이 높아지고 있는 실정이다. 그렇지만, 인공 신경망 이론은 난해하기 때문에 그 내용을 이해하고 이를 원하는 분야에 활용하는 데 어려움이 있다.
이 책은 딥러닝의 핵심인 심층 신경망까지 다양한 신경망 모델을 다루면서도 예제를 통해 공부한 내용의 개념이 쉽게 정립될 수 있도록 배려하여, 인공 신경망이 활용될 수 있는 다양한 학문 분야의 교재로 활용될 수 있으며, 머신 러닝이나 딥러닝에 관심이 있는 일반 독자들도 혼자서 학습할 수 있도록 구성하였다.
이 책에서 다루는 내용은 다음과 같다. 제 1장에서는 인공 신경망의 특징과 발전 과정을 소개하였고, 제 2장에서는 인간 뇌의 구조와 뉴런의 활성화 등 생물학적 신경망에 대하여 기술하였으며, 제 3장에서는 뉴런을 모델링하는 방법과 McCulloch-Pitts 모델에 대하여 기술하였다. 제 4장에서는 신경망의 구조와 학습 방법에 대하여 기술하였고, 제 5장에서는 계단 함수, ReLU 함수, 시그모이드 함수, softmax 함수 등 신경망의 출력을 얻는 데 사용되는 활성화 함수에 대하여 기술하였다. 제 6장에서는 신경망을 이용한 패턴 분류기에 대하여 기술하였고, 제 7장에서는 퍼셉트론의 구조와 학습 알고리즘에 대하여 기술하였으며, 제 8장에서는 Hopfield 모델, 양방향 연상 메모리에 대하여 기술하였다. 제 9장에서는 자율 학습 신경망인 SOM과 ART에 대하여 기술하였고, 제 10장에서는 경쟁식 신경망인 Hamming Net과 CP Net에 대하여 기술하였다. 제 11장에서는 일반적인 3계층 구조의 다층 신경망뿐만 아니라 심층 신경망을 학습하는 데에도 널리 사용되는 BP 알고리즘, 신경망의 학습에 영향을 미치는 다양한 학습 인자에 대하여 기술하였다. 제 12장에서는 심층 신경망인 컨볼루션 신경망과 순환 신경망의 구조와 응용에 대하여 기술하였다.
정보제공 :
저자소개
오창석(지은이)
충북대학교 컴퓨터공학과 명예교수 연세대학교 공학박사 한국전자통신연구원 연구원 역임 미국 Stanford University 객원교수 역임 충북대학교 컴퓨터공학과 교수 역임 한국엔터테인먼트산업학회 회장 역임 ∙ 저서 : <딥러닝을 위한 인공 신경망>, <데이터 통신과 컴퓨터 네트워크>, <뉴로 컴퓨터> 등 다수
목차
CHAPTER 01 개요 1.1 인간의 뇌를 모방한 인공 신경망 1.2 신경망의 응용 절차 1.3 새롭게 조명되는 신경망 연습문제 CHAPTER 02 생물학적 신경망 2.1 인간의 뇌 2.2 뉴런의 구조 2.3 뉴런의 활성화 연습문제 CHAPTER 03 인공 신경망 모델 3.1 뉴런의 모델링 3.2 McCulloch-Pitts 모델 연습문제 CHAPTER 04 신경망의 구조와 학습 4.1 신경망의 구조 4.2 신경망의 학습 연습문제 CHAPTER 05 활성화 함수 5.1 계단 함수 5.2 항등 함수 5.3 ReLU 함수 5.4 시그모이드 함수 5.5 softmax 함수 연습문제 CHAPTER 06 패턴 분류 6.1 패턴의 유형 6.2 패턴 분류 시스템 6.3 판별 함수 6.4 신경망 패턴 분류기 연습문제 CHAPTER 07 퍼셉트론 7.1 퍼셉트론의 구조 7.2 퍼셉트론의 학습 알고리즘 연습문제 CHAPTER 08 연상 메모리 8.1 패턴 연상 8.2 Hopfield 모델 8.3 양방향 연상 메모리 연습문제 CHAPTER 09 자율 신경망 9.1 SOM 9.2 ART 연습문제 CHAPTER 10 경쟁식 신경망 10.1 패턴의 유사도 10.2 Hamming Net 10.3 CP Net 연습문제 CHAPTER 11 오류 역전파 알고리즘 11.1 델타 학습법 11.2 BP 알고리즘 11.3 학습 인자 연습문제 CHAPTER 12 심층 신경망 12.1 컨볼루션 신경망 12.2 컨볼루션 신경망의 응용 12.3 순환 신경망 연습문제 :: 찾아보기