책 이미지
책 정보
· 분류 : 국내도서 > 컴퓨터/모바일 > 컴퓨터 공학 > 데이터베이스 개론
· ISBN : 9791162243343
· 쪽수 : 292쪽
책 소개
목차
chapter 1 신경망 기초 1
1.1 함수
1.2 도함수
1.3 합성함수
1.4 연쇄법칙
1.5 조금 더 복잡한 예제
1.6 입력이 두 개 이상인 함수의 합성함수
1.7 입력이 여러 개인 함수의 도함수
1.8 여러 개의 벡터 입력을 갖는 함수
1.9 기존 특징으로 새로운 특징 만들기
1.10 여러 개의 벡터 입력을 갖는 함수의 도함수
1.11 벡터 함수와 도함수
1.12 두 개의 2차원 행렬을 입력받는 계산 그래프
1.13 역방향 계산
1.14 마치며
chapter 2 신경망 기초 2
2.1 지도 학습
2.2 지도 학습 모델
2.3 선형회귀
2.4 모델 학습하기
2.5 학습 데이터와 테스트 데이터
2.6 모델 성능을 평가하는 코드
2.7 밑바닥부터 만드는 신경망
2.8 첫 번째 신경망 모델의 학습과 성능 평가
2.9 마치며
chapter 3 밑바닥부터 만들어보는 딥러닝
3.1 딥러닝 정의하기
3.2 신경망의 구성 요소: 연산
3.3 신경망의 구성 요소: 층
3.4 모델의 구성 요소 조립하기
3.5 NeuralNetwork 클래스와 그 외 클래스
3.6 딥러닝 구현하기
3.7 Optimizer와 Trainer 클래스
3.8 모든 구성 요소 조합하기
3.9 마치며
chapter 4 프레임워크 확장하기
4.1 신경망에 대한 직관
4.2 소프트맥스 교차 엔트로피 손실함수
4.3 실험
4.4 모멘텀
4.5 학습률 감쇠
4.6 초기 가중치 설정
4.7 드롭아웃
4.8 마치며
chapter 5 합성곱 신경망
5.1 신경망과 표현 학습
5.2 합성곱층
5.3 다채널 합성곱 연산 구현하기
5.4 Conv2DOperation 연산으로 합성곱 신경망 학습하기
5.5 마치며
chapter 6 순환 신경망
6.1 근본적인 한계: 분기 처리하기
6.2 자동 미분
6.3 순환 신경망이 필요한 이유
6.4 순환 신경망이란
6.5 RNN 코드
6.6 마치며
chapter 7 파이토치
7.1 텐서
7.2 파이토치로 딥러닝 구현하기
7.3 합성곱 신경망 구현하기
7.4 오토인코더를 활용한 비지도 학습
7.5 마치며
부록 A 더 알아보기
A.1 행렬 미분의 연쇄법칙
A.2 편향 항에 대한 손실의 기울기
A.3 행렬곱으로 합성곱 구현하기