책 이미지

책 정보
· 분류 : 국내도서 > 컴퓨터/모바일 > 컴퓨터 공학 > 자료구조/알고리즘
· ISBN : 9788963564203
· 쪽수 : 268쪽
· 출판일 : 2023-04-25
책 소개
목차
1. 신경망 기초 3
1.1 뉴런 모델 5
1.2 활성화 함수 15
1.3 신경망의 구조 및 동작 23
1.4 퍼셉트론 28
2. FNN 39
2.1 FNN의 구조 이해 41
2.2 가중치 표현 43
2.3 FNN의 계층 유형 48
2.4 FNN의 순방향 처리 55
2.5 배치 처리 63
2.6 FNN 구현 70
3. 기울기 강하 학습 83
3.1 에러 정정 학습 개념 85
3.2 에러 기울기 강하 학습 메커니즘 87
3.3 통계적 델타 규칙 93
3.4 델타 규칙 94
3.5 기울기 강하 기법의 파이썬 구현 97
4. 역전파 학습 101
4.1 용어 소개 103
4.2 역전파 알고리즘의 기본 원리 106
4.3 합성함수의 미분 109
4.4 손실함수 111
4.5 노드의 에러기울기 121
4.6 가중치 에러기울기 128
4.7 역전파 학습 알고리즘 137
4.8 역전파 관련 함수의 미분 142
5. RNN 149
5.1 순차데이터의 이해 151
5.2 RNN의 구조 및 동작 개념 154
5.3 대표적 RNN 소개 159
5.4 BPTT 알고리즘 165
6. CNN 183
6.1 합성곱 및 교차상관의 수학적 정의 185
6.2 합성곱 계층 189
6.3 풀링 계층 199
6.4 CNN의 구조 이해 202
7. CNN의 학습 및 구현 211
7.1 합성곱 계층의 신경망 표현 및 추론 213
7.2 합성곱 계층의 추론 구현 219
7.3 합성곱 계층의 역전파 학습 228
7.4 풀링 계층의 신경망 표현 및 학습 239
8. LSTM과 GRU 247
8.1 일반 RNN의 문제점 249
8.2 LSTM 254
8.3 GRU 263