| 000 | 00000cam c2200205 c 4500 | |
| 001 | 000045957517 | |
| 005 | 20181018150735 | |
| 007 | ta | |
| 008 | 181018s2018 ulkad b 001c kor | |
| 020 | ▼a 9791161752129 ▼g 93000 | |
| 035 | ▼a (KERIS)BIB000014948411 | |
| 040 | ▼a 222003 ▼c 222003 ▼d 211009 | |
| 041 | 1 | ▼a kor ▼h eng |
| 082 | 0 4 | ▼a 006.32 ▼2 23 |
| 085 | ▼a 006.3 ▼2 DDCK | |
| 090 | ▼a 006.3 ▼b 2018z8 | |
| 245 | 0 0 | ▼a 신경망 설계 : ▼b 주요 신경망 이론과 응용 사례 / ▼d 마틴 헤이건 [외]지음 ; ▼e 윤성진 옮김 |
| 246 | 1 9 | ▼a Neural network design ▼g (2nd ed.) |
| 260 | ▼a 서울 : ▼b 에이콘, ▼c 2018 | |
| 300 | ▼a 918 p. : ▼b 삽화, 도표 ; ▼c 24 cm | |
| 500 | ▼a 공저자: 하워드 데무스, 마크 허드슨 빌, 올랜도 헤수스 | |
| 500 | ▼a 부록: 표기법, 소프트웨어 | |
| 504 | ▼a 참고문헌과 색인수록 | |
| 650 | 0 | ▼a Neural networks (Computer science) |
| 700 | 1 | ▼a Hagan, Martin T., ▼e 저 |
| 700 | 1 | ▼a Demuth, Howard B., ▼e 저 |
| 700 | 1 | ▼a Beale, Mark Hudson, ▼e 저 |
| 700 | 1 | ▼a Jesus, Orlando De, ▼e 저 |
| 700 | 1 | ▼a 윤성진 |
| 900 | 1 0 | ▼a 헤이건, 마틴, ▼e 저 |
| 900 | 1 0 | ▼a 데무스, 하워드, ▼e 저 |
| 900 | 1 0 | ▼a 빌, 마크 허드슨, ▼e 저 |
| 900 | 1 0 | ▼a 헤수스, 올랜도, ▼e 저 |
| 945 | ▼a KLPA |
소장정보
| No. | 소장처 | 청구기호 | 등록번호 | 도서상태 | 반납예정일 | 예약 | 서비스 |
|---|---|---|---|---|---|---|---|
| No. 1 | 소장처 과학도서관/Sci-Info(1층서고)/ | 청구기호 006.3 2018z8 | 등록번호 121246243 (17회 대출) | 도서상태 대출가능 | 반납예정일 | 예약 | 서비스 |
| No. 2 | 소장처 과학도서관/Sci-Info(1층서고)/ | 청구기호 006.3 2018z8 | 등록번호 521004718 (37회 대출) | 도서상태 대출가능 | 반납예정일 | 예약 | 서비스 |
| No. 3 | 소장처 세종학술정보원/과학기술실(5층)/ | 청구기호 006.3 2018z8 | 등록번호 151343883 (1회 대출) | 도서상태 대출가능 | 반납예정일 | 예약 | 서비스 |
| No. 4 | 소장처 세종학술정보원/과학기술실(5층)/ | 청구기호 006.3 2018z8 | 등록번호 151349861 | 도서상태 대출가능 | 반납예정일 | 예약 | 서비스 |
| No. | 소장처 | 청구기호 | 등록번호 | 도서상태 | 반납예정일 | 예약 | 서비스 |
|---|---|---|---|---|---|---|---|
| No. 1 | 소장처 과학도서관/Sci-Info(1층서고)/ | 청구기호 006.3 2018z8 | 등록번호 121246243 (17회 대출) | 도서상태 대출가능 | 반납예정일 | 예약 | 서비스 |
| No. 2 | 소장처 과학도서관/Sci-Info(1층서고)/ | 청구기호 006.3 2018z8 | 등록번호 521004718 (37회 대출) | 도서상태 대출가능 | 반납예정일 | 예약 | 서비스 |
| No. | 소장처 | 청구기호 | 등록번호 | 도서상태 | 반납예정일 | 예약 | 서비스 |
|---|---|---|---|---|---|---|---|
| No. 1 | 소장처 세종학술정보원/과학기술실(5층)/ | 청구기호 006.3 2018z8 | 등록번호 151343883 (1회 대출) | 도서상태 대출가능 | 반납예정일 | 예약 | 서비스 |
| No. 2 | 소장처 세종학술정보원/과학기술실(5층)/ | 청구기호 006.3 2018z8 | 등록번호 151349861 | 도서상태 대출가능 | 반납예정일 | 예약 | 서비스 |
컨텐츠정보
책소개
acorn ADVANCED 시리즈. 신경망 이론 입문서로서 전세계 독자들에게 많은 사랑을 받으며, 대학원 교재로 채택될 정도로 그 효용성을 인정받고 있다. 이 책에서는 인공 신경망의 역사에 변곡점을 만든 주요 신경망의 개념과 구조, 훈련 방식을 체계적이고 상세하게 소개하고 있다.
또한 신경망 이론의 수학적 이해에 필요한 선형대수 이론을 주요하게 다루고 있으며, 예제와 문제 풀이를 통해 개념을 쉽게 설명하고 있어서 누구나 흥미롭게 이해하고 따라갈 수 있고, 신경망 이론의 수학적 증명을 포함하고 있어서 수학적 타당성을 깊이 있게 이해할 수 있게 해준다. 이 책을 통해 신경망의 이론적 기반을 더욱 탄탄히 다질 수 있을 것이다.
★ 이 책에서 다루는 내용 ★
- (다층 신경망 및 방사형 기저 네트워크를 포함한) 피드포워드 네트워크와 순환망의 훈련 기법을 상세히 다루고 있다. 켤레 경사 및 레벤버그-마쿼트 역전파 알고리즘의 변형 외에 훈련된 네트워크의 일반화를 보장하기 위한 베이지안 정규화와 조기 종료에 대해서도 다룬다.
- 특징 맵, 벡터 양자화 학습을 포함하는 연상 네트워크와 경쟁 네트워크를 간단한 구성요소와 함께 설명한다.
- 상세한 실제 사례 연구를 제시하는 5개의 장과 함께 함수 근사, 패턴 인식, 군집화, 예측에 관한 실용적인 훈련 팁에 관한 장을 제공한다.
- 상세한 예제와 다양한 문제 풀이를 제공한다. 슬라이드와 종합적인 데모 소프트웨어를 hagan.okstate.edu/nnd.html에서 내려 받을 수 있다.
★ 이 책의 대상 독자 ★
대학교 졸업반이나 대학원 1년 차를 위한 한 학기 신경망 입문 과정으로 구성됐다(물론 단기 과정이나 독학, 참고용으로도 적합하다). 독자는 선형대수, 확률, 미분 방정식에 관한 배경지식이 어느 정도 있어야 한다.
★ 이 책의 구성 ★
각 장은 이론과 예제, 결과 요약, 문제 풀이, 맺음말, 참고 문헌, 연습문제로 이뤄진 6개의 절로 나뉘어 있다. '이론과 예제' 절은 각 장의 본문으로 기본 아이디어 개발 과정과 (여기 왼쪽의 아이콘으로 표시되는) 예제를 포함한다. '결과 요약' 절은 주요 방정식과 개념을 쉽게 참고할 수 있게 했다. 각 장의 1/3 정도는 '문제 풀이' 절에 할애돼 있으며 여기서는 주요 개념에 대한 자세한 예제를 제공한다.
1장부터 6장까지는 뒷부분에 필요한 기본 개념을 다룬다. 1장은 이 책에 대한 소개와 함께 간단한 역사적 배경과 기초 생물학에 관한 내용으로 구성돼 있다. 2장은 기본 신경망 구조를 설명하고, 이 책에서 사용하는 표기법을 정의한다. 3장은 세 종류의 신경망을 사용해 간단한 패턴 인식 문제의 해결 방법을 보여준다. 이들은 이 책에서 제시하는 모든 종류의 네트워크를 대표하는 네트워크다. 또한 이 책에서는 3장에서 제시한 패턴 인식 문제를 공통의 경험적 맥락으로 제공한다.
이 책은 대부분의 다양한 작업을 수행하기 위한 신경망 훈련 방법에 초점이 맞춰져 있다. 4장에서는 학습 알고리즘이 무엇인지 소개하며, 최초의 실용적 학습 알고리즘인인 퍼셉트론 학습을 제시한다. 퍼셉트론 네트워크는 근본적인 한계가 있지만 역사적으로 매우 중요하며, 이후에 제시되는 좀 더 강력한 네트워크에 적용되는 주요 개념을 소개할 때 매우 유용하게 사용된다.
주요 목표 중 하나는 신경망의 작동 방식을 설명하는 것이다. 따라서 신경망 주제와 관련된 주요 내용을 함께 엮어서 소개할 것이다. 예를 들어, 신경망 이해를 위한 핵심 수학이라고 할 수 있는 선형대수는 5장과 6장에서 복습한다. 여기서 논의되는 개념은 이 책에서 광범위하게 사용된다.
7장, 15장은 생물학과 심리학에서 많은 영감을 받은 네트워크에 대해 설명하며, 이에 대한 학습 규칙도 설명한다. 이 네트워크는 연상 네트워크(associative network)와 경쟁 네트워크(competitive network) 범주에 속한다. 연상 네트워크는 7장, 경쟁 네트워크는 15장에서 다룰 것이다.
8~14장, 16장은 성능을 최적화하기 위해 네트워크를 훈련시키는 성능 학습(performance learning)을 다룬다. 8장, 9장은 성능 학습의 기본 개념을 소개한다. 10~13장은 점점 강력해지고 복잡해지는 피드포워드 신경망(feedforward neural network)에 성능 학습의 개념을 적용하며, 14장은 동적 네트워크(dynamic network)에, 16장에서는 경쟁 학습 개념을 사용하는 사형 기저 네트워크(radial basis network)에 성능 학습의 개념을 적용한다.
네트워크 종류별 기초와 학습 규칙에 집중해 핵심 개념을 이해하는 데 중점을 둔 이전 장들과는 달리, 17~22장은 신경망을 실제 문제에 적용하면서 발생하는 실질적인 이슈에 대해 논의한다. 17장은 여러 가지 실용적인 훈련 팁을 설명하며, 18~22장은 사례 연구를 제시한다. 사례 연구에서는 신경망을 함수 근사, 확률 추정, 패턴 인식, 클러스터링, 예측에 관한 실제 문제에 적용한다.
정보제공 :
저자소개
마틴 헤이건(지은이)
캔자스 대학교, 전기 공학 박사. 제어 시스템과 신호 처리 분야에서 35년간 연구와 강의를 해왔으며, 최근 25년간은 신경망을 사용한 제어와 필터링, 예측 분야의 연구에 집중해왔다. 오클라호마 주립대학교 전기 및 컴퓨터 공학과 학부의 교수이자 'Neural Network Toolbox for MATLAB'의 공동 저자이기도 하다.
하워드 데무스(지은이)
스탠퍼드 대학교, 전기 공학 박사. 23년간 주로 로스 알라모스 국립 연구소에서 세계 최초의 전자 컴퓨터 '매니악(MANIAC)'의 설계와 개발에 관여하는 등의 업계 경험을 쌓아왔으며, 15년간의 강의 경력도 갖추고 있다. 'Neural Network Toolbox for MATLAB'의 공동 저자이면서, 현재는 볼더의 콜로라도대학교에서 신경망을 강의하고 있다.
마크 허드슨 빌(지은이)
아이다호 대학교, 컴퓨터 과학 학사. 인공지능 알고리즘과 소프트웨어 개발 기술에 집중하고 있는 소프트웨어 공학자다. 'Neural Network Toolbox for MATLAB'의 공동 저자이며, 아이다호 헤이든에 있는 자신의 회사(MHB)를 통해 관련 컨설팅을 하고 있다.
올랜도 헤수스(지은이)
오클라호마 주립대학교, 전기 공학 박사. 24년간 업계 경험을 통해 베네수엘라 카라카스에 있는 AETI와 텍사스 캐롤턴에 있는 할리버턴사를 거쳐 현재는 텍사스 프리스코에서 공학 컨설팅을 하고 있다. 그의 논문은 'Neural Network Toolbox for MATLAB'에서 동적 신경망 훈련 알고리즘의 기초가 됐다.
윤성진(옮긴이)
KAIST 전산학과에서 컴퓨터 그래픽스를 전공했으며 LG전자 전자기술원, 티맥스소프트, 액센츄어 등에서 소프트웨어 연구 개발, 미들웨어 및 모듈형 로봇 플랫폼 제품 기획 업무를 수행했다. 인공지능 전문가로서 한국외국어대학교에서 딥러닝, 자료 구조, 데이터 마이닝을 가르치고, ㈜인공지능연구원에서 연구개발을 총괄했다. 현재는 SoftAI의 연구소장으로서 AI 솔루션 연구 개발을 하고 있으며 서울과학종합 대학원대학교 AI첨단대학원 겸직 교수를 역임하고 있다. 대표 저서에는 『Do it! 딥러닝 교과서』(이지스퍼블리싱, 2021), 『파이썬으로 구현하는 로보어드바이저』(에이콘, 2024), 『모두를 위한 컨벡스 최적화』(오픈소스, 2018)가 있다.
목차
1장. 소개 목표 역사 응용 생체 영감 참고 문헌 2장. 뉴런 모델과 네트워크 구조 목표 이론과 예제 표기법 뉴런 모델 네트워크 구조 결과 요약 문제 풀이 맺음말 연습문제 3장. 신경망 예제 목표 이론과 예제 문제 정의 퍼셉트론 해밍 네트워크 홉필드 네트워크 맺음말 연습문제 4장. 퍼셉트론 학습 규칙 목표 이론과 예제 학습 규칙 퍼셉트론 구조 퍼셉트론 학습 규칙 수렴의 증명 결과 요약 문제 풀이 맺음말 참고 문헌 연습문제 5장. 신호 및 가중치 벡터 공간 목표 이론과 예제 선형 벡터 공간 선형 독립 공간 생성 내적 놈 직교성 벡터 전개 결과 요약 문제 풀이 맺음말 참고 문헌 연습문제 6장. 신경망을 위한 선형 변환 목표 이론과 예제 선형 변환 행렬 표현 기저 변환 고윳값과 고유벡터 결과 요약 문제 풀이 맺음말 참고 문헌 연습문제 7장. 지도 헵 학습 목표 이론과 예제 선형 연상 메모리 헵 규칙 의사역행렬 규칙 응용 헵 학습의 변형 결과 요약 문제 풀이 맺음말 참고 문헌 연습문제 8장. 성능 표면과 최적점 목표 이론과 예제 테일러 급수 방향 미분 최소 최적의 필요조건 2차 함수 결과 요약 문제 풀이 맺음말 참고 문헌 연습문제 9장. 성능 최적화 목표 이론과 예제 최대 경사 하강법 뉴턴법 켤레 경사법 결과 요약 문제 풀이 맺음말 참고 문헌 연습문제 10장. 위드로-호프 학습 목표 이론과 예제 ADALINE 네트워크 평균 제곱 오차 LMS 알고리즘 수렴 분석 적응 필터링 결과 요약 문제 풀이 맺음말 참고 문헌 연습문제 11장. 역전파 목표 이론과 예제 다층 퍼셉트론 역전파 알고리즘 예제 배치 훈련과 점진적 훈련 역전파 사용 결과 요약 문제 풀이 맺음말 참고 문헌 연습문제 12장. 역전파 변형 목표 이론과 예제 역전파의 단점 역전파의 경험적 변형 수치 최적화 기법 결과 요약 문제 풀이 맺음말 참고 문헌 연습문제 13장. 일반화 목표 이론과 예제 문제 정의 일반화 개선 방법 결과 요약 문제 풀이 맺음말 참고 문헌 연습문제 14장. 동적 네트워크 목표 이론과 예제 계층화된 디지털 동적 네트워크 동적 학습 원리 동적 역전파 결과 요약 문제 풀이 맺음말 참고 문헌 연습문제 15장. 경쟁 네트워크 목표 이론과 예제 해밍 네트워크 경쟁 계층 생체 경쟁 계층 자기 조직 특징 맵 학습 벡터 양자화 결과 요약 문제 풀이 맺음말 참고 문헌 연습문제 16장. 방사형 기저 네트워크 목표 이론과 예제 방사형 기저 네트워크 RBF 네트워크 훈련 결과 요약 문제 풀이 맺음말 참고 문헌 연습문제 17장. 실용적인 훈련 이슈 목표 이론과 예제 사전 훈련 단계 네트워크 훈련 사후 훈련 분석 맺음말 참고 문헌 18장. 사례 연구 1: 함수 근사 목표 이론과 예제 스마트 센서 시스템 데이터 수집과 전처리 네트워크 구조 선택 네트워크 훈련 검증 데이터 집합 맺음말 참고 문헌 19장. 사례 연구 2: 확률 추정 목표 이론과 예제 CVD 과정 데이터 수집과 전처리 네트워크 구조 선택 네트워크 훈련 검증 데이터 집합 맺음말 참고 문헌 20장. 사례 연구 3: 패턴 인식 목표 이론과 예제 심근경색 인식 설명 데이터 수집과 전처리 네트워크 구조 선택 네트워크 훈련 검증 데이터 집합 맺음말 참고 문헌 21장. 사례 연구 4: 클러스터링 목표 이론과 예제 임상 식물 문제 정의 데이터 수집과 전처리 네트워크 구조 선택 네트워크 훈련 검증 데이터 집합 맺음말 참고 문헌 22장. 사례 연구 5: 예측 목표 이론과 예제 자기 부상 시스템 데이터 수집과 전처리 네트워크 구조 선택 네트워크 훈련 검증 데이터 집합 맺음말 참고 문헌 벡터 부록 부록 A 참고 문헌 부록 B 표기법 부록 C 소프트웨어