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.
￭ 오창석(吳昌錫)
충북대학교 컴퓨터공학과 교수
연세대학교 전자공학과(공학박사)
한국전자통신연구원 연구원 역임
미국 Stanford University 객원교수 역임
한국엔터테인먼트산업학회 회장 역임
￭ 저서 : <데이터 통신과 컴퓨터 네트워크>, <생동하는 TCP/IP 인터넷>, <뉴로 컴퓨터 개론>, <뉴로 컴퓨터>, <데이터 통신>, <정보통신과 TCP/IP 인터넷>, , <인터넷 활용>, <컴퓨터 프로그래밍>
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
