CHAPTER 01. 개요
1.1 인간의 뇌를 모방한 인공 신경망
1.2 신경망의 응용 절차
1.3 새롭게 조명되는 신경망
CHAPTER 02. 인공 신경망 모델
2.1 생물학적 신경망
2.2 신경망 모델링
2.3 신경망 구조
2.4 신경망 학습
2.5 활성화 함수
CHAPTER 03. 단층 신경망
3.1 퍼셉트론
3.2 델타 학습법
3.3 분류
3.4 회귀
CHAPTER 04. 다층 신경망
4.1 다층 퍼셉트론
4.2 BP 알고리즘
CHAPTER 05. 성능 향상
5.1 초기 가중치
5.2 은닉층 수
5.3 학습률
5.4 손실 함수
5.5 최적화 알고리즘
5.6 오버피팅
5.7 성능 평가
CHAPTER 06. 컨볼루션 신경망
6.1 CNN
6.2 사전 학습 모델
CHAPTER 07. 순환 신경망
7.1 RNN
7.2 시계열 예측
7.3 자연어 처리
CHAPTER 08. 생성 신경망
8.1 오토 인코더
8.2 생성적 적대 신경망
8.3 스타일 전이
부 록
A 코랩 사용법
B 텐서 연산
참고문헌
찾아보기
인간 뇌에서의 정보 처리를 모방한 인공 신경망은 컴퓨터 비전, 자연어 처리, 빅데이터 분석, 자율 주행차, 의료 진단, 예술작품 창작 등 실로 매우 다양한 분야에서 활용되고 있다. 특히, ChatGPT와 Sora 그리고 GPT-4o의 등장으로 인해 전 세계인들이 AI 기술의 눈부신 발전을 실감하게 되었고, 심층 신경망을 활용하는 딥러닝에 대한 관심이 더욱 높아지고 있는 실정이다. 그렇지만, 신경망 이론은 난해하기 때문에 그 내용을 이해하고 이를 원하는 분야에 활용하는 데 어려움이 있다. 이런 연유로 독자들이 흥미롭게 인공 신경망을 공부하여 튼튼한 기초 이론을 바탕으로 딥러닝을 이해하고 나아가 원하는 응용에 활용할 수 있도록 이 책을 집필하였다.
이 책은 기본적인 신경망 이론을 기반으로 하여 딥러닝의 핵심인 컨볼루션 신경망과 순환 신경망 그리고 생성 신경망까지 다양한 신경망 모델을 다루면서도 많은 예제를 통해 공부한 내용의 개념이 쉽게 정립될 수 있도록 배려하였다. 특히, 클라우드 기반으로 주피터 노트북 서비스와 GPU를 지원하는 구글 코랩 환경에서 텐서플로(케라스를 이용하여 다양한 응용을 직접 구현할 수 있도록 예제를 구성하였고, 파이토치에 대한 내용도 곁들여 독자들이 활용하는 데 도움이 될 수 있게 하였다.
이 책에서 다루는 내용은 다음과 같다. 제 1장에서는 인공 신경망의 특징과 응용 절차, 신경망 모델의 발전 과정을 소개하였고, 제 2장에서는 신경망의 근간이 되는 뉴런의 기능을 비롯하여 신경망을 모델링하는 방법, 신경망의 구조와 기본적인 학습 방법, 그리고 ReLU 함수, sigmoid 함수, softmax 함수 등 신경망의 출력을 얻는 데 사용되는 다양한 활성화 함수에 대하여 기술하였다. 제 3장에서는 최초로 구현된 신경망인 퍼셉트론을 비롯하여 단층 신경망을 이용한 분류와 회귀에 대하여 기술하였고, 제 4장에서는 일반적으로 MLP라고 칭하는 다층 신경망과 대표적인 학습 방법인 BP 알고리즘에 대하여 기술하였다. 제 5장에서는 학습률, 손실 함수, 최
