|
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.
|
