HOME > 상세정보

상세정보

(미래를 준비하는) 신경망 컴퓨터

(미래를 준비하는) 신경망 컴퓨터 (117회 대출)

자료유형
단행본
개인저자
김현숙 김소윤
서명 / 저자사항
(미래를 준비하는) 신경망 컴퓨터 / 김현숙 ; 김소윤 공저.
발행사항
서울 :   크라운출판사 ,   1994.  
형태사항
313 p. : 삽도 ; 26 cm.
ISBN
8940601092
일반주기
부록포함  
서지주기
참고문헌 : p. 297-313
000 00713camccc2002411k 4500
001 000000235561
005 20100805010322
007 ta
008 951206s1994 ulka 000a kor
020 ▼a 8940601092 ▼g 13560 : ▼c \8000
040 ▼a 211009 ▼c 211009 ▼d 211009
049 1 ▼l 121008172 ▼f 과개 ▼l 121008173 ▼f 과개 ▼l 121008174 ▼f 과개 ▼l 121008175 ▼f 과개 ▼l 121008176 ▼f 과개
082 0 4 ▼a 006.32 ▼2 21
085 ▼a 0075 ▼2 KDCP
090 ▼a 006.32 ▼b 1994
100 1 ▼a 김현숙
245 2 0 ▼a (미래를 준비하는) 신경망 컴퓨터 / ▼d 김현숙 ; ▼e 김소윤 공저.
260 ▼a 서울 : ▼b 크라운출판사 , ▼c 1994.
300 ▼a 313 p. : ▼b 삽도 ; ▼c 26 cm.
500 ▼a 부록포함
504 ▼a 참고문헌 : p. 297-313
700 1 ▼a 김소윤

No. 소장처 청구기호 등록번호 도서상태 반납예정일 예약 서비스
No. 1 소장처 과학도서관/보존서고1(동양서)/ 청구기호 006.32 1994 등록번호 121008172 도서상태 대출가능 반납예정일 예약 서비스 B M
No. 2 소장처 과학도서관/보존서고1(동양서)/ 청구기호 006.32 1994 등록번호 121008174 도서상태 대출가능 반납예정일 예약 서비스 B M
No. 3 소장처 세종학술정보원/과학기술실/ 청구기호 006.32 1994 등록번호 151013984 도서상태 대출가능 반납예정일 예약 서비스
No. 소장처 청구기호 등록번호 도서상태 반납예정일 예약 서비스
No. 1 소장처 과학도서관/보존서고1(동양서)/ 청구기호 006.32 1994 등록번호 121008172 도서상태 대출가능 반납예정일 예약 서비스 B M
No. 2 소장처 과학도서관/보존서고1(동양서)/ 청구기호 006.32 1994 등록번호 121008174 도서상태 대출가능 반납예정일 예약 서비스 B M
No. 소장처 청구기호 등록번호 도서상태 반납예정일 예약 서비스
No. 1 소장처 세종학술정보원/과학기술실/ 청구기호 006.32 1994 등록번호 151013984 도서상태 대출가능 반납예정일 예약 서비스

컨텐츠정보

저자소개

김현숙(지은이)

서강대학교 대학원 인공지능 전공, 이학석사. 현재: 샬롬엔지니어링(주) 연구소 수석연구원 동국대학교 전산교육원 강사 역서: 「OS/2로의 초대」, 「인공지능의 ABC」, 「PC통신 입문」, 「지식공학 입문」, 「Quick C 첫걸음」 등이 있다.

정보제공 : Aladin

목차


목차
제1장 신경망 컴퓨터와 뇌의 정보처리
 1.1 신경망 컴퓨터 = 11
  1.1.1 컴퓨터와 인간 뇌의 연구 = 11
  1.1.2 신경망 컴퓨터의 주변분야 = 20
 1.2 뇌의 정보처리 = 27
  1.2.1 생물과 정보처리 = 27
  1.2.2 뉴론(Neuron)과 화살 꼴두기 =  28
  1.2.3 노벨상을 탄 신경방정식 = 35
  1.2.4 뉴론과 정보 = 38
  1.2.5 뉴론에서 뉴럴 네트워크(신경회로망)뇌로 = 41
  1.2.6 뇌의 정보처리 특징 = 45
 1.3 신경망 컴퓨터의 구조와 특징 = 47
  1.3.1 기본구조 = 47
  1.3.2 학습과 자기조직화 = 48
  1.3.3 신경망 컴퓨터의 특징 = 49
 1.4 신경망 컴퓨터의 연구분야와 그 주변분야들과의 관계 = 49
  1.4.1 신경망 컴퓨터의 연구분야 = 49
  1.4.2 신경망 컴퓨터에 기대되는 기능과 응용 = 51
제2장 뉴럴 네트워크 모델
 2.1 뉴론 모델(Neuron Model) = 57
  2.1.1 뉴론과 뉴럴 네트워크 =  57
  2.1.2 시간적인 이산 모델 = 59
  2.1.3 시간적인 연속 모델 = 60
  2.1.4 확률적인 동작 모델 = 60
 2.2 뉴럴 네트워크 모델의 기초 = 61
  2.2.1 Hebb의 학습 = 62
  2.2.2 상관학습 = 62
  2.2.3 델타 룰 = 62
  2.2.4 Perceptron = 63
 2.3 상호결합형 모델 = 64
  2.3.1 구조와 원리 = 64
  2.3.2 메모리 용량 = 66
  2.3.3 조합 최적화 문제에 대한 응용 =  68
 2.4 계층형 모델 = 70
  2.4.1 구조와 학습 = 70
  2.4.2 기능과 응용 = 73
 2.5 Boltzman Machine 모델 = 74
  2.5.1 Boltzman Machine의 개요 = 74
  2.5.2 학습법칙과 물리적인 의미 = 76
  2.5.3 기능과 응용 = 79
 2.6 Kohonen의 자기조직화 모델 = 80
  2.6.1 학습 알고리즘 = 80
  2.6.2 시뮬레이션 결과의 예 = 82
  2.6.3 뉴럴 네트워크에 의한 구현 = 84
 2.7 기타 뉴럴 네트워크 모델 = 86
  2.7.1 LVQ 모델 = 86
  2.7.2 경쟁학습 모델 = 89
 2.8 하드웨어화를 위한 모델 = 92
  2.8.1 양자화 학습 알고리즘 = 93
  2.8.2 Back Propagation 모델에 대한 적용 예 = 94
제3장 뉴로 시물레이터
 3.1 병렬 컴퓨터와 그 응용 = 100
  3.1.1 병렬 컴퓨터의 개요 = 100
  3.1.2 병렬 컴퓨터에 의한 시물레이션 기술(技術) = 103
 3.2 뉴로 액셀레이터 = 106
  3.2.1 범용 마이크로 프로세서를 이용한 방식 = 106
  3.2.2 DSP 칩을 이용한 방식 = 108
제4장 VLSI 뉴로 칩
 4.1 VLSI 기술 = 115
  4.1.1 반도체 기술의 역사 = 115
  4.1.2 LSI 기술의 특징 = 117
  4.1.3 LSI 제품의 동항 = 118
  4.1.4 VLSI 뉴로 칩의 기능성 = 120
 4.2 VLSI 뉴로 칩의 개요 = 121
  4.2.1 뉴로 칩에 요구되는 기능들 = 121
  4.2.2 뉴로 칩의 분류와 요소 기술들 = 121
 4.3 뉴로 칩의 구현 예 = 125
  4.3.1 AT & T(벨 연구소)의 CMOS 칩 = 125
  4.3.2 히타찌 제작소의 WSI 디지털 어프로치 = 128
  4.3.3 후지쯔의 아날로그 뉴로 칩 = 132
 4.4 학습기능을 가진 뉴로 칩 = 135
  4.4.1 학습기능을 가진 뉴로 칩의 의미 = 135
  4.4.2 시냅스 회로 = 136
  4.4.3 뉴론 회로 = 138
  4.4.4 칩 구성 = 140
  4.4.5 대규모 회로의 구현방법 = 141
제5장 광 뉴럴 네트워크
 5.1 광 기술의 특징 = 147
 5.2 광 뉴로 디바이스의 개요 = 147
  5.2.1 광 뉴런 소자(광 임계치 소자) = 148
  5.2.2 광 시냅스 소자(공간 광 변조 소자) = 150
 5.3 광 전자 공존형 뉴럴 네트워크 = 154
  5.3.1 광 행렬 벡터 승산기(내적 승산기)의 기본구조 = 154
  5.3.2 상호결합형 모델의 광 아키텍처 =  155
  5.3.3 계층형 모델의 광 아키텍처 = 157
 5.4 광 시스템의 집적화(광 뉴로 칩) = 160
  5.4.1 전기신호 어드레스형 뉴로 칩 = 160
  5.4.2 광 신호 어드레스형 뉴로 칩 = 163
 5.5 광 뉴로 시스템의 대규모화와 다기능화 = 165
  5.5.1 다중화 기법 = 165
  5.5.2 다중 칩 광 뉴로 시스템 =  167
 5.6 전광(全光) 뉴럴 네트워크 =  167
  5.6.1 광 연상 메모리의 원리 = 167
  5.6.2 계층구조의 광 연상 메모리 = 168
  5.6.3 피이드백 구조의 광 연상 메모리 = 170
  5.6.4 그 밖의 전광(全光) 뉴럴 네트워크 =  170
 5.7 인공망막 소자(시각 정보처리 소자) = 171
  5.7.1 움직이는 물체의 추출 소자 = 171
  5.7.2 윤곽추출 소자 = 172
제6장 연상 메모리
 6.1 표준적인 컴퓨터 메모리 = 175
 6.2 연상 메모리의 구현 = 178
 6.3 RAM 상에서의 구현 = 179
 6.4 RAM과 n튜플(n-tuple)화 = 184
 6.5 Willshaw의 연상 네트 = 185
  6.5.1 문제점 = 187
 6.6 ADAM 시스템 = 187
  6.6.1 응용 = 190
 6.7 Kanerva의 스파스 분산 메모리 = 191
 6.8 양방향 연상 메모리 = 193
제7장 뉴럴 네트워크의 인식에 대한 응용
 7.1 문자인식 = 197
  7.1.1 인쇄문자 인식 = 198
  7.1.2 수기문자 인식 = 203
 7.2 음성인식 = 207
  7.2.1 음운인식 = 207
  7.2.2 단어인식 = 213
 7.3 인식을 위한 언어처리 = 214
제8장 뉴럴 네트워크의 제어에 대한 응용
 8.1 역 모델의 학습 알고리즘 = 220
  8.1.1 Back Propagation 학습방법 = 221
  8.1.2 최적 역 모델 학습방법 = 222
  8.1.3 피이드백 오차 학습방법 = 224
 8.2 시계열 신호의 학습과 생성 = 226
 8.3 최적제어 = 228
 8.4 자율 로봇 = 232
제9장 뉴럴 네트워크의 산업 시스템에 대한 응용
 9.1 산업 시스템과 뉴럴 네트워크 = 237
 9.2 전력 시스템에 대한 응용 = 239
  9.2.1 전력의 수효예측에 대한 응용 = 240
  9.2.2 GIS의 예방과 보전에 대한 응용 = 242
 9.3 제철 프로세스에 대한 내용 = 245
  9.3.1 용광로(鎔鑛爐) 상태의 추정 = 246
  9.3.2 연속주조의 이상 예측 = 248
 9.4 정보통신과 금융에 대한 응용 = 250
  9.4.1 통신제어에 대한 응용 = 250
  9.4.2 뉴럴 네트워크의 주가예측에  대한 응용 = 253
 9.5 실용화에 있어서의 과제 = 255
제10장 신경망 컴퓨터의 미래상
 10.1 개요 = 259
  10.1.1 뇌의 기본원리와 신경망 컴퓨터 = 259
  10.1.2 신경망 컴퓨터 연구의 과제 = 261
  10.1.3 미래의 신경망 컴퓨터 응용 = 263
 10.2 가오스 뉴럴 네트워크 = 263
  10.2.1 가오스란? = 263
  10.2.2 뇌신경 시스템과 가오스 = 267
  10.2.3 가오스 뉴론 모델과 가오스 뉴럴 네트워크 = 269
  10.2.4 가오스 뉴럴 네트워크와 그 주변분야 = 275
 10.3 면역 네트워크 = 276
  10.3. 면역 시스템과 바이오 컴퓨터 = 276
  10.3. 면역 시스템과 특징 = 276
  10.3. 면역 시스템의 역할 = 277
  10.3. 면역 네트워크와 프로세싱 엘리먼트 = 278
  10.3. 면역 네트워크의 상호작용 = 279
  10.3. 면역 네트워크의 병렬분산 아키텍처 = 280
제11장 통합형 시스템
 11.1 뉴로 기술과 AI 기술의 통합 = 285
 11. 통합형 전문가 시스템 = 287
 11. 통합형 자연어 처리 = 288
 11. 통합형 시스템 구현의 과제 = 290
 11. 신경망 컴퓨터 연구의 진행방법 = 292
 11. 신경망 컴퓨터의 가능성 = 293
부록
참고문헌 = 197


관련분야 신착자료

Cartwright, Hugh M. (2021)
한국소프트웨어기술인협회. 빅데이터전략연구소 (2021)