머리말 = 4
이 책의 사용 설명서 = 6
예제 목차 = 11
알고리즘 목차 = 12
Chapter 1 소개 = 13
  1 개요 = 15
    1. 딥러닝의 발전 동향 = 15
    2. 신경망 연구의 역사 = 16
  2 심층 신경망의 종류 = 18
  3 딥러닝 소프트웨어 = 21
Chapter 2 신경망 = 23
  1 개요 = 25
  2 신경망의 기본개념 = 27
    1. 생물학적 뉴런 = 27
    2. 인공 뉴런 = 28
    3. 신경망 작동원리 = 30
  3 배치학습과 온라인학습 = 33
    1. 배치학습 = 34
    2. 온라인학습 = 35
    3. 미니배치학습 = 36
  4 역전파 알고리즘 = 37
    1. 평균오차제곱합 손실함수 기반 델타규칙 = 37
    2. 두 가지 계산 흐름 = 45
    3. 활성함수 = 46
    4. 역전파 알고리즘 학습과정 = 50
  5 교차엔트로피 기반 델타규칙 = 52
  6 중요한 고려사항 = 57
    1. 학습률 = 57
    2. 가중치 초기화 = 58
    3. 과적합 해결방안 = 60
    4. 중지규칙 = 62
    5. 은닉층 및 은닉노드의 개수 결정 = 64
  7 역전파 알고리즘의 변형 = 65
    1. BFGS = 65
    2. AdaGrad = 66
    3. Adam = 66
    4. Rprop 및 iRprop = 67
  8 R 예제 = 72
    1. nnet 패키지 = 72
    2. neuralnet 패키지 = 79
    3. mxnet 패키지 = 90
  연습문제 = 93
Chapter 3 심층 신뢰망 및 오토인코더 = 95
  1 개요 = 97
  2 제한 볼츠만 기계 = 99
    1. 이진 입력값을 가지는 RBM = 99
    2. 실수 입력값을 가지는 RBM = 108
    3. 다른 종류의 입력값을 가지는 RBM = 110
    4. 분류용 - RBM = 110
  3 오토인코더 = 114
    1. 오토인코더 = 114
    2. 희박 오토인코더 = 116
    3. 잡음 제거 오토인코더 = 117
  4 RBM과 오토인코더의 비교 = 118
  5 심층 신뢰망 = 119
    1. 심층 신뢰망의 구조 = 120
    2. RBM을 쌓으며 DBN 학습 = 121
    3. 오토인코더를 쌓으며 예비학습 = 125
    4. 심층 신뢰망의 세부조정 = 126
    5. 분류용 - DBN = 128
    6. 심층 신뢰망 기반 기타 딥러닝 모형 = 129
  6 R 예제 = 130
    1. 오더인코더 관련 R 함수 = 130
    2. DNN 학습 관련 R 함수 = 136
  연습문제 = 147
Chapter 4 딥러닝 기초 = 151
  1 개요 = 153
  2 합성곱 신경망의 구조 = 157
    1. 합성곱층 = 158
    2. 풀링층 = 165
  3 합성곱 신경망의 학습 = 167
    1. 전방향 전파 알고리즘 = 168
    2. 역전파 알고리즘 = 168
  4 합성곱 신경망의 성능 향상 = 171
  5 대표적 합성곱 신경망 = 172
  6 R 예제 = 178
  연습문제 = 184
Chapter 5 순환 신경망 = 187
  1 개요 = 189
  2 순환 신경망 예제 = 192
    1. 단어 자동완성 기능 = 192
    2. 3진수 덧셈 연산 = 195
    3. 셰익스피어 작품 흉내 내기 = 197
    4. 숫자인식 = 198
    5. 순환 신경망의 유형 = 198
  3 순환 신경망 구조 = 200
  4 순환 신경망 학습 = 203
  5 게이트 순환 신경망 = 208
    1. LSTM = 209
    2. LSTM 학습 = 212
    3. GRU = 214
  6 R 예제 = 216
    1. MXNET 패키지 사용 = 216
    2. RNN 패키지 사용 = 225
  연습문제 = 229
참고문헌 = 232
INDEX = 236