저자 머리말 = 4
추천사 = 6
강의계획표 = 7
워밍업 = 8
학습 로드맵 = 10
강의 보조 자료 및 참고 문헌 = 12
Chapter 01 인공지능의 가능성과 한계 = 21
01 인공지능의 가능성에 대한 긍정적 입장 = 22
02 인공지능의 가능성에 대한 부정적 입장 = 23
03 컴퓨터와 뇌의 작용에 관한 착각 = 27
04 신경망의 한계 = 28
05 불교 유식학의 입장 = 29
Chapter 02 패턴인식의 개요 = 33
01 패턴인식의 정의 = 34
02 특징과 패턴 = 35
03 패턴인식 시스템의 구성 요소와 설계 사이클 = 38
패턴인식 시스템 설계 5단계
04 패턴인식의 유형과 분류기 = 40
문제의 유형
분류기
05 패턴인식의 접근법 = 42
패턴인식의 접근법
06 패턴인식의 응용 분야 = 44
패턴인식의 응용 분야
패턴인식의 관련 분야
07 패턴인식의 응용 예 = 46
간단한 영문자 인식 시스템
자동 어류 분류 시스템
Chapter 03 선형 대수학-벡터와 행렬 = 53
01 벡터 이론 = 54
벡터 이론의 주요 개념
02 행렬 대수 = 62
행렬의 종류
행렬의 곱셈
행렬의 트레이스
행렬의 계수
역행렬
행렬식
고유치와 고유 벡터
유사 변환과 행렬의 대각화
2차 형식
SVD:특이값 재구성
선형 변환
Chapter 04 기초 통계와 확률 이론 = 79
01 기초 통계 = 80
통계 용어
통계 파라미터
회귀 분석
02 확률 이론 = 89
확률 용어 정리
주변 확률, 조건부 확률, 결합 확률, 체인 규칙
전체 확률 이론
베이즈의 정리
Chapter 05 확률변수와 확률분포 = 99
01 확률변수 = 100
02 확률분포 = 102
03 확률함수의 종류 = 102
누적분포함수
확률밀도함수와 확률질량함수
확률밀도함수와 확률
기대값 : 확률변수의 평균
확률변수의 분산과 표준편차
04 벡터 랜덤변수 = 107
05 랜덤 벡터의 통계적 특징 = 110
06 공분산 행렬 = 110
07 가우시안 분포 = 112
가우시안 분포함수
완전 공분산 가우시안 형태
대각 공분산 가우시안 형태
구형 공분산 가우시안 형태
08 MATLAB 실습 = 119
Chapter 06 통계적 결정이론과 확률밀도함수의 추정 = 131
01 우도비 검증 = 132
02 오류확률 = 135
03 베이즈 위험 = 138
04 LRT 결정규칙의 변형 = 142
베이즈 규준
MAP 규준
ML 규준
05 다중 클래스 결정규칙 = 143
오류확률을 이용한 다중 클래스 결정규칙
베이즈 위험을 이용한 다중 클래스 결정규칙
06 판별함수 = 146
07 최우추정법에 의한 확률밀도함수의 추정 = 147
08 MATLAB 실습 = 154
Chapter 07 선형과 이차 분류기 = 163
01 선형 분류기 = 164
판별식 가중치 결점
결정 경계
02 이차 분류기 = 167
가우시안 확률밀도함수의 일반식
Case 1 : ＝σ²I
Case 2 : ＝∑(∑: 대각 행렬)
Case 3 : ＝∑(∑: 비대각 행렬)
Case 4 : ＝I
Case 5 : ≠(일반형)
Chapter08 데이터 마이닝의 시작 - 백터 양자화와 클러스터링 = 181
01 교사와 비교사 학습 = 182
02 비교사 학습의 두 가지 접근법 = 182
모수적 혼합 모델 구축을 통한 방법
비모수적 방법
03 벡터 양자화／클러스터링 = 183
04 최적화 기준 = 184
05 k-means 알고리즘과 EM 알고리즘 = 185
06 비균일 이진 분할 = 188
07 k-means와 이진 분리의 비교와 개선 : LBG 알고리즘 = 189
08 MATLAB 실습 = 191
Chapter 09 견고한 확률 모델 - 가우시안 혼합 모델 = 207
01 가우시안 혼합 모델이란? = 218
02 GMM의 학습 : EM 알고리즘 = 210
03 EM 알고리즘의 필요성 = 213
04 EM 알고라즘의 일반화 = 216
Expectation 단계
Maximization 단계
수렴 성질
05 EM 알고리즘과 k-means 클러스터링 알고리즘과의 관계 = 220
06 MATLAB 실습 = 221
Chapter 10 비모수 밀도 추정법 = 245
01 비모수 밀도 추정이란? = 246
02 히스토그램 = 247
03 커널 밀도 추정 = 250
04 Parzen 창에 의한 커널 밀도 추정 = 254
05 스무스 커널을 이용한 커널 밀도 추정 = 259
06 k-NNR을 이용한 밀도 추정 = 264
07 비모수 밀도 추정을 이용한 패턴인식 = 268
08 MATLAB 실습 = 270
Chapter 11 특징 벡터의 차원 축소 - 구성분 분석법 = 273
01 차원의 저주 = 274
데이터 시각화
특징 추출
02 고유벡터와 고유값 = 275
고유벡터
고유값
03 주성분 분석 = 278
04 MATLAB 실습 = 283
Chapter 12 선형판별 분석법 = 305
01 선형판별분석과 Fisher의 선형판별식 = 306
02 2진 분류에 적용된 LDA = 308
03 C-클래스 분류에 적용된 LDA = 314
04 LDA의 두 가지 접근법과 한계 = 317
05 MATLAB 실습 = 322
Chapter 13 신경 세포 모델링 - 인공 신경망 = 335
01 신경세포의 모델링과 인공 신경망의 태동 : McCulloch and Pitts(1943) = 336
02 헤브의 학습 규칙 : Hebb(1949) = 341
03 인공 신경망의 번성과 퍼셉트론 : Rosenblatt(1958) = 344
04 LMS 학습 규칙 : Widrow and Hoff(1960) = 347
05 신경망의 암흑기 : Minsky and Papert(1969) = 350
06 신경망의 부활과 역전파 알고리즘 : Rumelhart, Hinton and Williams(1986) = 351
출력층과 은닉층간의 연결강도의 변화
입력층과 은닉층간의 연결강도의 변화
07 패턴인식과 인공 신경망의 구조 = 360
전방향 신경망과 회귀 신경망
예측형과 분류형 신경망
08 MATLAB 실습 = 364
Chapter 14 뇌 영역 모델링 - 자기 조직화 특징 지도 = 381
01 자기 조직화 특징 지도란? = 382
02 SOFM의 학습 과정과 장단점 = 383
경쟁 과정
협동 과정
적응 과정
SOFM의 장단점
03 학습절차와 사용되는 함수 = 385
학습 절차
사용되는 함수들
04 2차원 지도의 자기 조직화 = 387
05 2차원 데이터 분포를 대표하는 1차원 체인 형성 자기 조직화 = 388
06 SOFM을 이용한 음성인식 = 390
07 MATLAB 실습 = 391
Chapter 15 기발한 최적화 방법 - 유전 알고리즘 = 401
01 최적화 문제와 유전 알고리즘 개요 = 402
02 유전 알고리즘의 특징 = 405
03 유전 알고리즘과 진화 알고리즘 = 405
04 유전 알고리즘의 구성요소 = 406
05 유전 연산자 = 408
선택 혹은 재생산 연산자
교배 연산자
돌연변이 연산자
06 적합 함수 = 413
07 단순 유전 알고리즘 = 414
08 순회 판매원 문제에 적용된 유전 알고리즘 = 415
부분 사상 교배
순서 교배
주기 교배
09 MATLAB 실습 = 420
Chapter 16 시계열 패턴 인식의 시작 - 동적 계획법과 DTW = 437
01 정적 패턴과 동적 패턴 = 438
02 동적 계획법 = 438
03 예제를 통한 동적 계획법의 이해 = 439
1차원 동적 계획법 적용 예 : 배낭 문제(Knapsack Problem)
2차원 동적 계획법과 역추적(백트랙킹) : 최적 경로 찾기
2차원 동적 계획법 적용 예 : LCS 찾기
04 DTW 알고리즘 = 454
선형 신축과 비선형 신축
음성 인식에 적용된 DTW의 제약 조건
05 MATLAB 실습 = 461
Chapter 17 음성 인식의 기수 - HMM = 467
01 확률 행렬과 마르코프 연쇄 = 468
02 마프코프 가정, 마르코프 모델, 마르코프 과정 = 470
03 은닉 마르코프 모델 = 474
날씨 HHM 모델
항아리 속의 공 HMM 모델
04 HMM의 3가지 문제와 해법 = 479
05 확률 평가 문제와 해법 = 481
전향 과정 알고리즘
후향 과정 알고리즘
전향-후향 알고리즘
전후향 알고리즘을 통한 확률 평가 비교
06 최적 상태열 문제와 해법 = 491
비터비 알고리즘
터비 알고리즘에 의한 최적 상태열 탐색
07 파라미터 추정의 문제와 해법 = 495
Baum-Welch 재추정 알고리즘
08 MATLAB 실습 = 500
Chapter 18 최적 분류를 향한 끝없는 도전 - SVM = 517
01 SVM 소개 = 518
02 최적 분류 초평면 = 520
03 최대 마진의 수식화 = 523
04 선형 SVM의 학습 = 528
05 KKT조건과 마진 최대화 = 530
05 Suppot Vector 전개와 판별함수 = 531
07 비선형 SVM = 533
08 커널 트릭 = 536
09 MATLAB 실습 = 539
부록 : MATLAB 사용법 = 549
찾아보기 = 578
