심층 학습 > 컴퓨터공학

본문 바로가기
쇼핑몰 검색
  • 회원가입
    2000

    로그인

    다양한 서비스와 이벤트 혜택을 누리실 수 있습니다.

    아이디 비밀번호
심층 학습 > 컴퓨터공학

심층 학습 요약정보 및 구매

기본설명

상품 선택옵션 0 개, 추가옵션 0 개

제조사 제이펍
원산지 국내산
브랜드 제이펍
시중가격 42,000원
판매가격 37,800원
배송비결제 주문시 결제
최소구매수량 1 개
최대구매수량 999 개

선택된 옵션

  • 심층 학습
    +0원
위시리스트

관련상품

등록된 상품이 없습니다.

  • 상품정보
  • 사용후기 0
  • 상품문의 0
  • 배송정보
  • 교환정보
  • 상품정보

    상품 기본설명

    기본설명

    상품 상세설명

    심층 학습

    9791188621422.jpg

    도서명:심층 학습
    저자/출판사:이안,굿펠로,요슈아,벤지오,에런,쿠빌/제이펍
    쪽수:908쪽
    출판일:2018-10-31
    ISBN:9791188621422




    목차
    1장 소개 1
    1.1 이 책의 대상 독자 10
    1.2 심층 학습의 역사적 추세 13

    제1부 응용 수학과 기계 학습의 기초 29
    2장 선형대수 31
    2.1 스칼라, 벡터, 행렬, 텐서 32
    2.2 행렬과 벡터의 곱셈 35
    2.3 단위행렬과 역행렬 37
    2.4 일차종속과 생성공간 38
    2.5 노름 41
    2.6 특별한 종류의 행렬과 벡터 43
    2.7 고윳값 분해 44
    2.8 특잇값 분해 47
    2.9 무어-펜로즈 유사역행렬 48
    2.10 대각합 연산자 49
    2.11 행렬식 50
    2.12 예: 주성분분석 50

    3장 확률론과 정보 이론 57
    3.1 확률의 필요성 58
    3.2 확률변수 60
    3.3 확률분포 61
    3.4 주변확률 63
    3.5 조건부 확률 64
    3.6 조건부 확률의 연쇄법칙 64
    3.7 독립과 조건부 독립 65
    3.8 기댓값, 분산, 공분산 65
    3.9 흔히 쓰이는 확률분포들 67
    3.10 흔히 쓰이는 함수들의 유용한 성질들 74
    3.11 베이즈 법칙 76
    3.12 연속 변수의 특별한 세부 사항 76
    3.13 정보 이론 79
    3.14 구조적 확률 모형 83

    4장 수치 계산 87
    4.1 넘침과 아래넘침 87
    4.2 나쁜 조건화 89
    4.3 기울기 벡터 기반 최적화 90
    4.4 제약 있는 최적화 100
    4.5 예제: 선형 최소제곱 문제 104

    5장 기계 학습의 기초 107
    5.1 학습 알고리즘 108
    5.2 수용력, 과대적합, 과소적합 121
    5.3 초매개변수와 검증 집합 133
    5.4 추정량, 편향, 분산 135
    5.5 최대가능도 추정 145
    5.6 베이즈 통계학 149
    5.7 지도 학습 알고리즘 154
    5.8 비지도 학습 알고리즘 161
    5.9 확률적 경사 하강법 167
    5.10 기계 학습 알고리즘 만들기 169
    5.11 심층 학습의 개발 동기가 된 기존 문제점들 171

    제2부 현세대 심층 신경망의 실제 183
    6장 심층 순방향 신경망 185
    6.1 예제: XOR의 학습 189
    6.2 기울기 기반 학습 194
    6.3 은닉 단위 211
    6.4 아키텍처 설계 218
    6.5 역전파와 기타 미분 알고리즘들 225
    6.6 역사적 참고사항 247

    7장 심층 학습을 위한 정칙화 251
    7.1 매개변수 노름 벌점 253
    7.2 제약 있는 최적화로서의 노름 벌점 261
    7.3 정칙화와 과소제약 문제 263
    7.4 자료 집합의 증강 265
    7.5 잡음에 대한 강인성 267
    7.6 준지도 학습 269
    7.7 다중 과제 학습 270
    7.8 조기 종료 271
    7.9 매개변수 묶기와 매개변수 공유 279
    7.10 희소 표현 281
    7.11 배깅과 기타 앙상블 학습법 283
    7.12 드롭아웃 285
    7.13 대립 훈련 296
    7.14 접선 거리, 접선 전파, 다양체 접선 분류기 298

    8장 심층 모형의 훈련을 위한 최적화 기법 303
    8.1 학습과 순수한 최적화의 차이점 304
    8.2 신경망 최적화의 난제들 312
    8.3 기본 알고리즘 324
    8.4 매개변수 초기화 전략 332
    8.5 학습 속도를 적절히 변경하는 알고리즘들 339
    8.6 근사 2차 방법들 344
    8.7 최적화 전략과 메타알고리즘 352

    9장 합성곱 신경망 367
    9.1 합성곱 연산 368
    9.2 동기 372
    9.3 풀링 377
    9.4 무한히 강한 사전분포로서의 합성곱과 풀링 382
    9.5 기본 합성곱 함수의 여러 변형 383
    9.6 구조적 출력 394
    9.7 자료 형식 396
    9.8 효율적인 합성곱 알고리즘 397
    9.9 무작위 특징 또는 비지도 특징 학습 398
    9.10 합성곱 신경망의 신경과학적 근거 400
    9.11 합성곱 신경망으로 본 심층 학습의 역사 408

    10장 순차열 모형화를 위한 순환 신경망과 재귀 신경망 411
    10.1 계산 그래프 펼치기 413
    10.2 순환 신경망 417
    10.3 양방향 순환 신경망 433
    10.4 부호기-복호기 순차열 대 순차열 아키텍처 435
    10.5 심층 순환 신경망 437
    10.6 재귀 신경망 439
    10.7 장기 의존성의 어려움 440
    10.8 반향 상태 신경망 443
    10.9 누출 단위 및 여러 다중 시간 축척 전략 446
    10.10 장단기 기억과 기타 게이트 제어 RNN들 449
    10.11 장기 의존성을 위한 최적화 453
    10.12 명시적 기억 457

    11장 실천 방법론 463
    11.1 성과 측정 465
    11.2 기준 모형 468
    11.3 추가 자료 수집 여부 결정 469
    11.4 초매개변수 선택 471
    11.5 디버깅 전략 480
    11.6 예제: 여러 자리 수의 인식 485

    12장 응용 489
    12.1 대규모 심층 학습 489
    12.2 컴퓨터 시각 500
    12.3 음성 인식 506
    12.4 자연어 처리 510
    12.5 기타 응용들 529

    제3부 심층 학습 연구 539
    13장 선형 인자 모형 542
    13.1 확률적 PCA와 인자분석 544
    13.2 독립성분분석(ICA) 545
    13.3 느린 특징 분석 548
    13.4 희소 부호화 551
    13.5 PCA의 다양체 해석 555

    14장 자동부호기 557
    14.1 과소완전 자동부호기 558
    14.2 정칙화된 자동부호기 559
    14.3 표현력, 층의 크기, 모형의 깊이 564
    14.4 확률적 부호기와 복호기 565
    14.5 잡음 제거 자동부호기 567
    14.6 자동부호기로 다양체 배우기 572
    14.7 축약 자동부호기 577
    14.8 예측 희소 분해 580
    14.9 자동부호기의 응용 581

    15장 표현 학습 583
    15.1 탐욕적 층별 비지도 사전훈련 585
    15.2 전이 학습과 영역 적응 594
    15.3 준지도 학습 기법을 이용한 원인 분리 599
    15.4 분산 표현 604
    15.5 깊이의 지수적 이득 610
    15.6 바탕 원인을 발견하기 위한 단서 제공 612

    16장 심층 학습을 위한 구조적 확률 모형 617
    16.1 비구조적 모형화의 문제점 618
    16.2 그래프를 이용한 모형 구조의 서술 623
    16.3 그래프 모형의 표본추출 641
    16.4 구조적 모형화의 장점 643
    16.5 종속관계의 학습 643
    16.6 추론과 근사 추론 645
    16.7 구조적 확률 모형에 대한 심층 학습 접근 방식 ······646

    17장 몬테카를로 방법 653
    17.1 표본추출과 몬테카를로 방법 654
    17.2 중요도 표집 656
    17.3 마르코프 연쇄 몬테카를로 방법 659
    17.4 기브스 표집 664
    17.5 분리된 모드 사이의 혼합과 관련된 어려움들 ·········665

    18장 분배함수 공략 671
    18.1 로그가능도의 기울기 672
    18.2 확률적 최대가능도와 대조 발산 675
    18.3 유사가능도 682
    18.4 점수 부합과 비 부합 685
    18.5 잡음 제거 점수 부합 688
    18.6 잡음 대조 추정 688
    18.7 분배함수의 추정 692

    19장 근사 추론 701
    19.1 최적화로서의 추론 702
    19.2 기댓값 최대화 704
    19.3 MAP 추론과 희소 부호화 706
    19.4 변분 추론과 변분 학습 708
    19.5 학습된 근사 추론 724

    20장 심층 생성 모형 727
    20.1 볼츠만 기계 727
    20.2 제한 볼츠만 기계 730
    20.3 심층 믿음망 733
    20.4 심층 볼츠만 기계 737
    20.5 실숫값 자료에 대한 볼츠만 기계 751
    20.6 합성곱 볼츠만 기계 759
    20.7 구조적 출력 또는 순차열 출력을 위한 볼츠만 기계 ·······762
    20.8 기타 볼츠만 기계 763
    20.9 확률적(무작위) 연산에 대한 역전파 764
    20.10 유향 생성망 770
    20.11 자동부호기의 표본추출 791
    20.12 생성 확률적 신경망 794
    20.13 기타 생성 방안들 796
    20.14 생성 모형의 평가 797
    20.15 결론 800

    참고문헌 803
    찾아보기 869
    delivery.jpg
  • 사용후기

    등록된 사용후기

    사용후기가 없습니다.

  • 상품문의

    등록된 상품문의

    상품문의가 없습니다.

  • 배송정보

    배송정보

    배송업체 : 한진택배 (1588-0011)
     배송비
     2,500원 (25,000원 이상 구매 시 무료 배송/일부상품제외) 군부대 및 도서산간 지역은 추가 배송비가 발생할 수 있습니다.
     ◆배송기간
     : 평일 오전 7시 이전 주문 시 당일 발송 (2~3일 소요) : 단, 공휴일, 연휴, 천재지변 등으로 인해 발송이 지연될 수 있습니다.
     ◆배송추적
     : 당일 발송건에 한해 익일 오전 9시 이후 확인 가능합니다.


  • 교환정보

    교환/반품

     ◆반품/교환을 원하는 경우 반드시 고객센터로 연락 후 신청하시기 바랍니다.
     ◆반품/교환은 상품 수령일로 부터 7일 이내에만 가능합니다. 단, 상품이 훼손되지 않았거나, 속 비닐이 있는 경우 듣지 않았을    때 가능합니다.
     •고객님의 변심 또는 잘못 주문하신 경우에는 왕복 배송비는 고객님의 부담입니다.
     ◆오배송, 파본, 불량 상품에 대해서는 고객센터로 연락주시면 상담 후 교환해 드립니다.
     ◆오배송, 파본, 불량상품의 배송비는 환불처에서 부담합니다.
     교환/반품
     ◆환불은 상품이 환불에 도착 시 처리됩니다. (카드 취소는 3~5일이 소요될 수 있습니다.)

장바구니

오늘본상품

오늘 본 상품

  • 심층 학습
    심층 학습 37,800

위시리스트

  • 보관 내역이 없습니다.
회사명 (주)꼭대기 주소 서울 특별시 마포구 연희로 11,5층 S-537호
사업자 등록번호 795-87-00429 대표 오주봉 전화 02-356-5779 팩스 02-356-5779
통신판매업신고번호 제2017-서울마포-0052호 개인정보 보호책임자 dhwnqhd

Copyright © 2001-2013 (주)꼭대기. All Rights Reserved.