품목정보
발행일	2016년 10월 10일
쪽수, 무게, 크기	220쪽 \| 418g \| 170*225mm
ISBN13	9791185890593
ISBN10	1185890599

더보기

1장 시작하며 _ 1 1.1 신경망 연구의 역사 3 1.1.1 다층 신경망에 대한 기대와 실망 3 1.1.2 다층 신경망의 사전훈련 4 1.1.3 자질에 대한 학습 6 1.1.4 딥 러닝의 융성 7 1.2 이 책의 구성 9 2장 앞먹임 신경망 _ 11 2.1 유닛의 출력 13 2.2 활성화 함수 15 2.3 다층 신경망 18 2.4 출력층의 설계와 오차함수 21 2.4.1 학습의 얼개 21 2.4.2 회귀 22 2.4.3 이진 분류 23 2.4.4 다클래스 분류 25 3장 확률적 경사 하강법 _ 29 3.1 경사 하강법 31 3.2 확률적 경사 하강법 33 3.3 ‘미니배치’의 이용 35 3.4 일반화 성능과 과적합 36 3.5 과적합을 완화시키는 방법 38 3.5.1 규제화 38 3.5.2 가중치 감쇠 39 3.5.3 드롭아웃 40 3.6 학습을 위한 트릭 43 3.6.1 데이터 정규화 43 3.6.2 데이터 확장 45 3.6.3 여러 신경망의 평균 45 3.6.4 학습률의 결정 방법 46 3.6.5 모멘텀 48 3.6.6 가중치의 초기화 49 3.6.7 샘플의 순서 50 4장 역전파법 _ 53 4.1 기울기 계산의 어려움 55 4.2 2층으로 구성된 신경망의 계산 57 4.3 다층 신경망으로 일반화 60 4.4 경사 하강법의 전체 알고리즘 63 4.4.1 출력층의 델타 63 4.4.2 순전파와 역전파의 행렬 계산 65 4.4.3 기울기의 차분근사 계산 67 4.5 기울기 소실 문제 68 5장 자기부호하기 _ 71 5.1 개요 73 5.2 자기부호화기의 설계 74 5.2.1 출력층의 활성화 함수와 오차함수 74 5.2.2 가중치 공유 75 5.3 자기부호화기의 동작 76 5.3.1 데이터를 나타내는 특징을 학습 76 5.3.2 주성분 분석과의 관계 78 5.4 희소 규제화 80 5.4.1 데이터의 과완비한 표현 80 5.4.2 최적화 83 5.4.3 희소 규제화의 효과 85 5.5 데이터의 백색화 87 5.6 딥 뉴럴넷의 사전훈련 92 5.7 그 외의 자기부호화기 94 5.7.1 심층 자기부호화기 94 5.7.2 디노이징 자기부호화기 95 6장 합성곱 tlsruda아 _ 99 6.1 단순 세포와 복잡 세포 101 6.2 전체적인 구조 104 6.3 합성곱 105 6.3.1 정의 105 6.3.2 합성곱의 작용 106 6.3.3 패딩 107 6.3.4 스트라이드 108 6.4 합성곱층 109 6.5 풀링층 112 6.6 정규화층 115 6.6.1 국소 콘트라스트 정규화 115 6.6.2 단일 채널 이미지의 정규화 116 6.6.3 다채널 이미지의 정규화 118 6.7 기울기의 계산 119 6.8 실제 예: 물체 유형 인식 121 7장 재귀 신경망 _ 135 7.1 연속열 데이터의 분류 137 7.2 RNN의 구조 139 7.3 순전파 계산 142 7.4 역전파 계산 144 7.5 장·단기기억 147 7.5.1 RNN의 기울기 소실 문제 147 7.5.2 LSTM의 개요 148 7.5.3 순전파 계산 149 7.5.4 역전파 계산 151 7.6 입력과 출력의 연속열 길이가 다른 경우 153 7.6.1 은닉 마르코프 모델 153 7.6.2 커넥셔니스트 시계열 분류 154 8장 볼츠만 머신 _ 161 8.1 데이터의 생성 모델 163 8.2 볼츠만 머신 164 8.2.1 확률적 구조 164 8.2.2 학습 166 8.3 깁스 샘플링 168 8.4 은닉 변수를 갖는 볼츠만 머신 170 8.4.1 확률적 구조 170 8.4.2 학습 171 8.5 제약 볼츠만 머신 173 8.5.1 확률적 구조 173 8.5.2 조건부 분포 174 8.5.3 RBM과 자기부호화기 175 8.6 RBM의 학습 176 8.6.1 깁스 샘플링을 사용한 기울기 계산 176 8.6.2 대조적 발산(CD) 178 8.6.3 CD의 실제 적용 180 8.6.4 지속적 CD 182 8.7 그 외의 유닛 183 8.7.1 가우시안 유닛 183 8.7.2 ReLU 184 8.8 딥 빌리프 네트워크 186 8.9 딥 볼츠만 머신 188 8.10 성능 비교 191 참고문헌 194 찾아보기 199

더보기

상세 이미지 상세 이미지 보이기/감추기

상품 이미지를 확대해서 볼 수 있습니다. 원본 이미지

더보기

저자 소개 (1명)

역 : 심효섭 이동 관심작가 알림신청

저자 소개 관련자료 보이기/감추기

저자 : 오카타니 타카유키

1999년에 도쿄대학 대학원 공학계연구과 계수공학 전공으로 박사과정을 수료하였다. 현재는 도호쿠대학 대학원 정보과학연구과 교수로 재직 중이다.

더보기

책 속으로 책속으로 보이기/감추기

앞먹임 신경망(feedforward neural network)*은 층 모양으로 늘어선 유닛이 인접한 층(layer)들과만 결합하는 구조를 가지며, 정보가 입력 측으로부터 출력 측으로 한 방향으로만 흐르는 신경망이다. 문헌에 따라서는 다층 퍼셉트론(multi-layer perceptron)이라 부르기도 한다.
_13쪽

앞먹임 신경망의 지도 학습법을 딥 러닝에서 특히 자주 쓰이는 방법인 확률적 경사 하강법에 초점을 맞추어 설명하겠다. 기본적인 알고리즘에 대하여 다루고, 딥 뉴럴넷을 학습시키는 데 가장 큰 걸림돌이 되는 과적합(overfitting)을 설명하고, 이를 완화시키는 방법을 알아보자. 더불어, 학습을 더 잘 진행시킬 수 있도록 하는 노하우를 몇 가지 소개한다.
_29쪽

이 문제를 기울기 소실 문제(vanishing gradient problem)라 부른다. 2층 정도의 얕은 신경망에서는 이 델타의 발산이나 소실이 큰 문제가 되지 않지만, 그보다 많은 층을 갖는 신경망에서는 심각한 문제라서 학습을 진행하는 데 가장 큰 장애가 된다. 3.6절에서 설명한 트릭 중 몇 가지는 이 문제에 어느 정도 유효하게 작용하지만, 충분한 해결책이 되지는 못한다.
_69쪽

앞서 말한 바와 같이, CNN에서도 일반적인 앞먹임 신경망과 마찬가지로 경사 하강법에 의한 파라미터 최적화를 수행한다. 합성곱층의 가중치는 필터 그 자체이므로 최적화의 대상이 필터(그리고 바이어스)라는 이야기가 된다. 역전파법에 의해 합성곱층의 델타와 필터의 오차 기울기가 계산된다. 이 부분에 관한 자세한 내용은 6.7절에서 다루겠다.
_112쪽

볼츠만 머신은 유닛 간의 결합이 쌍방향인 신경망이다. 신경망의 행동을 확률적으로 기술하는 것이 가장 큰 특징으로, 일반적으로 데이터의 생성 모델로 쓰인다. 보통의 결정론적 신경망과 마찬가지로 신경망의 가중치나 바이어스를 통하여 결정하지만, 그 방법은 크게 다르다. 현재 딥 러닝의 성공은 제약 볼츠만 머신을 사용한 DBN의 연구가 계기가 되었다.

---p.161

회원리뷰 (3건) 회원리뷰 이동

리뷰 쓰기

혜택 및 유의사항?

총 평점 7.6점 7.6 / 10.0

검색결과 정렬 옵션 삭제

회원리뷰 전체보기

한줄평 (12건) 한줄평 이동

한줄평 쓰기

혜택 및 유의사항?

총 평점 9.7점 9.7 / 10.0

구매 한줄평

한줄평 전체보기

배송/반품/교환 안내

배송 안내

반품/교환 안내에 대한 내용입니다.
배송 구분	예스24 배송 배송비 : 무료배송
포장 안내	안전하고 정확한 포장을 위해 CCTV를 설치하여 운영하고 있습니다. 고객님께 배송되는 모든 상품을 CCTV로 녹화하고 있으며, 철저한 모니터링을 통해 작업 과정에 문제가 없도록 최선을 다 하겠습니다. 목적 : 안전한 포장 관리 촬영범위 : 박스 포장 작업

반품/교환 안내

상품 설명에 반품/교환과 관련한 안내가 있는경우 아래 내용보다 우선합니다. (업체 사정에 따라 달라질 수 있습니다)

반품/교환 안내에 대한 내용입니다.
반품/교환 방법	고객만족센터(1544-3800), 중고샵(1566-4295) 판매자 배송 상품은 판매자와 반품/교환이 협의된 상품에 한해 가능합니다.
반품/교환 가능기간	출고 완료 후 10일 이내의 주문 상품 디지털 콘텐츠인 eBook의 경우 구매 후 7일 이내의 상품 중고상품의 경우 출고 완료일로부터 6일 이내의 상품 (구매확정 전 상태)
반품/교환 비용	고객의 단순변심 및 착오구매일 경우 상품 반송비용은 고객 부담임 직수입양서/직수입일서중 일부는 변심 또는 착오로 취소시 해외주문취소수수료 20%를 부과할수 있음 단, 아래의 주문/취소 조건인 경우, 취소 수수료 면제 오늘 00시 ~ 06시 30분 주문을 오늘 오전 06시 30분 이전에 취소 오늘 06시 30분 이후 주문을 익일 오전 06시 30분 이전에 취소 직수입 음반/영상물/기프트 중 일부는 변심 또는 착오로 취소 시 해외주문취소수수료 30%를 부과할 수 있음 단, 당일 00시~13시 사이의 주문은 취소 수수료 면제 박스 포장은 택배 배송이 가능한 규격과 무게를 준수하며, 고객의 단순변심 및 착오구매일 경우 상품의 반송비용은 박스 당 부과됩니다.
반품/교환 불가사유	소비자의 책임 있는 사유로 상품 등이 손실 또는 훼손된 경우 소비자의 사용, 포장 개봉에 의해 상품 등의 가치가 현저히 감소한 경우 : 예) 화장품, 식품, 가전제품, 전자책 단말기 등 복제가 가능한 상품 등의 포장을 훼손한 경우 : 예) CD/LP, DVD/Blu-ray, 소프트웨어, 만화책, 잡지, 영상 화보집 소비자의 요청에 따라 개별적으로 주문 제작되는 상품의 경우 디지털 컨텐츠인 eBook, 오디오북 등을 1회 이상 다운로드를 받았을 경우 eBook 대여 상품은 대여 기간이 종료 되거나, 2회 이상 대여 했을 경우 취소 불가 중고상품이 구매확정(자동 구매확정은 출고완료일로부터 7일)된 경우 LP상품의 재생 불량 원인이 기기의 사양 및 문제인 경우 (All-in-One 일체형 일부 보급형 오디오 모델 사용 등) 시간의 경과에 의해 재판매가 곤란한 정도로 가치가 현저히 감소한 경우 전자상거래 등에서의 소비자보호에 관한 법률이 정하는 소비자 청약철회 제한 내용에 해당되는 경우
소비자 피해보상	상품의 불량에 의한 반품, 교환, A/S, 환불, 품질보증 및 피해보상 등에 관한 사항은 소비자분쟁해결기준(공정거래위원회 고시)에 준하여 처리됨
환불 지연에 따른 배상	대금 환불 및 환불 지연에 따른 배상금 지급 조건, 절차 등은 전자상거래 등에서의 소비자 보호에 관한 법률에 따라 처리