acorn ADVANCED 시리즈. 신경망 이론 입문서로서 전세계 독자들에게 많은 사랑을 받으며, 대학원 교재로 채택될 정도로 그 효용성을 인정받고 있다. 이 책에서는 인공 신경망의 역사에 변곡점을 만든 주요 신경망의 개념과 구조, 훈련 방식을 체계적이고 상세하게 소개하고 있다.
또한 신경망 이론의 수학적 이해에 필요한 선형대수 이론을 주요하게 다루고 있으며, 예제와 문제 풀이를 통해 개념을 쉽게 설명하고 있어서 누구나 흥미롭게 이해하고 따라갈 수 있고, 신경망 이론의 수학적 증명을 포함하고 있어서 수학적 타당성을 깊이 있게 이해할 수 있게 해준다. 이 책을 통해 신경망의 이론적 기반을 더욱 탄탄히 다질 수 있을 것이다.
마틴 헤이건 (지은이)의 말
이 책에서는 기본 신경망 구조와 학습 규칙을 소개한다. 신경망의 수학적 분석과 훈련 방법, (비선형 회귀 분석, 패턴 인식, 신호 처리, 데이터 마이닝, 제어 시스템 같은) 실용적 엔지니어링 문제로의 응용을 강조하고 있다.
책의 내용을 명확하고 일관된 방식으로 제시해 쉽게 읽고 적용할 수 있도록 심혈을 기울였다. 각 장의 논의 주제를 충분히 설명하기 위해 가능한 한 많은 문제 풀이를 포함시켰다. 또한 마지막 5개 장에서는 신경망을 실제 문제에 적용했을 때 발생할 수 있는 실질적인 이슈를 설명하기 위해 몇 가지 사례 연구를 제시했다.
이 책에 포함될 수도 있었지만 생략된 여러 내용이 있다. 예를 들어, 이 책에서는 모든 신경망 구조와 학습 규칙을 요약해서 설명하기보다는 기본 개념을 집중적으로 설명하고 있다. 둘째, VLSI, 광학기기, 병렬 컴퓨터 같은 신경망 구현 기술은 논의하지 않는다. 마지막으로 신경망의 생물학적/심리학적 근거는 깊이 있게 제시하지 않는다.
이런 내용은 모두 중요한 주제지만 이 책은 신경망 설계에 가장 유용한 주제에 집중하고 이를 깊이 있게 다룸으로써 독자에게 도움을 주고자 한다.
윤성진 (옮긴이)의 말
대부분의 머신 러닝 입문자들은 현재 머신 러닝 기법 중 가장 성능이 좋고 광범위하게 적용할 수 있는 딥러닝으로 입문할 것이다. 딥러닝을 공부하다 보면 DNN, CNN, RNN 같은 신경망이 어떤 배경으로 탄생하고 발전해왔는지 궁금해지는데, 이 책은 그런 궁금증을 해소해줄 뿐만 아니라 신경망의 이론적 기반을 더욱 탄탄히 하는 데 도움을 줄 수 있다.
인간이 자신의 뇌와 신경망을 직접 들여다보고 이해하기 시작한 것은 불과 100년 전이다. 19세기 말에 생체 신경망의 연구가 본격적으로 시작됐고, 그 후 얼마 지나지 않아 사람들은 기계로 생체 신경망을 모방하면 인간 수준의 추론을 할 수 있으리란 믿음으로 인공 신경망을 연구하기 시작했다. 1940년대에 인공 신경망의 역사가 시작됐으니, 그 역사는 컴퓨터의 역사와 비교해봐도 결코 짧다고 할 수 없다.
지난 70여 년 동안 인간 수준의 인공 신경망을 만들기 위해 수많은 노력이 있었으며, 그 안에서 다양한 형태의 신경망이 나타나고 발전해왔다. 이 책에서는 인공 신경망의 역사에 변곡점을 만든 주요 신경망의 개념과 구조, 훈련 방식을 체계적이고 상세하게 소개하고 있다.
이 책은 신경망 이론 입문서로서 전 세계 독자들에게 많은 사랑을 받고 있으며, 대학원 교재로 채택될 정도로 그 효용성을 인정받고 있다.
이는 다음과 같은 차별화된 특징들 때문이다.
1. 신경망 이론의 수학적 이해를 돕기 위해 선형대수 이론을 주요하게 다루고 있다.
2. 예제와 문제 풀이를 통해 개념을 아주 쉽게 설명하고 있어서 누구나 흥미롭게 이해하고 따라갈 수 있다
3. 신경망 이론의 수학적 증명을 포함하고 있어서 수학적 타당성을 깊이 있게 이해하게 해준다.
모쪼록 이 책이 신경망의 이론적 기반을 더욱 탄탄히 다질 수 있는 기회를 독자들에게 제공할 수 있기를 바란다.