CHAPTER 01 서론 1
1.1 딥러닝이란 2
1.2 주목받게 된 계기 3
1.3 왜 딥러닝인가 6
1.4 딥러닝이란 무엇인가 7
1.5 이 책의 구성 8
CHAPTER 02 신경망 11
2.1 신경망의 역사 12
2.2 매컬러-피츠의 신경회로망 모형 14
2.3 퍼셉트론 16
2.4 다층 퍼셉트론 18
2.5 역전파법 19
2.6 오차 함수와 활성화 함수 30
2.7 우도 함수 32
2.8 확률적 경사 하강법 33
2.9 학습률 35
2.10 정리 35
CHAPTER 03 합성곱 신경망 37
3.1 합성곱 신경망의 구성 38
3.2 합성곱층 40
3.3 풀링층 41
3.4 전결합층 42
3.5 출력층 43
3.6 신경망의 학습 방법 43
3.7 정리 50
CHAPTER 04 제약 볼츠만 머신 51
4.1 홉필드 네트워크 52
4.2 볼츠만 머신 57
4.3 제약 볼츠만 머신 61
4.4 대조적 발산 63
4.5 딥 빌리프 넷 66
4.6 정리 68
CHAPTER 05 자기부호화기 69
5.1 자기부호화기 70
5.2 디노이징 자기부호화기 73
5.3 희소 자기부호화기 74
5.4 적층 자기부호화기 79
5.5 사전 훈련에서의 이용 79
5.6 정리 80
CHAPTER 06 일반화 성능을 향상시키기 위한 방법 81
6.1 학습 표본 82
6.2 전처리 89
6.3 활성화 함수 94
6.4 드롭아웃 97
6.5 드롭커넥트 98
6.7 정리 101
CHAPTER 07 딥러닝을 위한 도구 103
7.1 딥러닝 개발환경 104
7.2 Theano 104
7.3 Pylearn2 112
7.4 Caffe 122
7.5 학습 시스템 DIGITS 141
7.6 Chainer 149
7.7 텐서플로 164
7.8 정리 179
CHAPTER 08 딥러닝의 현재와 미래 181
8.1 딥러닝의 응용 사례 182
8.2 딥러닝의 미래 198
8.3 정리 200
참고문헌 202
찾아보기 209