본문 바로가기
장바구니0

기계학습 -수학적 이해에서 알고리즘까지- (개정판) > 인공지능

도서간략정보

기계학습 -수학적 이해에서 알고리즘까지- (개정판)

도서 선택옵션 0 개, 추가옵션 0 개

신간도서
판매가격 23,000원
저자 오상훈
도서종류 국내도서
출판사 도서출판 홍릉
발행언어 한국어
발행일 2020
페이지수 284
ISBN 9791156007302
도서구매안내 온, 온프라인 서점에서 구매 하실 수 있습니다.

구매기능

  • 기계학습 -수학적 이해에서 알고리즘까지- (개정판)
    +0원
보조자료 다운
  • 도서 정보

    도서 상세설명

    1 장 서론 (Introduction)

    1.1 기계학습이란?

    1.2 기계학습의 역사적 배경

    1.3 학습 알고리즘

     

    2 k-최근접 이웃 알고리즘 (k -NN: k-Nearest Neighbor Algorithm)

    2.1 k -NN 알고리즘의 개요

    2.2 k -NN 알고리즘에 의한 분류

    2.3 k -NN 알고리즘에 의한 회귀

    2.4 파라미터의 선정

     

    3 장 선형판별 분석 (LDA: Linear Discriminant Analysis)

    3.1 선형판별분석(LDA: Linear Discriminant Analysis)의 개요

    3.2 기저벡터에 의한 투영

    3.3 선형판별분석의 유도

    3.4 확장 및 응용

     

    4 장 퍼셉트론 (Perceptron)

    4.1 분류(Classification)

    4.2 베이 최적 분류기(Bayes Optimal Classifier)

    4.3 손실과 위험(Losses and Risks)

    4.4 판별함수(Discriminant Functions)

    4.5 선형판별함수(Linear Discriminant Function)

    4.6 단층 퍼셉트론(SLP: Single-Layer Perceptron)

    4.7 퍼셉트론의 학습

     

    5 장 전방향 신경회로망 (Feed-Forward Neural Networks)

    5.1 다층 퍼셉트론(Multi-Layer Perceptron)

    5.2 다층퍼셉트론의 표현 능력

    5.3 오류 역전파(Error Back-Propagation) 학습

    5.4 부적절한 포화(Incorrect Saturation)

    5.5 학습에 필요한 사항들

    5.6 시계열 데이터와 신경회로망

    5.7 심층 신경회로망(Deep Neural Networks)

    5.8 RBFN(Radial Basis Function Networks)

     

    6 장 회귀 신경회로망 (Recurrent Neural Networks)

    6.1 회귀 신경회로망(Recurrent Neural Networks)

    6.2 LSTM(Long Short-Term Memory)의 구조

    6.3 LSTM의 전방향 계산

    6.4 LSTM의 역방향 계산

     

    7 SVM Support Vector Machine

    7.1 SVM(Support Vector Machine)의 특징

    7.2 선형 구분자(Linear Separator)와 퍼셉트론 학습

    7.3 SVM

    7.4 SVM 적용 예

     

    8 장 앙상블 학습 (Ensemble Learning)

    8.1 앙상블이 필요한 이유

    8.2 투표에 의한 결정(Voting)

    8.3 배깅(Bagging)

    8.4 분류기의 성능평가

     

    9 장 컨볼루션 신경회로망 (Convolutional Neural Network)

    9.1 컨볼루션 신경회로망의 역사적 배경과 특징

    9.2 컨볼루션(Convolution)

    9.3 컨볼루션 신경회로망(Convolutional Neural Network)

    9.4 파라미터 선정과 학습 기법

    9.5 컨볼루션의 다양한 형태

    9.6 컨볼루션 신경회로망의 응용 예

     

    10 장 주성분 분석 (Principal Component Analysis)

    10.1 데이터 차원 축소

    10.2 주성분 분석(Principal Component Analysis)

    10.3 주성분 분석의 고유 구조(Eigenstructure)

    10.4 주성분 분석의 성질과 예시

     

    11 장 독립 성분 분석 (Independent Component Analysis)

    11.1 문제 정의

    11.2 독립성분분석을 위한 정보이론

    11.3 독립성분분석을 위한 확률론

    11.4 인포맥스(InfoMax) 알고리즘

    11.5 인포맥스(InfoMax) 알고리즘: N×N 회로망

    11.6 독립성분분석과 주성분분석의 성질 비교 및 응용

    11.7 독립성분분석에 의한 데이터의 잠재적 구조 발견

    11.8 컨볼루션 혼합모델

     

    12 장 클러스터링 (Clustering)

    12.1 클러스터링이란?

    12.2 클러스터링의 쟁점들

    12.3 SOM(Self-Organizing Map)

    12.4 SOM학습의 개선

    12.5 k-평균 클러스터링(k-means Clustering)

    12.6 클러스터의 평가

     

    13 장 생성대립 회로망 (Generative Adversarial Network)

    13.1 판별(Discrimination)과 생성(Generation)

    13.2 생성대립 회로망(GAN)의 구성

    13.3 생성대립 회로망의 수학적 모델

    13.4 생성대립 회로망의 구현

    13.5 심층 컨벌루션 생성대립 회로망(DCGAN)

    13.6 양방향 생성대립 회로망(BiGAN)

  • 사용후기

    사용후기가 없습니다.

  • 배송/교환정보

    배송정보

    배송 안내 입력전입니다.

    교환/반품

    교환/반품 안내 입력전입니다.

선택하신 도서가 장바구니에 담겼습니다.

계속 둘러보기 장바구니보기
회사소개 개인정보 이용약관
Copyright © 2001-2019 도서출판 홍릉. All Rights Reserved.
상단으로